MétaCan
Menu
Retour à la cohorte
Enregistrement W3011142251 · doi:10.5539/gjhs.v12n5p1

Assessment of the Efficacy of Creativity-Based Instructional Model on Scientific Attitude in Basic Science and Technology Among Pupils

2020· article· en· W3011142251 sur OpenAlexvenueno aff
Joy Chioma Orji, Celina Shitnan Gana, Victor Sunday Ezema, Emmanuel C. Okenyi, Christian S. Ugwuanyi, Anthonia N. Ngwoke, Florence Eleje Otta, Alexander Chuwkuemeka Okondugba, Julie U. Ibiam

Notice bibliographique

RevueGlobal Journal of Health Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueScience Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCreativityPsychologyAnalysis of covarianceMathematics educationData collectionPositive attitudeTest (biology)Null hypothesisScale (ratio)Structural equation modelingSample (material)Social psychologySocial scienceMathematicsSociologyStatistics

Résumé

récupéré en direct d'OpenAlex

This study assessed the efficacy of creativity-based instructional model on scientific attitude in Basic science and technology among pupils. The study adopted the quasi-experimental design of non-equivalent control group. A sample of 244 pupils (135 males and 109 females) was drawn for the study using a multistage sampling procedure. The instruments used for data collection was the Scientific Attitude Assessment Scale (SAAS). Data collected were analyzed using mean to answer the research questions and Analysis of Covariance (ANCOVA) to test the null hypotheses at 0.05 level of significance. The findings of the study revealed that creativity-based instructional model significantly enhanced pupils’ scientific attitude. It was equally revealed that gender had no significant influence on pupils’ scientific attitude. Based on the findings and conclusions, it was recommended among others, that the use of Creativity-based Instructional Strategy should be encouraged and popularized among primary school teachers through workshops, conferences and seminars.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,008
Études des sciences et des technologies0,0010,013
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,083
Tête enseignante GPT0,451
Écart entre enseignants0,367 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetScience Education and PedagogyTravaux en français237 207