MétaCan
Menu
Retour à la cohorte
Enregistrement W4226017423 · doi:10.31764/jtam.v6i1.5610

Implementation of Mathematics Learning Through Hydroponic Farming to Improve Mathematics Ability in Early Childhood

2022· article· en· W4226017423 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJTAM (Jurnal Teori dan Aplikasi Matematika) · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline Learning Methods and Innovations
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesLembaga Penelitian dan Pengabdian Kepada Masyarakat
Mots-clésAgricultureMathematics educationProduct (mathematics)Early childhoodMathematicsPsychologyGeographyDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

This study aims to produce and determine the feasibility of early mathematics learning media through hydroponic farming for Early Childhood. The type of research carried out is development research, because in this study an initial mathematics learning media was developed through hydroponic farming for Early Childhood. The research instruments used were media validation sheets and teacher response questionnaires. The data analysis used is descriptive quantitative. The product produced in this study is a medium for early mathematics learning through hydroponic farming for Early Childhood that meets valid and practical criteria. This study took subjects in Early Childhood at Kartika Kindergarten, Peguyangan Kaja Village. The results of this study regarding media validation showed that the initial mathematics learning media through hydroponic farming for Early Childhood had met the valid criteria. Judging from the results of the analysis of the teacher's response to learning media, namely the teacher's response to the use of media, it shows 75.8% in the good category. This shows that the media can be implemented practically by the teacher.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,025
Tête enseignante GPT0,372
Écart entre enseignants0,347 · 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