MétaCan
Menu
Retour à la cohorte
Enregistrement W4401115707 · doi:10.31849/paud-lectura.v7i2.19998

Peningkatkan Kemampuan Seni AUD Melalui Teknik Kolase Berbasis Kearifan Lokal Kota Palembang

2024· article· en· W4401115707 sur OpenAlexaff
Nanda Audry Firabeliya, Tarsya Rahma Dezyemita, Aulia Shafira Pasha, Sindy Agustina Arista, Refi Kania, Adinda Mutiara Jannah, Lia Dwi Ayu Pagarwati, Dara Zulaiha

Notice bibliographique

RevuePAUD Lectura Jurnal Pendidikan Anak Usia Dini · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Education
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésAction researchAction (physics)Mathematics educationQualitative propertyPsychologyReflection (computer programming)Research methodPedagogyComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Art development is one aspect that needs to be paid attention to from an early age. Because art can be used as a forum for children to express their imagination and self-expression. The aim of this research is to obtain information on the use of collage techniques to improve children's artistic abilities at Kartika II-I Kindergarten. The research uses classroom action with the implementation stages adopting the Kemmis & Tagart model including 1) planning, 2) implementation, 3) observation and 4) reflection. The implementation of this model was carried out in 2 cycles, with 2 meetings in each cycle. The research subjects were 16 children aged 4-5 years at Kartika II-I Kindergarten. Researchers in collecting data used interview and observation techniques. After the data is obtained, it will be analyzed using qualitative and quantitative data analysis techniques. The research results obtained a score in pre-action of 56.5 and after action in cycle 1 of 68.1 and cycle 2 of 78.3. Thus, the researchers concluded that using collage techniques can improve children's artistic abilities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0330,004

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,330
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePAUD Lectura Jurnal Pendidikan Anak Usia DiniMême sujetChild Development and EducationTravaux en français237 207