Application of The Contextual Teaching and Learning (CTL) Model in Improving The Quality of Balaghah Learning in MAN 3 Jombang
Notice bibliographique
Résumé
In Indonesia, the problem that often arises in learning is that students' understanding of the material is still low, as evidenced by student learning outcomes that are still low. This is certainly not caused by the common knowledge of students alone. Still, many factors that influence one of them are the learning process that is less qualified, human resources in the form of unprofessional teachers so that students' abilities will also be low. If this continues, the output of human resources resulting from learning in Indonesia will not be able to compete with countries that are both developing. This study aims to reveal in more depth the application of the contextual teaching and learning (CTL) learning model in improving the quality of Balaghah learning at MAN 3 Jombang, with the focus of the discussion as follows 1) Planning of Contextual Teaching and Learning (CTL) models in improving the quality of Balaghah learning at MAN 3 Jombang, (2) the quality of Balaghah learning as the output of the application of the Contextual Teaching and Learning (CTL) model at MAN 3 Jombang. This research uses a qualitative approach, with the type of case study research in schools. Data collection was done by interview, observation, and documentation. Data analysis was done through data reduction, presentation, and conclusion. The results of this study are 1) Planning the Contextual Teaching and Learning (CTL) Model, there are three stages; first, the introduction is to see the suitability of essential competencies with methods, materials, models, media, and learning resources. Second, implementation is the student centre learning process through several stages of learning. Third, the teacher evaluates the students. 2) The quality of Balaghah learning as the output of applying the Contextual Teaching and Learning (CTL) model at MAN 3 Jombang is related to teacher learning behaviour, student learning behaviour, impact, learning climate, learning materials, and learning media
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».