TINGKAT KELAYAKAN BAHAN AJAR MATAKULIAH MORFOLOGI BAHASA INDONESIA BERBASIS KONTEKSTUAL PADA MAHASISWA PROGRAM STUDI PENDIDIKAN BAHASA DAN SASTRA INDONESIA UNIVERITAS PGRI SILAMPARI
Notice bibliographique
Résumé
Dalam proses pembelajaran, bahan ajar memegang peranan yang sangat penting karena bahan ajar akan menentukan kualitas dan hasil pembelajaran. Oleh sebab itu, pentingnya memperhatikan tingkat kelayakan bahan ajar yang akan digunakan. Melalui penelitian pengembangan pendidikan (educational research and development) ini penulis bertujuan ingin mengetahui tingkat kelayakan bahan ajar matakuliah Morfologi Bahasa Indonesia berbasis konstektual Tingkat kelayakan dalam pelitian ini dilihat dari hasil uji validasi ahli, uji kepraktisan, dan uji tingkat keterbacaan bahan ajar. Model penelitian pengembangan yang digunakan merupakan modifikasi model Borg and Gall. Subyek penelitian adalah mahasiswa semester III Program studi Pendidikan Bahasa dan Sastra Indonesia, Universitas PGRI Silampari yang mengambil mata Kuliah Morfologi Bahasa Indonesia. Metode pengumpulan data menggunakan data angket dan tes hasil belajar. Hasil penelitian dianalisis secara kualitatif dan kuantitatif. Dari hasil penelitian diperoleh data uji validasi desain sebesar 0.90 kategori validasi sangat tinggi, validasi materi 0,85 kategori validasi sangat tinggi, dan validasi bahasa 0.90 kategori validasi sangat tinggi. Jika dihitung rerata hasil uji validasi diperoleh tingkat validasi sebesar 0.88 dalam kategori sangat tinggi. Sementara hasil uji kepraktisan melalui tiga kelompok evaluasi, yaitu evaluasi one to one diperoleh nilai kepraktisan 95% (sangat praktis), evaluasi small group tryout diperoleh nilai kepraktisan 92.44% (sangat praktis), dan evaluasi field tryout diperoleh nilai kepraktisan 87.08 (sangat praktis). Rerata nilai kepraktisan diperoleh sebesar 88.58 kategori sangat praktis. Untuk tingkat keterbacaan mahasiswa terhadap buku ajar diperoleh rerata nilai hasil belajar sebesar 81.07 kategori sangat baik. Dengan demikian, dapat dikatakan bahwa bahan ajar memiliki tingkat kelayakan yang sangat tinggi dan sangat baik.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,003 |
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 ».