IMPLEMENTASI PEMBELAJARAN DARING BAHASA INDONESIA DI SMP NEGERI 1 JEBUS BANGKA BARAT
Notice bibliographique
Résumé
Tujuan dari penelitian ini, yaitu: (1) mendeskripsikan Rencana Pelaksanaan Pembelajaran (RPP) daring bahasa Indonesia, (2) mendeskripsikan sistem pelaksanaan pembelajaran daring bahasa Indonesia. Penelitian ini menggunakan metode deskriptif wawancara, observasi, angket, dan dokumentasi dengan pendekatan kualitatif. Teknik pengumpulan data menggunakan teknik simak dan teknik catat. Sasaran penelitian ini adalah guru bahasa Indonesia dan peserta didik kelas VII, VIII, dan IX. Data hasil yang didapatkan berupa hasil observasi, wawancara, angket peserta didik, dan dokumentasi. Hasil penelitian menunjukkan bahwa (1) rencana pelaksanaan pembelajaran daring bahasa Indonesia disesuaikan RPP khusus pembelajaran daring Kurikulum 2013 yang telah disediakan oleh Kemendikbud sesuai dengan Surat Edaran Nomor 14 Tahun 2019 mengenai “Penyederhanaan Rencana Pelaksanaan Pembelajaran (RPP)”, (2) sistem pelaksanaan pembelajaran daring menggunakan model pembelajaran daring interaktif berbasis aplikasi Zoom Meeting, Google Meeting, Google Classroom, WhatsApp, dan sebagainya. Guru juga menerapkan model pembelajaran daring sinkronus agar dapat mewujudkan interaksi yang baik dengan peserta didik. Guru juga menggunakan strategi pembelajaran daring ekspositori dan inkuiri dengan diterapkan model discovery learning dan model problem based learning karena menyesuaikan kendala yang dialami oleh peserta didik.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,009 |
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 ».