MétaCan
Menu
Retour à la cohorte
Enregistrement W2936889248 · doi:10.31605/saintifik.v3i1.111

Pengembangan Perangkat Pembelajaran Matematika Dengan Pendekatan Realistik dalam Model Pembelajaran Berbasis Masalah untuk Siswa Kelas VII SMP

2017· article· id· W2936889248 sur OpenAlexaff
Nenny Indrawati

Notice bibliographique

RevueSAINTIFIK · 2017
Typearticle
Langueid
DomaineMathematics
ThématiqueMathematics Education and Pedagogy
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMathematics educationMathematicsHumanitiesPsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Penelitian ini adalah penelitian pengembangan dengan ujicoba terbatas yangbertujuan untuk mengembangkan perangkat pembelajaran dengan pendekatan realistik dalammodel pembelajaran berbasis masalah yang meliputi Buku Siswa, Lembar Kegiatan Siswa, danRencana Pelaksanaan Pembelajaran. Subjek penelitian ini adalah siswa kelas VII2 SMP Negeri2 Makassar. Prosedur pengembangan yang digunakan dalam penelitian ini adalah modelThiagarajan atau model 4-D. Perangkat pembelajaran yang dikembangkan, telah divalidasi, danmengalami revisi sebanyak 2 kali sehingga didapatkan hasil yang maksimal dan layak untukdigunakan. Hasil dari ujicoba terbatas menunjukkan bahwa perangkat pembelajaran matematikadengan pendekatan realistik dalam model pembelajaran berbasis masalah bersifat efektif danpraktis, yaitu (1) skor rata-rata siswa pada tes hasil belajar yaitu 70,52 dari skor ideal 100dengan standar deviasi 15,91 dengan siswa yang tuntas belajar sebesar 70,00% atau 28 orang;(2) aktivitas siswa dan aktivitas guru menunjukkan kecenderungan yang positif; (3) pengelolaankegiatan pembelajaran matematika dengan pendekatan kontekstual umumnya terlaksana denganbaik dengan persentase rata-rata keterlaksanaan aspek-aspek sebesar 87,5%; dan (4) umumnyasiswa memberikan respons positif terhadap perangkat pembelajaran yang digunakan denganpersentase sebesar 90,00%.Kata kunci: Pengembangan Perangkat Pembelajaran, Model Pembelajaran Berbasis Masalah,Pendekatan Realistik

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0050,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0280,006

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 Opus0,110
Tête enseignante GPT0,379
Écart entre enseignants0,269 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAINTIFIKMême sujetMathematics Education and PedagogyTravaux en français237 207