Implementation of Project-Based Learning (PjBL) Assisted by E-Learning through Lesson Study Activities to Improve the Quality of Learning in Physics Learning Planning Courses
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
This study aims to improve the quality of learning in physics learning planning courses through the implementation of Project Based Learning (PjBL) assisted by E-Learning through Lesson Study activities. This type of research was qualitative research through the stages of Lesson Study activities. Subjects in this study were the 5th-semester students who program 11 physics learning planning subjects in the 2018-2019 academic year in the Department of Physics Education, University of Papua. The research data was obtained through the student learning outcomes test instrument that was given after the submission of each topic of study, observation sheet of student activities, interview guidelines, documentation in the form of video recordings during open class implementation, and student response questionnaire. Data were analyzed through Rasch modeling with the help of the Winstep application to analyze student responses after learning. Lesson Study activities consist of three phases of activities, namely Plan, Do, and See. In the Plan stage discussions with the team of lecturers were held to develop Chapter Design and Lesson Plan. In the Do stage, the model lecturer based on the tools that have been prepared does learning. In the See stage, the reflection was done to find out weaknesses and strengths during learning which is then followed up on further learning. The results showed that student-learning outcomes increased student responses to good learning and learning atmosphere seemed very fun. Therefore, it can be concluded that through the implementation of PjBL assisted E-Learning through Lesson Study activities can improve the quality of learning in physics learning planning subjects.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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