PENINGKATAN KETERAMPILAN PEMBELAJARAN MICRO TEACHING BERBASIS VIDUK (VIDEO UNJUK KERJA) PADA MAHASISWA PENDIDIKAN TEKNIK SIPIL DAN PERENCANAAN, FT, UNY
Notice bibliographique
Résumé
Tujuan kajian ini adalah untuk mengungkap bagaimana pengaruh implementasi penggunaan media VidUK (Video Unjuk Kerja) dalam pembelajaran micro teaching aspek tinjauan mata pelajaran praktik mampu meningkatkan keterampilan mengajar mahasiswa jurusan Pendidikan Teknik Sipil dan Perencanaan, FT, UNY. Kajian ini merupakan kajian tindakan kelas (classroom research). Populasi kajian ini adalah mahasiswa jurusan Pendidikan Teknik Sipil dan Perencanaan FT UNY yang sedang melaksanakan praktik pengajaran Mikro pada tahun 2018. Sampel kajian adalah kelas B2 sejumlah 11 mahasiswa. Kajian dilaksanakan selama tiga siklus. Tinjauan pertama adalah kemampuan membuka pelajaran, tinjauan kedua adalah penyampaian materi, tinjauan ketiga adalah evaluasi. Observasi kegiatan dilakukan oleh peneliti dengan lembar pengamatan. Penilaian keterampilan juga menggunakan lembar penilaian keterampilan. Data dianalisis secara deskriptif kuantitatif dan kualitatif. Hasil kajian menunjukan bahwa penggunaan media VidUK (Video Unjuk Kerja) dalam pembelajaran micro teaching aspek tinjauan mata pelajaran praktik mampu meningkatkan keterampilan mengajar mahasiswa jurusan Pendidikan Teknik Sipil dan Perencanaan untuk aspek tinjauan kemampuan membuka pelajaran, kemampuan penyampaian materi, serta kemampuan evaluasi; penggunaan media VidUK (Video Unjuk Kerja) dalam pembelajaran micro teaching dapat dijadikan sebagai sarana demonstrasi awal guru kepada siswa sebelum demonstrasi inti dilaksanakan.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».