Mathematics Teachers’ Use of WhatsApp Groups as a Platform for Continuous Professional Development in Tanzania
Notice bibliographique
Résumé
Updating mathematics teachers’ pedagogical skills and content knowledge is inevitable as the trend of students’ performance in Tanzania is alarming. Currently, social media have been one of the strategies for elevating mathematics teachers’ professional competencies through online learning communities. The study aimed at examining how mathematics teachers use Informal WhatsApp Groups (IWGs) as one of the social media for Continued Professional Development (CPD). Key study questions are what are the perceptions of mathematics teachers on the benefits of IWGs in CPD? How do mathematics teachers use IWGs for CPD-related activities? What are the challenges they encounter? And what Mathematics teachers recommend for better use of IWGs for CPD? Two IWGs were involved with a total of 54 mathematics teachers who are currently teaching in secondary schools. The open-ended questionnaire was shared in the IWGs, and members accepted to fill it. Ten members including those who have been in the IWGs for a longer period, those who frequently posted or asked questions, and group leaders were invited for interviews. The findings show that the IWGs have contributed to teachers developing their pedagogical skills and content knowledge through sharing experience, and materials and demonstrating teaching practices in video clips. The challenges include the problem of internet accessibility, inactiveness of members, and lack of effective criteria for evaluating the validity and reliability of information shared. The recommendation is for the authorities to set supportive policies and practices that will create enabling environments for mathematics teachers on CPD.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».