LAKBAY PISARA: ITS INFLUENCE ON THE SCHOOL PERFORMANCE OF INDIGENOUS PEOPLES EDUCATION (IPEd) LEARNERS
Notice bibliographique
Résumé
This is a developmental action research that support the innovation conducted by the school during the Pandemic time where children cannot go to school since Distance Learning using the Self Learning Modules (SLMs) was used as a modality. The researchers used a Descriptive Survey using Self-made questionnaires. It also utilized the results of the Phil-IRI and the Mean Percentage Scores of the school for Third Quarter and Fourth Quarter SY 2021-2022. The study revealed that there is an extremely significant result of the academic performance of the IP Learners and their reading performance when the innovation program Lakbay Pisara was implemented. The results showed on the MPS revealed that the two-tailed P value equals 0.0005. The mean difference of third quarter minus the fourth quarter equals -3.2078 which is a 95% confidence interval of this difference from -4.7612 to – 1.6544. This implies that there was a significant difference in the schools academic performance when the Lakbay Pisara Program is implemented. With the obtained t-test 4.3776 with a degree of freedom of 16 and a standard error of difference of 0 .733, reject the null hypothesis which stated there is no. significant difference in the schools academic performance when the Lakbay Pisara Program is implemented. Moreover, the reading level of IP Learners showed that independent learners increased by up to 32.4% and frustration decreased by up to 30.99% meaning there is really significant influence of the implementation of the program to the reading level of the IP Learners. It is highly recommended to continuously continue the program and support of stakeholders should be sought.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 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 ».