Readiness for Blended Learning and ICT Classroom Teaching Practices of Secondary School Teachers in Bambang I District
Notice bibliographique
Résumé
This study focused on the assessment of the ICT readiness of Secondary School teachers in Bambang I District of the Schools Division of Nueva Vizcaya, Philippines. An adopted three-part questionnaire was distributed to 113 teachers and the consolidation of their IRCR rating for school year 2020 – 2021 was utilized in acquiring data needed for the study. Both descriptive and inferential statistics were utilized in treating and analyzing the research data. Wherein it was found out that their ICT readiness was highly positive with a mean score of 3.25. Furthermore, it was gleaned from the consolidated IPCR rating of the teachers that they have a very satisfactory performance during the rating period with significant differences with their ICT readiness/skills and COT performance rating with a t – value of 14.7691 and p – value of 0.0000. The very satisfactory rating of the respondents in their PPST – COT performance for quarter 1 – 4 of SY 2020 – 2021, indicates the readiness of the respondents to integrate ICT based instruction as part of the blended learning modality. The significant difference in the research findings implies that their ICT skill affects their teaching performance through the use of higher- level online teaching materials such google forms, google meet, and other online tools necessary for the integration of ICT – based instruction. The proposed intervention is gleaned to be necessary in providing hands-on training for teachers in using new and more accessible software’s for instruction in the new normal. Since the ICT classroom pedagogy/skills of the participants are highly positive
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».