WHY IS THERE A LACK OF INTEREST? A DECLINE IN STEM SUBJECT SELECTION AMONG STUDENTS FROM THE TEACHERS’ PERSPECTIVE
Notice bibliographique
Résumé
Malaysia has yet to achieve the national STEM Policy target ratio of 60:40, which aspires for 60% of students to pursue science and technical streams, and 40% in the arts/social science streams. This study was conducted to identify three main objectives: 1) the factors contributing to the decline in STEM subject selection, 2) the challenges faced in the teaching and learning (PdPc) of STEM subjects, and 3) the most appropriate methods to address the declining interest in STEM subjects. A qualitative approach was employed through interviews with five secondary school teachers in the state of Perlis. The findings revealed three key themes regarding the decline in STEM subject selection: the perception that science streams are difficult, the complexity of the syllabus, and students' lack of interest. Challenges in STEM teaching and learning were categorized into four themes: students’ weak foundation in STEM, teachers’ limited proficiency in using technology, limited funding for experiments and projects, and a lack of awareness about STEM career opportunities. Recommendations to improve STEM subject selection yielded four themes: the need for parental support in encouraging students to choose STEM subjects, targeted training for teachers to master the STEM syllabus, stronger support from relevant authorities, and collaboration with higher education institutions or local agencies to boost students’ interest in pursuing the STEM stream. This study contributes by offering guideline references for stakeholders to achieve the goals set by the National STEM Policy.
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 | 0,006 |
| 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 | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».