UPAYA MENINGKATKAN HASIL BELAJAR SISWA PADA MATA PELAJARAN IPS MATERI AKTIVITAS EKONOMI DENGAN MENGGUNAKAN MODEL PEMBELAJARAN KOOPERATIF TIPE MAKE A MATCH DI KELAS IV MIN MEDAN TEMBUNG
Notice bibliographique
Résumé
AbstrakPenelitian ini bertujuan untuk mengetahui (1) hasil belajar sebelum menggunakan Model Pembelajaran Kooperatif Tipe Make A Match pada mata pelajaran IPS Materi Aktivitas Ekonomi di kelas IV MIN Medan Tembung, (2) hasil belajar setelah menggunakan Model Pembelajaran Kooperatif Tipe Make A Match pada mata pelajaran IPS materi Aktivitas Ekonomi di kelas IV MIN Medan Tembung, dan (3) Penerapan menggunakan Model Pembelajaran Kooperatif Tipe Make A Match pada mata pelajaran IPS yang dapat meningkatkan hasil belajar siswa kelas IV MIN Medan Tembung. Penelitian ini berupa PTK (Penelitian Tindakan Kelas), dengan subjek penelitian berjumlah 35 siswa. Kesimpulan dari hasil penelitian adalah: (1) hasil belajar siswa sebelum tindakan mendapat nilai rata-rata 71,42, siswa yang tuntas sebanyak 34,29% (12 siswa). (2) hasil belajar siswa setelah diterapkan Model Pembelajaran Kooperatif Tipe Make A Match pada siklus I nilai rata-rata menjadi 77,72 siswa yang tuntas sebanyak 62,86% (22 siswa). (3) hasil belajar siklus II nilai rata-rata meningkat menjadi 82 siswa yang tuntas sebanyak 80% (28 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| 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 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,005 |
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 ».