Pengembangan Alat Model Pembelajaran Inkuiri pada Mata Kuliah Kalkulus Lanjut
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengembangkan perangkat pembelajaran yang relevan dengan karakteristik peserta didik di Program Studi Pendidikan Matematika. Pengembangan perangkat dalam penelitian ini menggunakan model pembelajaran Inquiry pada mata kuliah Kalkulus Lanjut. Melihat situasi dunia bahkan Indonesia saat ini yang sedang dilanda pandemi COVID-19, maka semua kegiatan pembelajaran dilakukan secara offline dan online (dalam jaringan). Alat pembelajaran ini dirancang untuk digunakan dalam situasi pembelajaran online dan offline. Jenis penelitian yang digunakan adalah penelitian pengembangan yaitu pengembangan produk berupa perangkat pembelajaran. Ada 3 perangkat pembelajaran yang dikembangkan yaitu Bahan Ajar (BA), Lembar Kerja Siswa (LKM) dan Rencana Pembelajaran Semester (RPS) yang akan digunakan dalam proses belajar mengajar. Perangkat pembelajaran yang dihasilkan diharapkan dapat membantu siswa dalam proses pembelajaran untuk meningkatkan kemampuan berpikir kritis, kreatif dan pemecahan masalah. Pengembangan perangkat pembelajaran ini terdiri dari beberapa tahapan, yaitu: (1) Difine, (2) Design, (3) Develop. Penelitian ini telah mencapai tahap definisi dan desain.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,043 | 0,007 |
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 ».