Efektifitas Strategi Circle of Questions Dalam Memahami Bacaan Pelajaran Bahasa Indonesia Pada Siswa Kelas V MIN Kebonagung
Notice bibliographique
Résumé
Penelitian ini merupakan penelitian eksperimen semu (quasi experiment). Populasi dan sampel dalam penelitian ini adalah siswa kelas V MIN Kebonagung yang berjumlah 59 siswa terdiri dari 2 kelas, yaitu kelas VA sebagai kelas kontrol dan kelas VB sebagai kelas eksperimen. Teknik pengambilan sampel yang digunakan dalam penelitian ini yaitu sampel jenuh. Pengumpulan data menggunakan tes, wawancara, dan dokumentasi. Instrumen tes menggunakan jenis tes pilihan ganda yang melalui analisis validitas dan reliabilitas. Teknik analisis data dengan cara uji prasyarat dan uji hipotesis. Uji prasyarat berupa uji normalitas dan homogenitas sedangkan uji hipotesis menggunakan analisis statistika parametrik yaitu uji t. Hasil penelitian menunjukkan bahwa: 1) terdapat perbedaan kemampuan pemahaman membaca antara siswa yang mendapat pembelajaran menggunakan strategi Circle of Questions dengan siswa yang mendapat pembelajaran menggunakan strategi Know-Want to learn-Learned (KWL). Hal ini dibuktikan dari analisis uji t data post test diperoleh nilai Asymp.Sig.(2-tailed) 0,042 < 0,05 sehingga Ha diterima dan H0 ditolak. 2) Hasil uji efektivitas menggunakan uji Gain Score diperoleh Asymp.Sig.(2-tailed) = 0,044 < 0,05, sehingga Ha diterima dan H0 ditolak. Artinya strategi Circle of Questions teruji efektif dalam pembelajaran pemahaman membaca.
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 | 0,011 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,005 |
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 ».