MétaCan
Menu
Retour à la cohorte
Enregistrement W4386334191 · doi:10.37730/edutrained.v7i1.208

Teknik Searching and Gathering (Segath) untuk Meningkatkan Hasil Belajar Al-Qur’an Hadist Pada Mapel PAI dan Budi Pekerti

2023· article· id· W4386334191 sur OpenAlexaff
Erfina Zulayda Anis

Notice bibliographique

RevueJurnal Edutrained Jurnal Pendidikan dan Pelatihan · 2023
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueEducation and Character Development
Établissements canadiensCarbon Engineering (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Materi Al-Qur’an Hadist adalah salahsatu aspek dalam Mata Pelajaran Pendidikan Agama Islam dan Budi Pekerti. Tujuan penelitian ini adalah untuk menemukan teknik yang tepat untuk membuat peserta didik dapat lebih memahami materi Al-Qur’an Hadist yaitu Surat Attin dan hasil belajar meningkat. Segath merupakan singkatan dari Searching and Gathering yang berarti mencari dan mengumpulkan. Metode Penelitian yang penulis lakukan dalam penelitian ini yaitu metode penelitian kualitatif-deskriptif. Sasaran penelitiannya yaitu peserta didik kelas 5A semester 1 tahun ajaran 2022/2023. Data awal yang penulis ambil adalah nilai hasil penilaian harian Al-Qur’an Hadist sebelum menggunakan Teknik Segath dan nilai hasil penilaian harian setelah menggunakan Teknik segath. Penulis juga melakukan pengamatan melalui lembar observasi untuk mengamati peningkatan motivasi siswa selama mengikuti pembelajaran Al-Qur’an Hadist dengan Teknik Segath. Teknik segath ini penulis aplikasikan pada materi Qur’an surat Attin. Segath menggabungkan aktivitas belajar mandiri melalui internet, kreatifitas menulis dan aktifitas fisik. Peserta didik aktif mencari pengetahuan tentang materi surat dari internet (searching) kemudian berbagi pengetahuan bersama teman-temannya dalam sebuah kegiatan yang menyenangkan (gathering). Teknik Segath membantu peserta didik menghafalkan dan memahami makna yang terkandung dalam surat Attin, dibuktikan dengan peningkatan rata rata hasil belajar menjadi 86,6 dengan nilai tertinggi 95 dan nilai terendah 80, dari sebelumnya rata rata 75.88 dengan nilai maximal 90 dan minimal 40. Motivasi belajar juga meningkat dan pembelajaran lebih menarik

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,319

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,002
Communication savante0,0070,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0950,034

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 Opus0,038
Tête enseignante GPT0,322
Écart entre enseignants0,285 · 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 revueJurnal Edutrained Jurnal Pendidikan dan PelatihanMême sujetEducation and Character DevelopmentTravaux en français237 207