PENINGKATKAN HASIL BELAJAR MATEMATIKA MENGGUNAKAN STRATEGI PROBLEM BASED LEARNING DI SMK NEGERI 1 BUNGO
Notice bibliographique
Résumé
The background of this research is the low learning outcomes of mathematics subjects class XII Ak Muara Bungo. The causative factor is that learning is still conventional, there is no student involvement in the learning process, not using Problem Based Learning strategies in the learning process. This research is a class action research with qualitative and quantitative approaches. The subjects of the study were class XII students of Ak Muara Bungo which numbered 30 students. In its implementation, this study consists of 2 cycles carried out by researchers. Each cycle consists of 4 stages, namely action planning activities, action implementation, observation, and reflection on each cycle. The data of this study were collected based on observations, learning outcomes tests, and documentation. The results showed that 1) the application of Problem Based Learning strategies can improve the results of teacher and student activities. Teacher activities in cycle I by 81% (good category) in cycle II increased to 91% (very good category). Student activities in cycle I by 84% (good category) in cycle II increased to 90% (very good category). 2) Improvement in learning outcomes that achieve grades above KKM (65) with a pre-cycle percentage of 57%, cycle I 60%, and cycle II 76%.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».