MétaCan
Menu
Retour à la cohorte
Enregistrement W2988632591 · doi:10.24014/juring.v1i3.6752

Pengembangan Lembar Kerja Siswa Berbasis Group Investigation untuk Memfasilitasi Kemampuan Penalaran Matematis Siswa SMP

2019· article· id· W2988632591 sur OpenAlexaff
Erdawati Nurdin, Risnawati Risnawati, Mirse Ayurila

Notice bibliographique

RevueJURING (Journal for Research in Mathematics Learning) · 2019
Typearticle
Langueid
DomaineMathematics
ThématiqueMathematics Education and Pedagogy
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMathematics educationHumanitiesPsychologyComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Penelitian ini mengembangkan suatu media pembelajaran berupa lembar kerja siswa berbasis group investigation. Pengembangan LKS berbasis Group Investigation ini bertujuan untuk memfasilitasi kemampuan penalaran matematis siswa pada materi segitiga. Model pengembangan yang diterapkan adalah model ADDIE. Subjek penelitian ini adalah siswa kelas VII.8 SMPN 4 Siak Hulu, yang berjumlah 35 orang. Pengumpulan data dilakukan menggunakan angket dan tes. Analisis terhadap data yang diperoleh dari angket menunjukkan bahwa LKS berbasis Group Investigation telah valid dan praktis untuk digunakan. Hasil uji t menyimpulkan bahwa LKS ini efektif untuk memfasilitasi kemampuan penalaran matematis siswa. LKS berbasis Group Investigation ini dapat digunakan sebagai media pembelajaran bagi siswa kelas VII pada materi segitiga.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,347

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0040,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,1040,014

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 Opus0,190
Tête enseignante GPT0,448
Écart entre enseignants0,259 · 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'étudeExpérimental (laboratoire)
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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJURING (Journal for Research in Mathematics Learning)Même sujetMathematics Education and PedagogyTravaux en français237 207