VOCABULARY LEARNING STRATEGIES AS PREDICTORS OF ACADEMIC PERFORMANCE AMONG SECONDARY SCHOOL STUDENTS
Notice bibliographique
Résumé
This study examined the relationship between vocabulary learning strategies and academic performance in secondary school students. A survey was conducted to a sample of 267 Grade 10 students from five public secondary schools in the District of New Corella, Division of Davao del Norte. It employed stratified random sampling to select respondents from the chosen schools so that each has an appropriate percentage of distribution of student respondents based on ratio and proportion. Adapted questionnaires were used to determine the level of vocabulary learning strategies and the researcher utilized the third quarter grades of the five schools in the district. The ethnicity shows that the total respondents are overwhelmingly Bisaya. The respondents are in the lowest income category, which suggests a clear bias toward constrained financials. Among the five indicators, determination strategies turned out to be the most often used, and social strategies were the least effective. However, the English grades of the students demonstrate a clustering of their scores around the average. There is no strong evidence to support the claim that there are differences in average English grades among the ethnic groups being compared, while there is no significant difference in the mean English grades among the four income categories. It is recommended that students should actively use effective vocabulary learning strategies to enhance their academic performance across subjects and that teachers design customized vocabulary acquisition. Thus, the administrators and school principals may monitor the implementation of vocabulary learning strategies to improve academic performance.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,633 | 0,014 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».