Pemanfaatan Platform Google Classroom Dalam Meningkatkan Pemahaman Materi Pembelajaran Serta Hasil Belajar Peserta Didik Di Masa Pandemi
Notice bibliographique
Résumé
AbstrakPada abad 21 terus akan menghadapi perubahan-perubahan cepat di dunia pendidikan akibat perkembangan teknologi. Pandemi memberikan pengaruh yang luar biasa terhadap aspek kehidupan termasuk bidang Pendidikan salah satunya perubahan pada paradigma Pendidikan yang harus mengintegrasikan dari pembelajaran konvensional ke dalam pembelajaran teknologi. Salah Platform yang bisa digunakan dan banyak digunakan oleh guru dalam pembelajaran adalah platform Google Clasroom. Di dalam penelitian ini metode yang digunakan adalah berupa metode deskriptif, yaitu metode analisis yang mendeskripsikan atau menjelaskan peristiwa dan kejadian yang terjadi pada saat penelitian. Di dukung dengan Teknik pengumpulan data yang di peroleh hasil dari data berupa kuesioner atau angket, survey dan wawancara. Berdasarkan hasil penilitian menyatakan bahwa pemanfaatan Plafform Google Classroom dalam pembelajaran daring di masa pandemi memiliki tingkat keefektifan yang baik dilihat dari aspek partisipasi siswa, pemahaman dan hasil belajarKata Kunci : Pemahaman, Platform Google Classroom
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,026 |
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 ».