MétaCan
Menu
Retour à la cohorte
Enregistrement W2999815581 · doi:10.20961/dedikasi.v2i1.35435

PENINGKATAN KEMAMPUAN GURU-GURU MATEMATIKA SMP DALAM MELAKSANAKAN ASSESSMENT FOR LEARNING DAN ASSESSMENT AS LEARNING

2020· article· id· W2999815581 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueDEDIKASI Community Service Reports · 2020
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueEducational Curriculum and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationMathematicsHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

<p>Untuk meningkatkan kemampuan guru Matematika SMP di Kota Surakarta dalam melaksanakan <em>assessment for learning</em> (AfL) dan <em>assessment as learning</em> (AaL), pelatihan implementasi AfL dan AaL bagi guru-guru Matematika di Surakarta telah dilaksanakan. Pelatihan dilaksanakan secara baik pada kurun waktu 21 Agustus 2019 sampai dengan 18 September 2019 secara <em>in-on-in</em>. Kepada para peserta pelatihan diundang untuk memperoleh pengetahuan mengenai AfL dan AaL di Aula SMP Negeri 26 Surakarta. Setelah itu kepada para peserta dimohon untuk dapat mengimplementasikan AfL dan Aal di kelasnya masing-masing, kemudian menuliskan dan mengirimkan laporannya kepada tim instruktur paling lambat 11 September 2019. Kemudian, para peserta pelatihan diundang kembali di Aula SMP Negeri 26 Surakarta untuk mendiskusikan pelaksanaan AfL dan AaL yang telah dilakukannya. Dengan mendengkarkan laporan yang disampaikan dan diskusi di antara peserta, dapat disimpulkan bahwa para peserta pelatihan memperoleh pengetahuan yang baik mengenai AfL dan AaL dan telah dapat mengimplementasikannya di kelas dengan baik.</p><p>Almqvist, C. F., Vinge, J., Vakeva, L., & Zanden, O. (2017). Assessment as learning in music education: The risk of “criteria compliance” replacing “learning” in the Scandinavian countries. <em>Research Studies in Music Education</em>. 39(1): 3 – 18.</p><p> </p><p>Ciobanu, M. (2014). In the midle: Whose learning is it way? Increasing students’s engage-ment through assessment as learning techniques. <em>OAME/AOEM Gazzete</em>. 16-21.</p><p> </p><p>Clarke, S. 2005. <em>Formative assessment in the secondary classroom</em>. London: Hodder Murray.</p><p> </p><p>Dann, R. (2017). Assessment as learning: blurring the boundaries of assessment and learning for theory, policy, and practice. <em>Assessment in Education: Principles, Policy & Practice.</em> 21(2): 149 – 166.</p><p> </p><p>Direktorat Pembinaan Sekolah Menengah Pertama (DBSMP). (2017). <em>Panduan Penilaian oleh Pendidik dan Satuan Pendidikan untuk Sekolah Menengah Pertama</em>. Jakarta: Direktorat Pembinaan Sekolah Menengah Pertama.</p><p> </p><p>Earl, L. & Katz, S. (2006). <em>Rethinking classroom assessment with purpose in mind</em>. Manitoba: Western and Northern Canadian Protocol for Collaboration in Education.</p><p> </p><p>Elbra-Ramsay, C. & Backhouse, A. (2015). ‘So, you want us to do the marking?!’ – peer review and feedback to promote assessment as learning. <em>Journal of Pedagogic Development.</em> 5(1): 19 – 30.</p><p> </p><p>Gibbons, S.L. & Kankkonen, B. (2011). Assessment <em>as</em> learning in physical education: Making assessment meaningful for secondary school students. <em>Physical & Health Education</em>. 76(4): 6 – 12.</p><p> </p><p>Gupta, K. 2016. Assessment as Learning: Students learn, self-correct, and collaborate. <em>The Science Teacher</em>. 43 – 46.</p><p> </p><p>Lee, I. & Mak, P. (2012). Assessment as learning in the classroom. <em>Assessment and Learning</em>. 3: 66 – 78.</p><p> </p><p>Sadeghi, K. & Rahmati, T. (2017). Integrating assessment as, for, and of learning in a large-scale exam. <em>Assessing Writing</em>. 34. 50 – 61.</p><p> </p><p>Schneider, W. & Artelt, C. 2010. Metacognition and mathematics education. <em>ZDM Mathematics Education</em>. 42. 149-161</p><p> </p><p>Stiggins, R. & Chapuis, J. (2006). <em>What a difference a word makes: Assessment for learning rather than assessment of learning helps students succeed</em>. Tersedia di <a href="http://www.nsdc.org/library/publications/jsd">http://www.nsdc.org/library/publications/jsd</a>.</p><p> </p><p>Young, E. (2005). Assessment for Learning: Embedded and extending. Tersedia pada <a href="http://www.ltscotland.org.uk/assess/for/index.asp">http://www.ltscotland.org.uk/assess/for/index.asp</a>.</p>

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 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)0,017
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,426
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0170,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0090,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,007
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,077
Tête enseignante GPT0,417
Écart entre enseignants0,339 · 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