A PENGEMBANGAN MEDIA BIG BOOK UNTUK MENINGKATKAN HASIL BELAJAR MATERI PECAHAN KELAS II MADRASAH IBTIDAIYAH
Notice bibliographique
Résumé
Tujuan dari penelitian ini adalah 1) Untuk mengetahui apakah media big book cocok untuk materi pecahan pada siswa kelas II MI di Kabupaten Rembang. 2) untuk mengetahui dapat atau tidaknya buku besar materi pecahan di kelas II MI Kabupaten Rembang dapat dilaksanakan. 3) Untuk mengetahui seberapa baik data pecahan siswa kelas II MI Kabupaten Rembang diolah dengan media buku besar. Strategi penelitian ini menggunakan pengujian produk eksperimental dalam hubungannya dengan metode R&D kuantitatif. mengumpulkan informasi dari tes, khususnya protes dan pretest. Langkah-langkah yang dilakukan dalam penelitian ini adalah sebagai berikut: 1) Isu dan kemungkinan; 2) Mendapatkan data; dan 3) Desain produk. 4) Melakukan evaluasi produk ahli. 5) Membuat produk menjadi lebih baik atau mengubahnya. 6) Uji lapangan dan 7) Penyusunan laporan Analisis data menggunakan analisis deskriptif. Hasil analisis dan hasil penelitian 1) Media big book yang terbuat dari bahan pecahan memenuhi persyaratan untuk digunakan, Dengan mengembangkan materi pecahan dan menyisipkan gambar yang menawan, terciptalah media ledger. Tahap pengembangan terdiri dari lima langkah: evaluasi, desain, pengembangan, dan implementasi. 2) Media pembelajaran big book yang dikembangkan untuk materi pecahan dianggap layak pakai. Hasil validasi ahli media dengan nilai 69,99% masuk kategori “baik”, dan ahli materi memberikan nilai 78,33% masuk kategori “baik”. Uji coba kelompok kecil memperoleh skor “sangat baik” sebesar 98%, sedangkan uji coba kelompok besar memperoleh skor “sangat baik” sebesar 97%. 3) Nilai t hitung sebesar 4,783 lebih besar dari nilai t tabel sebesar 2,093 dan nilai sig (2-tailed) sebesar 0,05 yang menunjukkan bahwa rata-rata hasil posttest kelompok eksperimen dan kontrol berbeda. Nilai posttest kelompok eksperimen diketahui sebesar 92, sedangkan nilai posttest kelompok kontrol sebesar 80,25. Hal ini menunjukkan bahwa kelompok eksperimen yang menggunakan media bigbook lebih berhasil dibandingkan kelompok kontrol dalam meningkatkan hasil belajar pada materi pecahan.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,158 | 0,063 |
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 ».