UPAYA MENGATASI MISKONSEPSI HIDROLISIS GARAM MENGGUNAKAN PENDEKATAN CONCEPTUAL CHANGE DENGAN MODEL FLIPPED CLASSROOM
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengatasi miskonsepsi pada materi hidrolisis garam dengan pendekatan conceptual change dengan model flipped classroom. Penelitian dilaksanakan di kelas XI MIPA 3 SMA Kristen PENABUR Kota Wisata, Cibubur, dengan jumlah siswa sebanyak 33 siswa. Penelitian ini dilakukan melalui metode penelitian tindakan kelas model Kemmis dan Mc Taggart yang terdiri dari 4 komponen, yaitu: perencanaan, tindakan, pengamatan, dan refleksi. Penelitian dilaksanakan dengan tiga siklus. Data diperoleh dari hasil wawancara, observasi kelas, refleksi siswa, pertanyaan terbuka dan instrumen tes two tier dan esai yang telah divalidasi. Analisis data dilakukan melalui analisis data kualitatif melalui proses reduksi data, koding dan kategori untuk menggambarkan perubahan miskonsepsi siswa. Hasil penelitian menunjukkan bahwa siswa mengalami miskonsepsi pada konsep mengenai garam, sifat asam basa larutan garam dan menghitung pH larutan garam. Pendekatan conceptual change dengan model flipped classroom telah memfasilitasi siswa untuk mengubah miskonsepsi yang dialami melalui beberapa proses tahap konfrontasi terhadap konsep awal siswa. Dengan demikian Pendekatan conceptual change dengan model flipped classroom dapat digunakan untuk mengatasi miskonsepsi pada pembelajaran kimia khususnya materi hidrolisis garam.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,072 | 0,013 |
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 ».