Meningkatkan Hasil Belajar Menendang (Shooting) Sepak Bola Melalui Modifikasi Latihan Target
Notice bibliographique
Résumé
Tujuan Penelitian. Dalam meningkatkan hasil belajar Menendang (Shooting) Pada Permainan Sepak Bola Melalui Modifikasi Latihan Target pada siswa kelas IV SDS KARTIKA VIII-2 semester genap pada tahun ajaran 2019/2020 Metode Penelitian. penelitian tindakan kelas yang mengikuti model Kemmis dan Taggart. Penelitian ini mencakup 2 siklus dimana masing-masing siklus mencakup 4 tahap yaitu planning (perencanaan), acting (pelaksanaan), observasing (pengamatan), reflecting (refleksi). subjek penelitian sebanyak 25 siswa, sedangkan data dikumpulkan melalui test dan obsevasi Hasil. Hasil penelitian menunjukkan bahwa terjadi peningkatan hasil belajar yang signifikan pada siswa kelas IV. Hal ini dibuktikan dengan persentase siswa kelas IV yang mencapai nilai KKM tes Menendang (Shooting) dalam permainan sepakbola pada setiap siklusnya. Pada siklus I = 64%; siklus II = 88%, dengan hasil persentase tersebut terbukti pada siklus I ke siklus II mengalami peningkatan sebesar 24%. Kesimpulan. Menendang (Shooting) Pada Permainan Sepak Bola Melalui Modifikasi Latihan Target dapat meningkatkan keterampilan Menendang (Shooting) siswa.
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) | 0,000 | 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 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,070 | 0,015 |
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 ».