Model Pembelajaran Flipped Classroom untuk Peningkatan Hasil Belajar Matematika Siswa SMP
Notice bibliographique
Résumé
Kemampuan yang didapat siswa setelah mempelajari matematika disebut hasil belajar matematika, salah satunya ialah kemampuan kognitif. Rendahnya kemampuan kognitif mempengaruhi hasil belajar siswa dan permasalahan tersebut harus diatasi guru. Tujuan penelitian ini untuk melihat variasi peningkatan hasil belajar matematika antara siswa yang diterapkan model flipped classroom dan yang tidak diterapkan model tersebut. Pendekatan yang dipakai yaitu Kuantitatif dengan jenis rancangan Quasi-experiment dan desain Non-equivalent (pre-test and post-test) control group. Populasi yaitu siswa kelas VIII dari sebuah SMP Negeri di Aceh, Indonesia. Sampel yang dipilih yaitu VIII-2 (kelas eksperimen) dan VIII-6 (kelas kontrol) secara simple random sampling. Instrumen penelitian melibatkan Instrumen utama berupa soal tes Teorema Pythagoras, sedangkan perangkat pembelajaran yang di gunakan adalah Rencana Pelaksanaan Pembelajaran (RPP), Lembar Kerja Siswa (LKS) dan video pembelajaran. Teknik pengumpulan data memanfaatkan dua tes (pre-test dan post-test). Teknik analisis data dilakukan uji-t pada taraf signifikansi 5% dari nilai N-Gain untuk mengamati adanya perbedaan peningkatan hasil belajar matematika siswa di dua kelas, sesudah prasyarat pengujian terpenuhi. Hasil penelitian: 1) Meningkatnya hasil belajar matematika siswa lebih baik saat diterapkan model flipped classroom daripada tidak diterapkan model tersebut; 2) Hasil belajar kelas eksperimen mendapat peningkatan di kategori tinggi sedangkan kelas kontrol di kategori sedang.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,008 |
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 ».