Penerapan Metode Inkuiri Model Alberta Untuk Meningkatkan Pemahaman Konsep Matematis Peserta Didik
Notice bibliographique
Résumé
Latar belakang dari penelitian ini adalah rendahnya pemahaman konsep matematis peserta didik. Terdapat desain pembelajaran yang dapat meningkatkan kemampuan tersebut, yakni metode inkuiri model Alberta. Tujuan pertama pada penelitian ini adalah meninvestigasi keberadaan peningkatan kemampuan pemahaman konsep matematis peserta didik. Tujuan kedua adalah membandingkan peningkatan kemampuan pemahaman konsep matematis kelas kontrol dan eksperimen. Tujuan ketiga adalah untuk mengetahui respon peserta didik terhadap metode inkuiri model alberta. Metode penelitian yang digunakan adalah kuasi eksperimen dengan desain The Non-equivalent Pretest and Posttest Control Group Design . Penelitian dilakukan di salah satu SMP swasta di Kota Bandung. Instrumen penelitian yang digunakan adalah tes kemampuan pemahaman konsep matematis, kuisioner, dan lembar observasi. Berdasarkan analisis data, hasil penelitian ini adalah terdapat peningkatan kemampuan pemahaman konsep matematis di kelas eksperimen, peningkatan di kelas eksperimen lebih baik dibanding kelas kontrol, dan peserta didik memberi respon positif terhadap metode inkuiri model Alberta.
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 | 0,001 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,006 |
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.
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 ».