Establishing the Methods of Poetry Teaching to Influence Critical Thinking among Secondary Schools' Learners in Kiambu County, Kenya
Notice bibliographique
Résumé
Methods of poetry teaching has not only the potential to influence Critical Thinking (CT), but it also enables students' self-assurance and independent problem-solving skills. Nevertheless, teachers and students the around the world, share the opinion that poetry is difficult to understand and that only literary experts can appreciate it. The objective of the study was to establish the methods of poetry teaching among secondary school learners in Githunguri Sub-County, Kiambu County. The study was based on Vygotsky’s social constructivist theory. The research adopted a descriptive survey design. The research was conducted in 10 public secondary schools with the sample size of 10 English teachers and 349 Form three students. Schools were chosen using stratified random sampling and teachers were selected purposively. Simple random sampling was used to select the students’ sample. Data was collected from teachers and students using questionnaires, structured interviews and observation check-list. Data was analysed using descriptive statistics, which included tables, pie charts, frequency, mean, and standard deviation. For qualitative data, thematic interpretation was done and documented either in tables or pie charts while quantitative data was analysed using statistical analysis or tabulation. The study established that although teachers mostly teach poetry using interactive classroom setting, disparities were observed on students’ responses. Students reported that they did not work in groups to solve problems in the process of poetry teaching. In addition, the study found out that there was limited use of classroom discussion, brainstorming, group work, analysis of poetic devices, asking questions, evaluating, analysing, and interpreting poetic texts. The study therefore recommends that teachers should continue teaching poetry using different methods as this is likely to enhance student’s CT
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 | 0,003 |
| 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 | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».