MétaCan
Menu
Retour à la cohorte
Enregistrement W2623126599 · doi:10.24114/inpafi.v3i3.5422

PENGARUH MODEL PEMBELAJARAN INQUIRY TRAINNING TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK BESARAN DAN SATUAN DI KELAS X SEMESTER I SMA NEGERI 7 MEDAN

2015· article· id· W2623126599 sur OpenAlexaff
Tiani Saulina Manurung, Nurdin Siregar

Notice bibliographique

RevueINPAFI (Inovasi Pembelajaran Fisika) · 2015
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSTEM Education
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesnon disponible
Mots-clésSMA*HumanitiesMathematics educationMathematicsPsychologyArt

Résumé

récupéré en direct d'OpenAlex

ABSTRAK Penelitian ini bertujuan untuk mengetahui pengaruh model pembelajaran Inquiry Training terhadap hasil belajar fisika siswa SMA dan aktivitas belajar siswa selama proses pembelejaran. Penelitian ini menggunakan metode quasi eksperimen dengan desai penelitian Two Group Pretest-Postest Design. Populasi dalam penelitian ini adalah seluruh siswa kelas X SMA N 7 Medan yang terdiri dari 5 kelas dan sampel 2 kelas yang ditentukan secara cluster rondom sampling, yaitu kelas X IPA 5 sebagai kelas eksperimen dan kelas X IPA 1 sebagai kelas kontrol. Dari uji hipotesis diperoleh ada pengaruh yang signifikan antara hasil belajar siswa dengan pembelajaran inquiry training dan pemebelajaran konvensional pada materi pokok besaran dan satuan dikelas X SMA N 7 Medan. Kata Kunci : Model pembelajaran inquiry training.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0270,003

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 Opus0,126
Tête enseignante GPT0,340
Écart entre enseignants0,215 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINPAFI (Inovasi Pembelajaran Fisika)Même sujetSTEM EducationTravaux en français237 207