Changes in perceptions of teaching quality in secondary schools in Rwanda during the COVID-19 global pandemic and the subsequent closing and reopening of schools
Notice bibliographique
Résumé
The stability of measures of teaching quality is essential for making generalizations of results stemming from these measures to other teaching situations. However, no research has examined the effects of unexpected situational factors on the stability of these measures. Therefore, the purpose of this two-phase quantitative research study was to examine the following aspects among secondary school teachers in Rwanda, using a score-validated, multiple-dimension measure: (a) perceptions of teaching quality (PTQ) prior to the onset of the COVID-19 context (Phase 1; descriptive and correlational design); and (b) the extent to which COVID-19 and the subsequent closing and reopening of secondary schools affected PTQ among STEM teachers in Rwanda, and the associations between these changes in PTQ and selected socio-demographic/locational variables (Phase 2; descriptive and correlational research design). Phase 1 findings revealed that two measures of cultural values (i.e., Attitudes Towards Cultural Values Scale, Inculcating Cultural Values Scale, respectively) generated the most positive attitudes, whereas the Satisfaction with Resources and Material Subscale yielded the least positive attitudes. Phase 2 findings revealed that for four of the nine PTQ scales/subscales, the COVID-19 context negatively affected PTQ. These findings provide compelling evidence of the importance of monitoring PTQ, especially during times of crises. Moreover, these findings have implications for Rwandan educational policymakers, Rwandan administrators, teacher training administrators, and, above all, the teachers themselves, as they all seek to maximize teaching quality in Rwandan secondary schools.
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 | 0,005 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».