Effect of grades one and two language of instruction on performance in Mathematics among grade three pupils in Rulindo district, Rwanda
Notice bibliographique
Résumé
Introduction: Prior research has indicated that poor performance in Mathematics may be attributed to the inability of candidates to express ideas in English. There has been little focus on the effect of language use on the learners’ performance in Rwanda schools, where the Language Policy for Education has changed drastically since the country’s independence in 1962. Purpose: This paper sought to find out how the language used for instruction at Grade One and Grade Two could be used to envisage subsequent performance in Mathematics at Grade Three. Methodology: A causal comparative research design of Ex-post facto nature was adopted. The study involved 188 pupils and 6 Mathematics teachers randomly selected. A Mathematics Achievement Test and teachers’ interview guide were used to collect data. Data was analysed using a One-way ANOVA and thematic analysis. Results: The study revealed that pupils whose Language of Instruction was English from Grade One and Grade Two performed significantly better in Mathematics at Grade Three than their counterparts whose Language of Instruction was Kinyarwanda at Grade One and Two. Conclusion and Recommendations: The Language of Instruction at Grades One and Two was the origin for the gap existing among Grade Three pupils who went through the same learning experiences. The findings of this study could help teachers, The Ministry of Education as well as the schools’ management to focus on suitable Language of Instruction to improve the quality of learning. The results of this study could also serve as a springboard for further study in the same area.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,002 |
| 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 ».