MétaCan
Menu
Retour à la cohorte
Enregistrement W4389142182 · doi:10.30574/gscarr.2023.17.2.0427

Piloting an innovation for teachers’ capacity development in STEM subjects in Nigerian secondary schools

2023· article· en· W4389142182 sur OpenAlexfundno aff
Nuhu George Obaje, Yaki Akawo Angwal, Muhammad Tajordeen Mustapha, Padma M. Sarangapani, Vikas Maniar, Mythili Ramchard, Abdullahi Abubakar Kawu, Abdulwaheed Salihu Adelabu, Muhammad Aliyu-Paiko, Dickson Achimugu Musa, Hussaini Majiya, Aliyu Zakariyya, Musa Salihu Ewugi, S Ibrahim

Notice bibliographique

RevueGSC Advanced Research and Reviews · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesTata Institute of Social SciencesInternational Development Research Centre
Mots-clésTanzaniaCapacity buildingEquity (law)Inclusion (mineral)Professional developmentFaculty developmentMathematics educationSchool teachersLimited resourcesBaseline (sea)PedagogyMedical educationPolitical scienceSociologyPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Connecting Learning for secondary school Teachers Capacity Development in STEM (CL4STEM) is a project that aims to pilot innovation and research its effectiveness and potential scaling for building capacity of teachers in secondary school in science and mathematics to foster higher-order teaching with inclusion and equity (HOTIE). It is a South-South collaboration among higher education institutions to adapt and pilot the Connected Learning Initiative (CLix) (http://clix.tiss.edu), which was developed and scaled in India, to new contexts in Bhutan, Nigeria and Tanzania with support from the IDRC. CL4STEM engaged in teacher professional development for newly recruited teachers in Nigeria by implanting and using highly localized and contextualized open education resources (OER), strengthening the use of technology and local resources in teaching enhancing contents knowledge specifically in the sciences and mathematics Data were collected in three phases, baseline, midline, and endline. The findings indicate that teachers' understanding of CL4STEM innovation improved from baseline to endline. At the baseline 2 teachers were still learning how to effectively navigate CL4STEM modules and Telegram group (CoPs) while none was at the endline. There is an increase in the number of teachers exploring ways of improving CL4STEM teaching strategies through further refinement of the modules and CoP participation and/or alternative ways of achieving better results from 1 at midline to 5 at endline. There is a decrease in the number of teachers that are exploring ways of collaboration with other teachers and educators to help impact student learning using CL4STEM teaching strategies from 11 at the midline to 3 at the endline.

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)0,013
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,397
Tête enseignante GPT0,520
Écart entre enseignants0,123 · 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'étudeEssai non randomisé
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGSC Advanced Research and ReviewsMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207