MétaCan
Menu
Retour à la cohorte
Enregistrement W4313248780 · doi:10.21083/ajote.v11i2.6644

Students’ perception of conditions for self-efficacy during their internship programme. A case study of the University of Education, Winneba College for Distance And e-Learning

2022· article· en· W4313248780 sur OpenAlexvenueno aff
George Bondzie

Notice bibliographique

RevueAfrican Journal of Teacher Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueE-Learning and COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternshipPsychologyPerceptionMathematics educationMedical educationDistance educationDescriptive researchSelf-efficacyPedagogySociologyMedicine

Résumé

récupéré en direct d'OpenAlex

This article examines the conditions (time and supervision) in achieving self-efficacy among distance education students on internship programme in the University of Education, Winneba. The purpose of this study was to find out if the conditions of time and supervision were adequately met for distance education students on internship programme in the University of Education, Winneba (UEW) to accomplish self-efficacy. The descriptive survey design was used in conducting the study. Data was collected by means of Google Docs; questionnaires were administered via students’ WhatsApp platforms. A sample of 1,087 final year distance education students was derived for the study through the availability sampling technique. The study concluded that the condition of time allocation for OCTPs to enable UEWDESTIs to achieve self-efficacy were not adequately met in the sense that they had little time to learn more relevant teaching skills, practicalise teaching theories, participate in every activity, and practice all teaching activities learnt. In essence, UEWDESTIs would need more time to practice and develop the teaching skills necessary to become more competent teachers.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0000,001
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 Opus0,028
Tête enseignante GPT0,335
Écart entre enseignants0,307 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of Teacher EducationMême sujetE-Learning and COVID-19Travaux en français237 207