MétaCan
Menu
Retour à la cohorte
Enregistrement W4386403043 · doi:10.53682/charmsains.v4i2.245

MANAJEMEN PEMBELAJARAN PARTISIPATIF BERBASIS PROJECT BASED LEARNING PADA MATERI FISIKA HUKUM PASCAL

2023· article· en· W4386403043 sur OpenAlexaff
Santria Umar, Patricia Mardiana Silangen, Theresje Mandang

Notice bibliographique

RevueCharm Sains Jurnal Pendidikan Fisika · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Curriculum and Learning Methods
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésSyllabusPsychomotor learningRubricPascal (unit)Computer scienceClass (philosophy)Mathematics educationCognitionPsychologyArtificial intelligenceProgramming language

Résumé

récupéré en direct d'OpenAlex

This study aims to provide a clear and comprehensive picture to students of class XI IPA 2 SMA Negeri 3 Tondano about learning management which includes planning, organizing, implementing, and evaluating participatory learning based on project-based learning on pascal’s law material in physics subjects. The method used in this research is mix method with concurrent model which is a combination of two methods, especially qualitative and quantitative. The structure of this research uses qualitative methods while quantitative methods are used to assist qualitative information. The results of this study are starting from the planning stage including the syllabus and lesson plans adapted to the strategy. The next stage is organizing which result in the function and role of management components. The implementation stage is in accordance with the syntax of participatory learning. This implementation stage shows that the implementation of management functions in participatory learning based on project-based learning on pascal’s law physics material for SMA N 3 Tondano class XI IPA 2 students can shape students’ cognitive, affective and psychomotor competencies through making learning projects. Based on the results of the study, it is concluded that planning, organizing, implementing and evaluating participatory learning based on project-based learning is well implemented as seen from the cognitive, affective and psychomotor assessment rubrics.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,075
Tête enseignante GPT0,403
Écart entre enseignants0,328 · 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'étudeObservationnel
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 revueCharm Sains Jurnal Pendidikan FisikaMême sujetEducational Curriculum and Learning MethodsTravaux en français237 207