PENINGKATAN KOMPETENSI PROFESIONAL GURU IPS (Studi Kasus Di MGMP IPS Kecamatan Cengkareng Jakarta Barat)
Notice bibliographique
Résumé
PENINGKATAN KOMPETENSI PROFESIONAL GURU IPS (Studi Kasus Di MGMP IPS Kecamatan Cengkareng Jakarta Barat) Oleh : Nur Djulaiqha dan Eko Siswono Abstrak Penelitian ini bertujuan untuk : (1) mengetahui kompetensi profesional guru IPS setelah mengikuti MGMP IPS Kecamatan Cengkareng Jakarta Barat dan (2) mengetahui peranan MGMP IPS dalam meningkatkan kompetensi profesional guru IPS di Kecamatan Cengkareng Jakarta Barat. Penelitian ini menggunakan pendekatan kualitatif dengan teknik pengambilan sampel berupa purpose sampling. Sumber data berasal dari data primer dan sekunder. Teknik pengumpulan data dilakukan dengan cara observasi, wawancara, dokumentasi, dan studi pustaka. Metode yang digunakan dalam analisis data adalah reduksi data, penyajian data, hingga penarikan kesimpulan atau verifikasi data. Hasil penelitian menunjukkan (1) MGMP IPS Kecamatan Cengkareng Jakarta Barat adalah wadah guru mata pelajaran IPS Terpadu dalam meningkatkan kompetensi profesional guru IPS, (2) dalam melaksanakan kegiatan MGMP IPS Kecamatan Cengkareng Jakarta Barat mempunyai peran sebagai reformator dengan mengembangkan materi ajar melalui sumber-sumber lain dan media pembelajaran berbasis IT, mediator dengan mensosialisasikan kurikulum dan perangkat pembelajaran yaitu kurikulum 2013, supporting agency dengan mengembangkan metode pembelajaran, dan kolaborator mengundang nara sumber dan membuat kegiatan berbagi pengamalan antar teman sejawat. Kata Kunci: Musyawarah Guru Mata Pelajaran (MGMP), Kompetensi Profesional,
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,011 |
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 ».