ENGLISH TEACHERS’ DIFFICULTIES IN DESIGNING A LESSON PLAN (RPP) BASED ON KTSP (A STUDY ON ENGLISH TEACHERS AT VOCATIONAL HIGH SCHOOLS IN BENGKULU CITY
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 research aimed to find out the difficulties faced by the English teachers in Vocational High Schools in designing a lesson plan (RPP) based on KTSP. It employed a descriptive quantitative method. The population of this research was 23 respondents, from all teachers which have followed KTSP training. The sample was taken by using total sampling techniques. To collect the data, the researcher used the questionnaire. It was consist of 37 questions that it was divided into 9 aspects in a lesson plan namely; standard of competence, basic competence, indicator, the aims of learning, teaching material, the methods/techniques, the steps of learning activity, the tools/sources of material, and evaluation. It used the percentage formula and weighted mean formula to analyze data. The result of the research showed that there were not any significant difficulties in designing a lesson plan (RPP) based on KTSP faced by the English teachers in Vocational High Schools because all aspects were in sometimes/moderate predicate. It indicated that in designing a lesson plan (RPP) based on KTSP was not significant difficult. Beside that, according to the result above, the most difficult aspects were none aspect because it also with sometimes predicate. It indicated that the English teachers in Vocational High School did not find any significant difficulties in writing all aspects of the lesson plan.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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