Cognitive Development, Analytical Thinking, and Learning Satisfaction of Second Grade Students learned through Inquiry-based Learning
Notice bibliographique
Résumé
Science teaching needs to be able students having knowledge and understanding. Also, students have to develop their thinking skills it should help students meet real science through inquiry-based pedagogical process. This study aims to (i) investigate effective teaching criterion through inquiry-based teaching at 80/80, (ii) find out effectiveness index of inquiry-based teaching, (iii) compare analytical thinking between before and after students had learned by inquiry-based learning activities, and (iv) study learning satisfaction of second grade students after they had learned through inquiry method. Participants of the study were 10 second grade students, sampled by purposive sampling technique. Research instruments comprised of 8-lesson plan, 20-item achievement test, 20-item analytical thinking test, and 15-item questionnaire on learning satisfaction. Data were gathered and analyzed by Wilcoxon Matched Pairs Singed–Ranks Test. Results revealed that inquiry-based learning activities had effective criterion at 84.46/82.50; effectiveness index of inquiry-based learning activities was 0.5200; post test score of achievement test higher than those pre test score at .05 statistical significance level; and students had learning satisfaction on inquiry-based learning activities at highest level. It can be concluded that inquiry-based learning activities promoted students in terms of both cognitive, analytical thinking, and learning satisfaction. It should be suggested in for pedagogical preparation and incorporate it into science curriculum.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».