PENGEMBANGAN MODEL PEMBELAJARAN TEMATIK SENI DAN BUDAYA MENGGUNAKAN VIDEO TEATERIKALISASI COWONGAN DI SEKOLAH DASAR
Notice bibliographique
Résumé
This study aims to develop a thematic learning model of art and culture usingvideo theatericalization of “Cowongan” for students in elementary schools. Thisresearch is a research development that aims to improve the ability to verbalize“Kidung Kasengsaraan Mangsa Ketiga” with the Banyumas dialect. The researchdesign uses R and D Data collection techniques in research gather information, productdesign, product validation, product testing, design revision, trial use, product revision,mass production, and dissemination. These data sources are interviews, observations,taking questionnaires, and tests. The sampling technique uses cluster sampling as thepopulation of SDN 4 Sokanegara students. The results of research in verbalizing thegeguritan include laval, intonation, placement of pauses, and expressions. Theobservations of researchers obtained data that the average posttest results that theexperimental class reached 90% of the expected score, while the average control classreached 75.75% of the expected score. The results of the effectiveness test in theresearch prove that the class that uses the product is better than the one that does notuse the product so that the ability to speak up using the Banyumas dialect is moreeffective.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».