MétaCan
Menu
Retour à la cohorte
Enregistrement W2797735828 · doi:10.23887/jiis.v3i1.11474

Model Pembelajaran Kolaborasi Meningkatkan Partisipasi Siswa,Keterampilan Sosial, dan Prestasi Belajar IPS

2017· article· id· W2797735828 sur OpenAlexaff
Muhammad Zainuddin

Notice bibliographique

RevueJurnal Ilmiah Ilmu Sosial · 2017
Typearticle
Langueid
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesnon disponible
Mots-clésPsychologyMathematics education

Résumé

récupéré en direct d'OpenAlex

Model Pembelajaran Kolaborasi untuk Meningkatkan Partisipasi Siswa, Keterampilan Sosial, dan Prestasi Belajar IPS. Tujuan penelitian tindakan kelas ini adalah untuk meningkatkan (1) partisipasi siswa dalam pembelajaran IPS, (2) keterampilan sosial siswa, (3) prestasi belajar IPS, dan (4) respon positif siswa terhadap penerapan pembelajaran kolaborasi. Prosedur penelitian tindakan kelas terdiri atas tiga siklus, dan setiap siklus meliputi perencanaan, pelaksanaan, pengamatan, dan refleksi. Penelitian tindakan ini dilaksanakan di SMPN 2 Gresik, dengan subjek siswa kelas IXC berjumlah 32 orang terdiri atas 15 pria dan 17 wanita. Hasil penelitian menunjukkan bahwa penerapan pembelajaran kolaborasi dapat meningkatkan (1) partisipasi siswa dalam pembelajaran IPS, (2) keterampilan sosial siswa, (3) prestasi belajar IPS, dan (4) respon positif siswa terhadap model pembelajaran kolaborasi.Kata kunci: pembelajaran kolaborasi, partisipasi siswa, keterampilan sosial,prestasi belajar

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,043
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0430,007

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 Opus0,091
Tête enseignante GPT0,368
Écart entre enseignants0,277 · 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Ilmiah Ilmu SosialMême sujetEducational Methods and Media UseTravaux en français237 207