PENGARUH PENGORGANISASIAN MATERI FISIKA MENGGUNAKAN ANALISIS INTRUKSIONAL TERHADAP HASIL BELAJAR FISIKA SISWA
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui pengaruh pengorganisasian materi Fisika menggunakan analisis intruksional terhadap hasil belajar Fisika siswa. Metode yang digunakan dalam penelitian ini adalah quasi eksperimen, yaitu suatu metode penelitian untuk melihat suatu hasil, dalam hal ini hasil belajar Fisika. Berdasarkan analisis dan perhitungan yang dilakukan terhadap data yang diperoleh dari penelitian, maka dapat disimpulkan bahwa peng-organisasian materi menggunakan analisis instruksional yang diterapkan di kelas eksperimen berpengaruh signifikan terhadap peningkatan hasil belajar siswa. Hal ini sesuai dengan hasil uji hipotesis dimana H0 ditolak, sedangkan H1 diterima untuk hasil belajar siswa. Dengan diterimanya H1, maka dapat disimpulkan bahwa hasil belajar siswa yang diajar dengan pengorganisasian materi menggunakan analisis intruksional lebih tinggi dari pada hasil belajar siswa dengan pengorganisasian materi menggunakan silabus.Sehubungan dengan itu, maka pengorganisasian materi mengguna-kan analisis intruksional dapat digunakan sebagai salah satu cara untuk meningkatkan hasil belajar siswa. Karena dengan materi yang terorganisir dengan baik dan sistematis dapat memudahkan siswa memahami materi dan memotivasi siswa untuk terus belajar, sehingga akhirnya tujuan pembelajaran dapat tercapai.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».