Upaya Meningkatkan Hasil Belajar Peserta Didik Pada Materi Agribisnis Pengolahan Hasil Nabati Kelas XII SMKN 1 Sakra
Notice bibliographique
Résumé
Untuk mengetahui peningkatan hasil belajar siswa kelas XI SMKN 1 Sakra pada materi pengolahan hasil nabati dengan menggunakan model pembelajaran berbasis masalah. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan di SMKN 1 Sakra yang terdiri dari dua siklus dimana tiap siklus meliputi 4 tahap yaitu perencanaan, pelaksanaan tindakan, pengamatan dan refleksi. Data yang digunakan adalah hasil belajar siswa, hasil observasi guru dan hasil observasi siswa. Sabjek penelitian ini adalah ini adalah siswa kelas XII SMKN 1 Sakra yang berjumlah 30 orang. Hasil penelitian ini menunjukan bahwa model pembelajaran berbasis masalah mampu mendorong pemikiran siswa untuk berkembang dnegan cepat dimana aktivitas yang mendukung proses belajar mengajar terus mengalami peningkatan dan aktivitas yang tidak relevan dengan kegiatan proses belajar mengajar berkurang dari pertemuan kepertemuan berikutnya. Berdasarkan hal ini maka dapat disimpulkan bahwa penerapan odel pembelajaran berbasis masalah dapat meningkatkan hasil belajar peserta didik pada materi pengolahan hasil nabati
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,008 |
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 ».