MétaCan
Menu
Retour à la cohorte
Enregistrement W3000858288 · doi:10.30595/dinamika.v11i1.5983

PENGEMBANGAN MODEL PEMBELAJARAN TEMATIK SENI DAN BUDAYA MENGGUNAKAN VIDEO TEATERIKALISASI COWONGAN DI SEKOLAH DASAR

2019· article· en· W3000858288 sur OpenAlexaboutno aff
Anastasia Dwi Wiwik Irawati, Kuntoro Kuntoro, Akhmad Jazuli

Notice bibliographique

RevueDinamika Jurnal Ilmiah Pendidikan Dasar · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural and Artistic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClass (philosophy)Product (mathematics)PsychologyCluster samplingData collectionTest (biology)Mathematics educationSampling (signal processing)Computer scienceArtificial intelligenceMathematicsStatisticsSociologyPopulation

Résumé

récupéré en direct d'OpenAlex

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,449
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,293
Écart entre enseignants0,267 · 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.

Devis d'étudeSans objet
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 revueDinamika Jurnal Ilmiah Pendidikan DasarMême sujetCultural and Artistic StudiesTravaux en français237 207