Pengaruh Media Pembelajaran Berbasis Smartphone Terhadap Pada Materi Gerak Lurus
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.
Notice bibliographique
Résumé
Tujuan dari penelitian untuk mengetahui pengaruh media pembelajaran berbasis smartphone terhadap hasil belajar siswa pada materi gerak lurus kelas X. Penelitian ini dilaksanakan di SMA Negeri 22 Palembang pada semester ganjil tahun ajaran 2019/2020. Metode penelitian yang digunakan adalah quasi experimental dengan desain penelitian nonequivalent control group design. Penentuan sampel penelitian menggunakan teknik simple random sampling, sampel penelitian yang digunakan kelas X IPA 1 sebagai kelas eksperimen dan kelas X IPA 2 sebagai kelas kontrol. Proses pembelajaran di kelas eksperimen menggunakan media pembelajaran berbasis smartphone dan di kelas kontrol tidak menggunakan media pembelajaran berbasis smartphone. Instumen penelitian ini menggunakan tes yang memenuhi kategori untuk mengukur hasil belajar siswa dalam bentuk pilihan ganda. Uji statistik hasil tes yang digunakan yaitu uji normalitas, uji homogenitas, dan uji hipotesis dibantu dengan program IBM SPSS Statistics 22. Hasil penelitian ini menunjukkan bahwa rata–rata nilai posttest yang diperoleh siswa kelas eksperimen 81,2 dan rata-rata nilai posttest yang diperoleh siswa kelas kontrol 65. Secara output dari program IBM SPSS Statistics 22 pada uji Nonparametric test yakni Kruskal-Wallis Test menunjukkan Sig < 0,05 (0,000 < 0,05), maka H0 ditolak dan Hα diterima sehingga dapat disimpulkan bahwa ada pengaruh media pembelajaran berbasis smartphone terhadap hasil belajar 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 découle