MétaCan
Menu
Retour à la cohorte
Enregistrement W2946216013 · doi:10.24269/dpp.v6i3.1376

USE OF MODULE IN LEARNING GUIDELINESTO IMPROVE STUDENT LEARNING OUTCOMES

2019· article· en· W2946216013 sur OpenAlexaff
Ari Metalin Ika Puspita, Agus Santosa

Notice bibliographique

RevueJurnal Dimensi Pendidikan dan Pembelajaran · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésClass (philosophy)Action researchMathematics educationComputer scienceQualitative propertyReflection (computer programming)PsychologyArtificial intelligenceMachine learning

Résumé

récupéré en direct d'OpenAlex

This study aims to determine the improvement of students' learning outcomes in the third grade of elementary school in the use of modules on tutoring in SDN IV Tanggung in Tulungagung District. The study design uses a classroom action research consisting of two cycles. Each silklus consists of 4 stages, namely the stage of planning, implementation, observation, and reflection. The subjects of this study are class III students who numbered 42 students in SDN IV Tanggung. Data on the use of Module taken from the observation and interview. The data have been analyzed using qualitative descriptive analysis. The results of this study using module ni indicate that can improve student learning outcomes. Before using student learning result module shows percentage 50% in cycles I and At Cycle II reach 71,69%%. Based on the observations during the implementation of the action on the cycle I and cycle II found the results showed an increase in some aspects specified in this study.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,333
Écart entre enseignants0,298 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Dimensi Pendidikan dan PembelajaranMême sujetEducational Methods and Media UseTravaux en français237 207