Utilization of Self-Learning Modules and Pupils’ Academic Performance during the Transition Period
Notice bibliographique
Résumé
The utilization of self-learning modules is a great help for pupils due to their enhanced quality as a learning material that will support teachers in the classes. This research study investigated the extent of the utilization of SLMs in the transition period from MDL to face-to-face and the pupils academic performance in the First Quarter of S.Y.2022-2023. It was conducted among twelve (12) Public Elementary Schools of West II District in the DepEd Division of Cagayan de Oro City with a total of one hundred (100) respondents. The study used a descriptive correlational method, and the survey data is analyzed through mean, standard deviation and Pearson r correlation. The study showed that the SLMs in the transition period in terms of activating previously learned material were highly utilized. The pupils have Very Satisfactory academic performance for the First Quarter. In the utilization of SLMs, the variables engaging with new material, proving ones competence and application in the real world, have a significant relationship to the pupils academic performance. It is recommended that teachers need to consider the use of new material or the SLMs to improve the delivery of lessons and instruction, assessment of learning, support mechanism, and development of learning resources in creating a productive learning environment in the classroom. Also, pupils should always be encouraged to completely commit to learning, answering, and doing different tasks when using the SLMs to further improve their academic performance.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».