IMPLEMENTASI PEMBELAJARAN DARING BAHASA INDONESIA DI SMP NEGERI 1 JEBUS BANGKA BARAT
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 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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découle