The Effects of Deductive Learning Activities With Games on the Topic of “Single Variable Linear Equations” of Mathematics on Learning Achievement of 7th Grade Students
Notice bibliographique
Résumé
The purposes of the research were 1) to compare the scores of 7th grade students from deductive learning activitites managaement with games on the topic of “Single Variable Linear Equations” to the standardized criteria of 75%, 2) to compare the achievement of the 7th grade students before and after using the deductive learning activities with games, and 3) to study the satisfaction of the students with the deductive learning activities with games. The research samples were twenty-eight 7th grade students of class one at Triam Udomsaksa Patanakarn Roi-Et School in the second semester of 2021. They were selected by cluster random sampling method. The research instrument consisted of lesson plans, an achievement test, a questionnaire, a recording form after teaching and an observation form. The statistics used were mean, standard deviation, percentage, one-sample t-test and t-test for dependent. The research results indicated that compare the mean score of 7th grade students from deductive learning activitites managaement with games on the topic of “Single Variable Linear Equations” was higher than the standardized criteria of 75% at the .05 level of the statiscal significance. 2) The findings revealed that the mean postet score after using deductive learning activitites managaement with games was higher than that of the pre-test score at the .05 level of the statiscal significance. 3) The overall satisfaction of the student with the deductive learning activities with games was at a high level.
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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».