Validity of PBEST Learning Model: An Innovative Learning to Improve Creative Thinking Skill and Entrepreneurial Science Thinking
Notice bibliographique
Résumé
Based on the results of previous studies, evidence was acquired indicating that the creative thinking abilities of pupils in various locations of Indonesia still require improvement. Creative and innovative thinking in science learning integrated with entrepreneurship produces entrepreneurial science thinking. Learning interventions are needed to develop competitive graduates who can face challenges and rapid changes in the 21st century. This research aims to validate the Project Based Entrepreneurial Science Thinking (PBEST) learning model. The educational development research design used is the validation studies design, which tests two criteria, namely testing content validity (which is also called relevance) and construct validity (which is also called consistency). This validation involves three experts in science education, and the validation instrument uses a validation sheet. The research and data analysis indicate that the PBEST learning model consistently produces highly relevant results that meet rigorous validity and reliability standards (with a percentage of agreement ≥ 75%). The PBEST learning model consists of four stages, namely: (1) Observe and thinking project, (2) Design project, (3) Monitoring and evaluation project, (4) Economic value. The validation of the implementation supporting learning tools confirms the validity and reliability of the semester learning plans, lecture program units, student worksheets, student books, creative thinking skill tests, and entrepreneurial science thinking tests. The PBEST learning paradigm is applicable for enhancing both creative thinking skills and entrepreneurial science thinking.
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 | 0,008 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».