MétaCan
Menu
Retour à la cohorte
Enregistrement W2782658396 · doi:10.31316/j.derivat.v4i2.151

Peningkatan Kemampuan Komunikasi Matematis Siswa SMP Melalui Pembelajaran Inkuiri Model Alberta

2019· article· en· W2782658396 sur OpenAlexaboutno aff
Muhammad Rizal Usman

Notice bibliographique

RevueJurnal Derivat Jurnal Matematika dan Pendidikan Matematika · 2019
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematics Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationClass (philosophy)PsychologyPopulationComputer scienceArtificial intelligenceSociology

Résumé

récupéré en direct d'OpenAlex

This research is motivated by the results of previous research which shows that students' mathematical communication ability is still not as expected. The focus of this research is to determine the improvement of students' mathematical communication ability as a result of the investigation of the Alberta model learning. This research is experimental research with the population of all students of one of the State Junior High School in Bandung. The sample of the research is the grade VII students of the school. Samples were 73 students, 36 students of experimental class and 37 students of the control class. Based on the results of data analysis, it can be concluded that: (1) The achievement of mathematical communication ability of students who gain learning inquiry model Alberta better than students who learn conventional, (2) Improve the ability of mathematical communication, the thinking of students who gain learning inquiry model Alberta better than students Gain conventional learning, and (3) there is a difference in improving the ability of mathematical communication thinking based on the category of early mathematical ability.Keywords: Mathematical Communication Ability, Alberta Model Inquiry

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,006

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 Opus0,048
Tête enseignante GPT0,329
Écart entre enseignants0,281 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Derivat Jurnal Matematika dan Pendidikan MatematikaMême sujetMathematics Education and PedagogyTravaux en français237 207