Problem Based Learning with ICT Based with Learning Creativity to Improve History Learning Achievement
Notice bibliographique
Résumé
Proses pembelajaran yang membosankan membuat partisipasi siswa dalam kegiatan belajar di kelas kurang antusias sehingga dapat membuat prestasi belajar siswa menurun. Tujuan utama penelitian ini adalah untuk menganalisis pengaruh model pembelajaran berbasis masalah TIK dengan kreativitas siswa terhadap prestasi belajar sejarah. Penelitian ini merupakan penelitian eksperimental semu dengan desain faktorial. Sampel penelitian ini adalah XI - IPA 1, XI - IPA 2, XI - IPA 3, dan XI - IPA 5 yang masing-masing kelas terdiri dari 34 siswa dan total 170 siswa. Instrumen yang digunakan adalah tes hasil belajar berupa soal pilihan ganda dan tes kreativitas berupa soal uraian. Data pada penelitian ini dianalisis menggunakan statistik inferensial dengan Two Way Anova. Hasil penelitian ini diperoleh F-hitung = 28,908 dengan nilai signifikansi 0,000 kurang dari 0,05, diperoleh F-hitung = 4,623 dengan nilai signifikansi 0,033 lebih kecil dari 0,05, diperoleh F-hitung = 6,060 dengan a nilai signifikansi 0,015 lebih kecil dari 0,05. Dari hasil penelitian ini dapat diimplikasikan untuk meningkatkan prestasi belajar sejarah, model pembelajaran berbasis masalah dapat digunakan sebagai model alternatif untuk menciptakan lingkungan belajar yang interaktif.
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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 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 ».