The Development of the Ability to Solve Mathematical Problems and Academic Achievement Decimal Problem of Prathomsuksa6 Students Through Cooperative Learning Management STAD and KWDL Technique
Notice bibliographique
Résumé
The research aimed to achieve the following objectives: 1)Assess the effectiveness of cooperative learning management utilizing the STAD technique and KWDL technique among PrathomSuksa6 students in solving decimal problems, with a target of achieving a 75/75 criterion. 2) Enhance the problem-solving abilities of grade 6students in mathematics by implementing cooperative learning management using the combined STAD technique and KWDL technique, compared to a 75 percent criterion. 3) Improve the learning achievement in mathematics of grade 6 students in solving decimal problems through cooperative learning management, employing the STAD technique and KWDL technique, in line with a 75 percent criterion. The research was conducted with a selected group of 33 students from Prathomsuksa6/1, first semester, academic year 2022, at Ban Chiang Yuen School. The research tools employed were: 1) a cooperative learning plan incorporating the STAD and KWDL techniques, 2) a mathematics problem-solving ability test, and 3) a mathematics learning achievement test. Data analysis involved the use of percentage, mean, standard deviation, and efficiency (E1/E2). The findings of the study indicated the following: Cooperative learning management using the STAD technique and KWDL technique exhibited an efficiency of 76.14/75.45, satisfying the 75/75 criterion. The average mathematics score post-intervention was 75.76 percent, surpassing the 75 percent criterion. Mathematics learning achievement, as measured by the average score post-intervention, reached 75.45 percent, fulfilling the 75 percent criterion.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».