MétaCan
Menu
Retour à la cohorte
Enregistrement W2436762249 · doi:10.29303/jpm.v11i1.60

PENINGKATAN HASIL BELAJAR SISWA MELALUI STRATEGI PEMBELAJARAN DISCOVERY PADA MATA PELAJARAN IPA BIOLOGI KELAS VII-5 SMPN 4 MATARAM

2016· article· id· W2436762249 sur OpenAlexaff
Mahyaeny Mahyaeny

Notice bibliographique

RevueJURNAL PIJAR MIPA · 2016
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSTEM Education
Établissements canadiensImmunoPrecise (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsMathematics educationPsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstrak: Telah dilakukan penelitian menggunakan strategi pembelajaran discovery pada mata pelajaran IPA Biologi Kelas VII-5 SMPN 4 Mataram untuk meningatkan hasil belajar siswa. Penelitian dilaksanakan secara kolaboratif antara guru mata pelajaran dengan teman sejawat dalam bentuk penelitian tindakan kelas. Penelitian ini melibatkan siswa kelas VII-5 sebanyak 32 orang. Penelitian dilakukan dalam 2 siklus, masing-masing siklus terdiri dari tahap perencanaan, pelaksanaan tindakan, observasi, evaluasi, dan refleksi. Keberhasilan dalam penelitian ini tercapai apabila ketuntasan belajar klasikal ≥ 85% dan KKM ≥ 60. Selain itu indikator keberhasilan pelaksanaan strategy pembelajaran discovery jika hasil observasi memperoleh rata-rata skor ≥ 4,5 (sangat memuaskan). Hasil penelitian menunjukkan bahwa hasil belajar siswa pada siklus I adalah rata-rata kelas 71,8. Siswa yang memenuhi ketuntasan belajar individu sebanyak 21 siswa dari 32 siswa, sehingga presentase ketuntasannya mencapai 66%. Rata-rata skor pelaksanaan pembelajaran dengan strategi discovery 3,85 (memuaskan). Pelaksanaan evaluasi pada siklus II diperoleh data hasil belajar siswa dengan rata-rata 82,2. Presentase ketuntasan belajar secara klasikal mencapai 90%. Rata-rata skor pelaksanaan pembelajaran dengan strategi discovery 4,86 (sangat memuaskan). Kesimpulan dari penelitian ini adalah penerapan strategi pembelajaran discovery dapat meningkatkan hasil belajar IPA Biologi siswa kelas VII-5 SMPN 4 Mataram.Kata-kata Kunci : Hasil belajar, Discovery, IPA BiologiAbstract: Research using discovery learning strategies on the subjects of biology in grade VII-5 SMPN 4 Mataram has been done to improve student learning outcomes. The research was conducted collaboratively between teachers and peers in the form of classroom action research. The study involved students of class VII-5 as many as 32 people. The study was conducted in two cycles, each cycle consisting of planning, action, observation, evaluation, and reflection. This study was classical learning completeness succeed if ≥ 85%, and the minimum completeness criteria ≥ 60. In addition, the successful discovery learning is indicated resources by an average score of ≥ 4.5 (very satisfactory). The results showed that the learning outcomes in the first cycle is an average grade 71.8. Students who meet the individual learning completeness as many as 21 students from 32 students, so the completeness percentage reached 66%. The average score of the implementation of learning by discovery strategy 3.85 (satisfactory). In the second cycle learning outcomes of students obtained an average of 82.2 and the classical learning completeness percentage reached 90%. The average score of the implementation of learning by discovery strategy 4.86 (very satisfactory). The conclusion was that the application of discovery learning strategies can improve student learning outcomes in class VII-5 SMPN 4 Mataram. Key words: Learning achievement, Discovery, Biology Science

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 enseignants0,053
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0060,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0530,015

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 Opus0,037
Tête enseignante GPT0,311
Écart entre enseignants0,274 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJURNAL PIJAR MIPAMême sujetSTEM EducationTravaux en français237 207