Peningkatan Keterampilan Menulis Aksara Sunda Melalui Penerapan Media Audio Visual di Kelas Tinggi
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk meningkatkan keterampilan menulis aksara sunda melalui media audio visual di kelas tinggi. Jenis penelitian yang digunakan adalah penelitian tindakan kelas (PTK) menggunakan desain Kemmis dan Taggart. Melalui 2 siklus mulai dari perencanaan, pelaksanaan, dan refleksi. Partisipan penelitian adalah siswa kelas 5D yang berjumlah 27 siswa. Alat pengumpulan data menggunakan tes dan lembar observasi. Hasil penelitian menunjukkan nilai keterampilan menulis aksara sunda pada kegiatan pra siklus memperoleh persentase rata-rata 30% dengan kategori rendah, pada siklus I memperoleh persentase rata-rata 78% dengan kategori cukup, kemudian pada siklus II memperoleh persentase rata-rata 100% dengan kategori sangat baik sedangkan aktivitas guru siklus I memperoleh nilai rata-rata 81% dengan kategori baik, siklus II memperoleh nilai 92% dengan kategori sangat baik dan aktivitas siswa siklus I memperoleh nilai rata-rata 71% dengan kategori cukup baik, siklus II memperoleh nilai 80,6% dengan kategori baik. Data tersebut menunjukan bahwa penerpan media audio visual dapat meningkatkan keterampilan menulis aksara sunda pada kelas V di SDN Cibeureum Hilir 5 tahun ajaran 2018/2019
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,009 |
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 ».