MétaCan
Menu
Retour à la cohorte
Enregistrement W4385496352 · doi:10.31219/osf.io/w78jb

MENINGKATKAN HASIL BELAJAR PESERTA DIDIK MATA PELAJARAN ILMU PENGETAHUAN SOSIAL MENGGUNAKAN MODEL PEMBELAJARAN CONTEXTUAL TEACHING AND LEARNING (CTL) BERBANTU MEDIA MINIATUR LINGKUNGAN ALAM

2023· preprint· id· W4385496352 sur OpenAlexaff
Nadya Pratiwi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueid
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyMathematics educationPedagogyArt

Résumé

récupéré en direct d'OpenAlex

Penelitian ini mengkaji mengenai studi literatur. Metode studi literatur adalah serangkaian kegiatan yang berkenaan dengan metode pengumpulan data pustaka, membaca dan mencatat, serta mengelolah bahan penelitian. Berhasilnya tujuan pembelajaran ditentukan oleh banyak faktor diantaranya adalah faktor guru dalam melaksanakan proses belajar mengajar, karena guru secara langsung dapat mempengaruhi, membina dan meningkatkan kecerdasan serta keterampilan peserta didik. Penggunaan model Contextual Teaching and Learning (CTL) berbantu media Miniatur Lingkungan Alam dan Buatan memberikan pengalaman nyata, berfikir tingkat tinggi, berpusat pada peserta didik, kritis dan kreatif, pengetahuan bermakna dalam kehidupan, dekat dengan kehidupan nyata, adanya perubahan prilaku serta pengetahuan. Selain itu hasil belajar peserta didik dapat meningkat

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0060,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0240,006

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,330
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEducational Methods and Media UseTravaux en français237 207