Notice bibliographique
Résumé
This study examined the level of academic performance in Science of Grade 5 learners in Dungan Elementary School, Cluster I, Division of Mabalacat City during the first quarter of School Year 2023–2024. Using a quantitative-descriptive research design, the study analyzed the learners’ first-quarter Science ratings to determine their overall achievement and identify specific areas of weakness. Frequency, percentage, and weighted mean were employed to describe the performance profile, while expert evaluation was used to determine the acceptability of the proposed support instructional materials. Results showed that the first-quarter achievement rate in Science was 81.75%, interpreted as an average level of performance, indicating that most learners have a basic yet adequate grasp of key scientific concepts and skills. However, notable learning gaps were found in understanding properties of materials, changes in materials, and designing useful products from recyclable solid and liquid materials. In response, contextualized support instructional materials were developed for Grade 5 Science and subsequently evaluated by experts in terms of content, quality of presentation, and physical make-up. The materials obtained weighted means ranging from 3.50 to 3.78 across all criteria, with an overall weighted mean of 3.59, qualitatively described as very acceptable. These findings suggest that the proposed instructional materials are pedagogically sound and potentially effective in addressing learners’ difficulties in Science, particularly in content areas requiring higher-order thinking and application. The study recommends the adoption and wider try-out of the materials, sustained administrative support for teachers’ material development initiatives, and the conduct of similar studies in other grade levels and contexts to validate and extend the results. Overall, the study underscores the crucial role of well-designed instructional materials in raising Science achievement and supporting competency-based instruction in the elementary classroom.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».