Teacher Motivation and Morale Influencing the Effectiveness of Bangkok Metropolitan Administration Schools
Notice bibliographique
Résumé
This study aimed to examine the teacher motivation and morale in Bangkok Metropolitan Administration schools, the school effectiveness, the relationship between the factors of teacher motivation and morale in performing their jobs that influence school effectiveness, and the development of guidelines for enhancing teacher motivation and morale in relation to school effectiveness. In the study, the researcher employed a mixed research methodology. In the initial phase, questionnaires were used to collect data. The population consisted of Bangkok Metropolitan Administration school teachers who served their duty in 2022. A multistage random sampling selected 375 persons in total. Mean, percentage, and standard deviation were applied as descriptive statistics. In the last phase, the researcher conducted in-depth interviews with seven experts selected through purposive sampling to gather their perspectives on the applicability, possibility, and usefulness of the the guidelines for enhancing teacher motivation and morale in relation to school effectiveness. The data was analyzed using a content analysis method. According to the findings, the multiple correlation coefficient was .760 (R = 0.760 at the .05 level of significance. The predictive coefficient or predictive power of 57.7 percent (R2 = 0.577), with the regression coefficient () arranged in descending order: 1) Professional Success (β=0.321) 2) Career Growth (β=0.238) 3) School Policies (β=0.162) 4) Workplace atmosphere and environment (β=0.102) 5) Governance Aspects (β=.096). The forecast equations can be generated using the regression coefficients of the predictors in raw score (b) and standard score () as follows: In raw score (unstandardized score) form, the forecast equation is Y' = 1.391 + 0.255 (x 6 )0.183 (x 10 x 10) 0.124 (x 5 (x 5 )0.050 (x 3 (x 3 )0.075 (x 2 (x 2). Standardized score forecast equations Zy = 0.321 (x 6) + 0.238 (x 10) + 0.162 (x 5) + 0.102 (x 3) + 0.096 (x 2). The researcher also devised a guideline containing nineteen recommendations for enhancing the top five teacher motivation and morale factors that influence school effectiveness. There are 19 guidelines for improving teacher morale, which affects school effectiveness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».