Pengembangan Modul Pembelajaran Matematika Materi Pecahan Berbasis Kearifan Lokal Kelas IV SDN 2 Surabaya
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengembangkan modul pembelajaran matematika materi pecahan berbasis kearifan lokal menggunakan desain penelitian Borg and Gall yang terdiri dari 10 langkah disederhanakan menjadi 7 langkah, yaitu (1) melakukan analisis kebutuhan, (2) perencanaan, (3) pengembangan produk awal, (4) pengujian terbatas, (5) revisi hasil uji produk, (6) uji produk utma, (7) revisi produk akhir. Penelitian ini dilakukan pada peserta didik kelas IV dengan jumlah 11 peserta didik. Instrumen penelitian dan pengembanngann ini menggunakan lembar validasi dan angket respon peserta didik. Hasil uji validasi ahli desain media dengan jumlah skor 93 berada pada rentang skor X>83,94 dengan kategori “sangat baik”. Hasil uji validasi ahli materi dengan jumlah skor sebesar 90 berada pada rentang skor X>83,94 dengan kategori “sangat baik”. Hasil dari angket respon peserta didik terhadap kevalidan dan kefektifan penggunaan modul yang dikembangkan mendapatkan skor rata-rata 50,53 dan berada pada rentang 39<X≤51 dengan kategori “cukup baik”. Sehingga dapat disimpulkan, modul pembelajaran matematika materi pecahan berbasis kearifan lokal valid dan efektif digunakan dalam pembelajaran di Sekolah Dasar
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) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,033 |
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 ».