MétaCan
Menu
Retour à la cohorte
Enregistrement W1487935840 · doi:10.21831/jpe.v2i1.2641

IMPLEMENTASI PEMBELAJARAN TEMATIK PADA SDN DI GUGUS III KECAMATAN KALASAN KABUPATEN SLEMAN DIY

2014· article· id· W1487935840 sur OpenAlexaff
Bayu Purbha Sakti, Okto Wijayanti

Notice bibliographique

RevueJurnal Prima Edukasia · 2014
Typearticle
Langueid
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyArt

Résumé

récupéré en direct d'OpenAlex

Penelitian ini bertujuan untuk mendeskripsikan dan memaknai implementasi pembelajaran tematik pada sekolah dasar negeri di Gugus III Kecamatan Kalasan Kabupaten Sleman Daerah Istimewa Yogyakarta. Subjek penelitian ini adalah para guru kelas I, II, dan III. Data dikumpulkan dengan teknik dokumentasi, wawancara, dan observasi serta dianalisis dengan reduksi data, penyajian data, dan penarikan kesimpulan. Hasil dari penelitian ini adalah sebagai berikut. (1) Guru sudah memahami pembelajaran tematik, tetapi masih ada 2 guru yang belum memahaminya. (2) Guru sudah merencana-kan pembelajaran tematik dengan menggunakan silabus dan RPP (Rencana Pelaksanaan Pembelajaran) yang memiliki tema, tetapi masih ada 8 guru yang tidak menggunakannya. (3) Metode mengajar yang diterapkan para guru dalam implementasi pembelajaran tematik yaitu metode ceramah, ko-operatif, dan peragaan. (4) Hambatan yang dihadapi adalah: (a) Minimnya pengetahuan orangtua dan siswa. (b) Lingkungan masyarakat yang tidak kondusif. (c) Keterbatasan alat peraga, buku, dan sosial-isasi dinas. d) Minimnya pengetahuan guru. (5) Upaya guru mengatasi hambatan dengan: (a) Menjelaskan pembelajaran tematik kepada orangtua dan memilih media dan metode yang sesuai untuk siswa. (b) Menyelenggarakan bimbingan belajar di lingkungan masyarakat. (c) Mencari informasi di buku, internet, dan seminar supaya guru memiliki inovasi untuk mengatasi keterbatasan pembelajaran tematik. (d) Berbagi informasi dengan guru tematik yang lain untuk menambah pengetahuan. Kata kunci: pembelajaran tematik, implementasi pembelajaran

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0280,012

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,313
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Prima EdukasiaMême sujetEducational Methods and Media UseTravaux en français237 207