KEEFEKTIFAN MODEL QUANTUM TEACHING DAN MODEL SOMATIC AUDIO VISUAL & INTELEGENCY (SAVI) TERHADAP HASIL BELAJAR IPA SISWA KELAS IV SD SE-KECAMATAN KUTOWINANGUN TAHUN AJARAN 2018/2019
Notice bibliographique
Résumé
Pendidikan pada abad-21 diperlukan pembelajaran yang inovatif, salah satunya dalam bentuk model pembelajaran Quantum Teaching dan Somatic Audio Visual and Intelegency (SAVI). Tujuan penelitian ini menganalisis efektifitas model pembelajaran Quantum Teaching dan model pembelajaran Somatic Audio Visual and Intelegency (SAVI) terhadap hasil belajar IPA siswa kelas IV SD. Penelitian ini merupakan penelitian eksperimen dengan pendekatan kuantitatif. Populasi penelitian ini adalah seluruh siswa kelas IV SD se-Kecamatan Kutowinangun tahun ajaran 2018/2019. Sampel penelitian dipilih menggunakan metode cluster random sampling. Teknik pengumpulan data menggunakan tes dan observasi. Hasil penelitian ini menunjukkan bahwa nilai effect size kelas Quantum Teaching dan SAVI pada penelitian ini masing-masing 0,533 dan 0,396 yang merupakan nilai effect size sedang. Berdasarkan hasil penelitian tersebut dapat disimpulkan bahwa model Quantum Teaching lebih efektif dibandingkan model SAVI dalam meningkatkan hasil belajar IPA siswa kelas IV Sekolah Dasar se-Kecamatan Kutowinangun tahun ajaran 2018/2019. Model pembelajaran Quantum Teaching lebih sesuai untuk pembelajaran yang berkaitan dengan lingkungan alam sekitar dibandingkan model pemelajaran SAVI.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,079 | 0,018 |
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 ».