Learning Achievement Improvement of 1st Grade Students by Using Problem-Based Learning (PBL) on TPACK MODEL
Notice bibliographique
Résumé
The objectives of the research were: 1) to develop the lesson plans for “Weight and Measurement” of Mathematics by using Problem-Based Learning on TPACK MODEL based on the efficiency of the process and the overall result (E1/E2) at the established criteria of 75/75; 2) to compare the students’ learning achievement in “Weight and Measurement” of the 1st grade students before and after by using Problem-Based Learning on TPACK MODEL; 3) to study the students’ satisfaction with Problem-Based Learning on TPACK MODEL. The research samples were thirty-five 1st grade students of class 1 in the 1st semester of the academic year 2020 at Sanambin School in Khon Kaen Province. They were selected by purposive sampling. The instruments used in this study were lesson plans, an achievement test, and a questionnaire on students’ satisfaction. The statistics used for analyzing the collected data were mean, standard deviation, percentage, and gain score. The research results showed that 1) the average efficiency of the lesson plans for “Weight and Measurement” by using Problem-Based Learning on TPACK MODEL with exercises was 85.54/78.71, which was higher than theestablished criteria. 2) The mean score of the 1st grade students for “Weight and Measurement” of Mathematics after using Problem-Based Learning on TPACK MODEL was significantly higher than that of before using the Problem-Based Learning Model. 3) The overall satisfaction of the students with the Problem-Based Learning on TPACK MODEL for “Weight and Measurement was at a high level.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».