MétaCan
Menu
Retour à la cohorte
Enregistrement W4210241291 · doi:10.7176/jep/13-3-05

Analysis of Student's Mathematic Creative Thinking Difficulty after Interactive Multimedia Assisted Learning at 41 State Middle School in Medan

2022· article· en· W4210241291 sur OpenAlexaff
Dini Nurani, Edi Syahputra, Edy Surya

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematics Education and Pedagogy
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMathematics educationCreative thinkingClass (philosophy)PsychologyProcess (computing)Interactive mediaState (computer science)PedagogyComputer scienceMultimediaCreativitySocial psychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study aims to: (1) To analyze the level of students' mathematical creative thinking skills after learning Problem Based Learning assisted by interactive multimedia at 41 state middle school in Medan. (2) To analyze students' mathematical creative thinking difficulties after learning Problem Based Learning assisted by interactive multimedia at 41 state middle school in Medan. This type of research is qualitative. The subjects in this study were students 41 state middle school in Medan Class VIII as many as 20 students. The results showed: (1). The level of students' mathematical creative thinking ability on the material of a two-variable linear equation system in students with medium and high abilities has the highest proportion, followed by students with low abilities (2). Mathematical creative thinking skills in problem-based learning are generally found in elaboration indicators (3) The student's answer process in creative thinking in problem-based learning is very varied, in the high category it can be completed well. Keywords: Creative thinking skills, Problem Based Learning, Interactive Multimedia. DOI: 10.7176/JEP/13-3-05 Publication date: January 31 st 2022

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,379
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMathematics Education and PedagogyTravaux en français237 207