Peningkatan Hasil Belajar Matematika Pada Siswa Sd Melalui Penerapan Model Pembelajaran Kooperatif Tipe Team Assisted Individualization
Notice bibliographique
Résumé
<p>Tujuan penelitian ini adalah mendiskripsikan peningkatan hasil belajar matematika siswa kelas IV SD Negeri 14 Teminabuan Distrik Teminabuan Kabupaten Sorong Selatan Papua Barat melalui pembelajaran Kooperatif Tipe<em> Team Assisted Individualization</em> Tahun Pelajaran 2020/ 2021 pada kompetensi menentukan ukuran sudut pada bangun datar. Penelitian ini dilaksanakan sebanyak dua siklus. Masing-masing siklus terdiri dari empat tahap, yaitu: perencanaan <em>(planning),</em> pelaksanaan <em>(action),</em> pengamatan <em>(observation),</em> dan refleksi <em>(reflection).</em> Setiap siklus dilaksanakan sebanyak dua kali pertemuan. Berdasarkan hasil penelitian menunjukkan bahwa hasil belajar matematika tentang menentukan ukuran sudut pada bangun datar cenderung meningkat setelah mendapatkan pembelajaran kooperatif tipe <em>Team Assisted Individualization</em> daripada pembelajaran yang konvensional. Pengukuran peningkatan kualitas proses dilihat dari peningkatan aktifitas belajar siswa pada prasiklus sebesar 52,3% dengan kriteria kurang (D), meningkat pada siklus I sebesar 71%, dan pada siklus II menjadi 85,6% dengan kriteria sangat baik (A). Peningkatan kualitas hasil diukur dari peningakatan daya serap siswa terhadap kompetensi menentukan ukuran sudut pada bangun datar, melalui uji kompetensi. Sebelum dilakukan tindakan ketuntasan klasikal mencapai 41%, dengan rata- rata hasil belajar 64,4. Ketuntasan klasikal pada tindakan siklus I meningkat menjadi 64,7%, dengan rata- rata hasil belajar 71,03, dan pada siklus II ketuntasan klasikal meningkat signifikan sebesar 88%, dengan rata- rata hasil belajar 82,1.<strong></strong></p>
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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 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 ».