MétaCan
Menu
Retour à la cohorte
Enregistrement W3130055006 · doi:10.1177/1745499921992904

Improving educational quality through active learning: Perspectives from secondary school teachers in Malawi

2021· article· en· W3130055006 sur OpenAlexfundno aff
Hülya Koşar Altinyelken, Mark Hoeksma

Notice bibliographique

RevueResearch in Comparative and International Education · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Educational Policies and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesMastercard Foundation
Mots-clésPovertyPedagogyActive learning (machine learning)Quality (philosophy)PsychologyMathematics educationPolitical science

Résumé

récupéré en direct d'OpenAlex

Addressing the learning crisis in low-income contexts remains a major concern. This paper analyses how active teaching and learning pedagogy (ATL) was implemented in secondary schools in Malawi to improve learning outcomes. Based on interviews with teachers and headteachers from five schools, the paper seeks to explore how ATL was understood and implemented, and what challenges were experienced from the perspectives of trained and untrained teachers. The findings reveal that ATL was positively viewed by all participants, as it was considered beneficial in improving students’ academic performance and skills development. All participants identified some key implementation challenges, including large classes, lack of materials, the use of English, long distance to school and poverty. The paper underscores the need to move away from a polarised view of pedagogy (direct instruction against ATL) and conceptualise active learning on a continuum.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,491
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,232
Tête enseignante GPT0,564
Écart entre enseignants0,331 · 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'étudeQualitatif
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

Citations30
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in Comparative and International EducationMême sujetGlobal Educational Policies and ReformsTravaux en français237 207