Inquiry-Based Learning Model to Improve Higher Order Thinking Skills
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aims to present ways of implementing inquiry- learning model with the use of scientific reports to improve teachers’ understanding and ability on teaching biology at secondary level. The quantitative research method is quasi-experiment design with pre-test and post-test control group. The research instrument for collecting data of students’ higher order thinking skills is scoring rubrics for assessing abilities on developing and presenting a scientific report. The instruments for assessing teachers’ skills are teacher observation sheets over inquiry-based learning scientific report using an induction method. The research subjects consist of 4 biology teachers and 80 of grade 10 students from Public Secondary School 3 Samarinda.The teachers are all female; while from 80 students, 53 of them are female and the rest 27 are male. The students’ age ranges from 16 to 18 years old. The research lasted for 1 month.Analysis of data uses t test, that if toutcome is higher than ttable, the inquiry-based learning model using scientific reports does affect students’ higher order thinking skills. Data analysis is composed in tabulation format with several graded categories: inadequate, sufficient, good and excellent. The result of the study is that higher order thinking skills of students are increasing in numbers and more equal compared with classes taught by teachers who did not follow the inquiry-based learning model workshop and presentation. The inquiry-based learning model was applied via preparation and presentations of scientific reports after the students carry out practical activities through the guidance of student activity worksheets.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle