MétaCan
Menu
Retour à la cohorte
Enregistrement W4232310870 · doi:10.17722/ijme.v11i2.1001

Supervising the Use of Mother Tongue Language in K-12 Education: IP School in Focus

2018· article· en· W4232310870 sur OpenAlexvenueno aff
Camilo D Malong, Lorna T. General

Notice bibliographique

RevueInternational Journal of Management Excellence · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Methods and Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFocus groupCoping (psychology)PsychologyFirst languageBenchmarkingPedagogyCollateralMedical educationFlexibility (engineering)SociologyMedicineManagementPsychotherapistBusiness

Résumé

récupéré en direct d'OpenAlex

The purpose of this phenomenological study was to investigate and analyze the supervision of the use of mother tongue language in K to 12 education in Caraga Davao Oriental. Employing phenomenological approach with 14 school heads, in-depth interview and focus group discussion were conducted which revealed that most of the participants’ experiences in supervising mother tongue were frustration with ineptitude, collateral complications, collaboration among teachers, improved student engagement, and compassionate intervention. The coping mechanisms of the participants include being keen and efficient, being scientific and methodical, being creative and resourceful, peer mentoring, and benchmarking. Despite the rigors of life, the respondents shared insights based on their experiences. These include MTB language promotes cultural preservation, teachers need steady support, and administrators need a helping hand. The study implies that their realization after supervising and upon implementing what they have learned, they were amazed of the transformation that happened to their teachers in particular and the schools in general.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,004
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,065
Tête enseignante GPT0,405
Écart entre enseignants0,340 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Management ExcellenceMême sujetEducational Methods and OutcomesTravaux en français237 207