Impact of open inquiry instructional strategy on secondary school students’ academic achievement and conceptual knowledge in Chemistry across genders in Osun state, Nigeria
Notice bibliographique
Résumé
Student performance in chemistry remains below expectations despite the subject’s importance in advancing fields such as medicine and technology. Traditional teaching methods have been criticised for limiting engagement and critical thinking. This study investigates the impact of the open inquiry instructional strategy on secondary school students’ academic achievement and conceptual knowledge in chemistry. A quasi-experimental design was adopted, involving 322 Senior Secondary School 1 science students drawn from intact classes of the selected schools. Students were divided into experimental and control groups and were taught using open inquiry and the traditional lecture method, respectively. Data were collected using the Chemistry Academic Achievement Test (CAAT) and Chemistry Conceptual Knowledge Test (CCKT), both of which were validated before use. Analysis of Covariance (ANCOVA) was used to test the hypotheses. The findings revealed that students taught using open inquiry significantly outperformed those taught using the traditional lecture method in academic achievement (F(1, 317) = 29.083, p < .001) and conceptual knowledge (F(1, 317) = 60.574, p < .001). However, gender differences were not statistically significant for both academic achievement (F(1, 317) = 0.704, p = .402) and conceptual knowledge (F(1, 317) = 2.634, p = .106). The study concludes that open inquiry is a more effective instructional strategy for improving students’ learning outcomes in chemistry, regardless of gender. It recommends the integration of open inquiry into science curricula and teacher training programmes to enhance student engagement and conceptual understanding.
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 | 0,002 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».