PENGEMBANGAN MATERI AJAR SOSIOLOGI TENTANG MITIGASI BENCANA BERBASIS KEARIFAN LOKAL DI KOTA PADANG
Notice bibliographique
Résumé
Dalam materi sosiologi di SMA terdapat Kompetensi Dasar tentang pemberdayaan masyarakat dan kearifan kokal, salah aspek yang dibahas adalah tentang kearifan lokal dalam bencana alam. Tulisan ini berangkat dari hasil penelitian yang bertujuan untuk mengembangkan materi ajat tentang mitigasi bencana, karena materi ajar yang ada pada buku paket Sosiologi di SMA masih bersifat tektual dan belum kontekstual dengan kondisi sosio-budaya masyarakat. Penelitian ini dilakukan di Kota Padang, dengan pendekatan kualitatif. Pemilihan infoman dilakukan dengan teknik purposive sampling. Pengumpulan data menggunakan teknik wawancara mendalam dan terstruktur, observasi partisipasi pasif, Focus Group Discussion, dan studi dokumen. Hasil dari penelitian ini; Sebagai strategi untuk mengembangkan materi ajar tersebut dengan studi kasus nilai-nilai kearifan lokal Minangkabau dapat dilakukan dengan cara melalui aktivitas (1) mengidentifikasi nilai-nilai kearifan lokal yang terkait dengan materi ajar sikap, pengetahuan dan keterampilan, (2) mengintegrasikan dengan RPP, bahan ajar, LKS, dan modul
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,004 |
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 ».