Analisis Kebutuhan Elemen Multimedia Foto Dan Pengembangannya Sebagai Konten Dalam Sistem Repositori Multimedia Pembelajaran Untuk Pengembangan Media Pembelajaran
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui kriteria kebutuhan elemen multimedia foto dalam pembuatan media pembelajaran oleh guru multimedia di Sekolah Menengah Kejuruan dan mengembangkannya sebagai konten dalam sistem repositori. Penelitian ini berfungsi memberikan konten pada sistem repositori multimedia pembelajaran dan membantu guru mendapatkan elemen multimedia foto untuk media pembelajaran yang bersifat bebas pakai dan non-komersil. Penelitian dilakukan di Laboratorium Multimedia Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Jakarta dan SMK Negeri 48 Jakarta. Metode yang digunakan yaitu penelitian dan pengembangan dengan menggunakan metodologi pengembangan multimedia Luther-Sutopo. Penelitian awal digunakan untuk melihat kebutuhan elemen multimedia foto sebagai media pembelajaran di sekolah melalui Rencana Pelaksanaan Pembelajaran (RPP). Tahap selanjutnya mengembangkan elemen multimedia foto sebanyak 20 foto. Jenis instrumen yang digunakan dalam penelitian berupa kuesioner yang diisi oleh uji ahli media dan uji ahli materi. Data hasil kuesioner uji ahli media dianalisis menggunakan deskriptif kuantitatif sedangkan data hasil kuesioner uji ahli materi dianalisis dengan naratif deskriptif Kesimpulan dari penelitian ini adalah 17 elemen multimedia foto yang dikembangkan termasuk dalam kategori layak digunakan dalam website sistem repositori dan 19 elemen multimedia foto sesuai dengan kompetensi inti dan kompetensi dasar mata pelajaran perakitan komputer. Foto dapat digunakan sebagai konten dari sistem repositori untuk mutlmedia pembelajaran.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,008 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle