PENERAPAN MODEL PEMBELAJARAN CORE (CONNECTING, ORGANIZING, REFLECTING AND EXTENDING) UNTUK MENINGKATKAN PRESTASI BELAJAR PESERTA DIDIK PADA POKOK BAHASAN KESETIMBANGAN KELARUTAN (KSP) DI KELAS XI IPA SMAN 4 PEKANBARU
Notice bibliographique
Résumé
The research about the CORE (Connecting, Organizing, Reflecting and Extending) model has been conducted in SMAN 4 Pekanbaru. The purpose of this research is to detemine wheterthe application of CORE learning can improve achievement and the influence of application of CORE learning model in class XI IPA SMAN 4 Pekanbaru on the subject solubility aquilibrium (Ksp). The type of this research is experimental research with experiment design randomized control group pretest-posttest. Sample of the research consisted of two classes, a class XI IPA 5 as an experimental class (implemented the CORE learning model) and class XI IPA 1 as the control class (without the CORE learning model). Test tecniques used as a tecnique in collecting research dats. T-test and coefficient determinasi was used as analysis technique. Based on the data analysis obtained t > t table is 5,71 > 1,66, meaning that the application of the CORE learning model can improve the student achievement on the subject solubility aquilibrium (Ksp) in class XI IPA SMA Negeri 4 Pekanbaru with the great influence of implementation of the CORE learning model on improving learning achievement is 31,178%.
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 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».