Maximizing Science Learning through Practical Work in Secondary Schools in Tanzania: Student-Teachers’ Adaptation to Language Supportive Pedagogy
Notice bibliographique
Résumé
There is a lack of clarity about the role of practical work in promoting learning and thinking, due to mediocrity in the way it is being handled. This study used mixed methods design to develop through microteaching, LSP integrated practical work to explore its characteristics in order to examine how the student-teachers adapted to the pedagogy in relation to its efficacy in developing science, English language, and pedagogy. The research was conducted at the University of Dodoma. The study involved 63 student-teachers and five lecturers with different specializations. The study was carried out in three cycles at the College of Education. It involved the second-year students who were studying Bachelor of Education in Science, who undertook a Physics Teaching Methods course. Review of lesson plans, achievement tests, classroom observations, and interviews with student-teachers, together with focus group discussions among the lecturers, were used to collect data. The qualitative data were analysed using the thematic analysis approach, while the quantitative data were analysed through repeated measures t-test. The student-teachers were able to plan and implement LSP practical lessons in which case students reported to have enjoyed their participation, sharing of experiences, and the bilingual classrooms. The findings from the repeated measures t-test show that there was a significant rise in the mean scores from pre-test (67.9) to the post-test (80.2), with very much reduced variability (SD) of scores among students from 24.9 (pre-test) to 6.6 (post-test). From interviews with 8 case students after each lesson, it was concluded that the students improved in science content, English language competence, and pedagogy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».