Kemampuan Menyusun Rencana Pelaksanaan Pembelajaran (RPP) Kurikulum 2013 Revisi 2017 Guru Bahasa Jawa Sekolah Menengah Atas (SMA) Kota Semarang
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
Penelitian ini bertujuan memaparkan kemampuan guru Bahasa Jawa Kota Semarang menyusun Rencana Pelaksanaan Pembelajaran (RPP) yang selaras dengan kurikulum 2013 revisi 2017. Indicator untuk mengetahui kemampuan guru menyusun RPP adalah tujuh aspek, yaitu: pengembangan indikator; penentuan tujuan pembelajaran; penentuan materi/bahan ajar; penentuan sumber belajar; penentuan metode pembelajaran; penentuan media pembelajaran; dan penilaian.Penelitian ini berjenis kualitatif deskriptif. Lokasi penelitian di kota Semarang. Data penelitian ini adalah RPP hasil karya guru Bahasa Jawa Kota Semarang yang dikumpulkan dengan teknik dokumentasi. Analisis data menggunakan analisis model interaktif, meliputi reduksi data, display data dan penarikan kesimpulan. Hasil penelitian ini menggambarkan kemampuan guru Bahasa Jawa dalam menyusu RPP. Dari tujuh aspek yang diamati, aspek keenam: kemampuan menentukan media pembelajaran merupakan aspek yang paling bagus dengan 98.21. Guru sudah mampu memanfaatkan kemajuan teknologi sesuai dengan karaketristik siswa yang diajarnya. Aspek ke tujuh, yaitu kemampuan menentukan penilaian menduduki tempat paling rendah, yakni 65.87. Hal ini disebabkan karena sebagian besar guru belum tepat dalam menentukan teknik penilaian, bentuk instrument, dan penyusunan rubrik penilaian. Kata Kunci: Guru Bahasa Jawa, Rencana Pelaksanaan Pembelajaran, Kurikulum 2013
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 | 0,021 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,009 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,013 |
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