HASIL BELAJAR TARIKH MELALUI METODE JIGSAW DAN METODE MIND MAP DI SMP MUHAMMADIYAH 13 BOYOLALI
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk meningkatan hasil belajar Tarikh dengan menggunakan metode jigsaw dan metode mind map kelas VIII di SMP Muhammadiyah 13 Wonosegoro, Boyolali tahun ajaran 2019/2020. Penelitian ini merupakan Penelitian Tindakan Kelas dengan tahapan perencanaan, pelaksanaan, observasi, dan refleksi. Adapun metode pengumpulan data yang digunakan meliputi observasi, tes, dan dokumentasi. Analisis yang digunakan peneliti adalah membandingkan pencapaian nilai dengan Kriteria Ketuntasan Minimum (KKM) dan ditandai dengan meningkatnya kriteria ketuntasan klasikal pada setiap siklusnya. Hal ini dapat dibuktikan dengan adanya peningkatan tiap siklus yang sudah dilaksanakan. Pada pra siklus persentase ketuntasan hanya 33,3% atau 5 peserta didik dan 10 peserta didik lainnya atau 66,7% belum tuntas. Pada Siklus I terdapat peningkatan hasil belajar menjadi 66,7% atau 10 peserta didik dan 33,3% atau 5 peserta didik yang belum tuntas. pada siklus II terjadi peningkatan menjadi 13 peserta didik yang tuntas atau 86,7% dan 2 peserta didik belum tuntas atau 13,3%.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,006 |
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 ».