ANALISIS KEMAMPUAN PENALARAN MATEMATIS SISWA KELAS X SMA
Notice bibliographique
Résumé
Tujuan dari penulisan artikel ini adalah untuk menganalisis kemampuan penalaran matematis siswa kelas X SMA. Dalam penulisan artikel ini menggunakan metode deskriptif kualitatif. Subjek dalam penelitian ini adalah siswa kelas X 1 di salah satu SMA Negeri yang berada di Kecamatan Tapung, Kabupaten Kampar, sebanyak 28 siswa yang berada dalam satu kelas yang sama dan memiliki hasil pembelajaran matematika yang bervariasi. Penelitian ini menggunakan instrumen soal tes berbentuk uraian yang berjumlah tiga soal dengan indikator yang berbeda. Hasil temuannya menunjukkan bahwa persentase kemampuan penalaran matematis siswa pada indikator pertama yaitu sebesar 65,2% dengan kategori baik. Persentase kemampuan penalaran matematis pada indikator kedua sebesar 82,1% dengan kategori sangat baik. Dan persentase kemampuan penalaran matematis pada indikator ketiga sebesar 63% dengan kategori baik. Berdasarkan persentase tersebut dapat dinyatakan kemampuan penalaran matematis siswa kelas X tergolong 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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,006 |
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 ».