MétaCan
Menu
Retour à la cohorte
Enregistrement W4401884912 · doi:10.32585/edudikara.v1i2.113

PENERAPAN METODE QUANTUM LEARNING SEBAGAI UPAYA MEWUJUDKAN PROSES STUDENT CENTERED LEARNING MATA KULIAH TEORI ORGANISASI

2019· article· id· W4401884912 sur OpenAlexaff
Astadi Pangarso

Notice bibliographique

RevueEdudikara Jurnal Pendidikan dan Pembelajaran · 2019
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueEducation Systems and Policies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPsychologyMathematics educationPedagogy

Résumé

récupéré en direct d'OpenAlex

Tujuan penelitian tindakan kelas (PTK) ini adalah untuk mewujudkan proses Student Centered Learningmahasiswa untuk mata kuliah TO kelas C semester genap tahun ajaran 2015-2016 dengan menggunakan metodequantum learning. Metode quantum learning menggunakan gabungan antara tugas diskusi kelompok denganposisi duduk yang diatur melingkar dan adanya music yang mengiringi. Jawaban dari rumusan masalah adalahmetode quantum learning cukup berperan dalam pelaksanaan student centered learning,meskipun masih perluperbaikan untuk beberapa variabel khususnya prioritas lebih dahulu kepada variabel 2 (kesiapan mahasiswasebelum mengikuti perkuliahan) & 5 (kemampuan mahasiswa dalam menjawab pertanyaan). Pelaksanaanstudent centered learning dapat dilihat dari rata‖ nilai kuis dalam kisaran nilai 70 serta terdapat peningkatannilai UTS ke UAS yang cukup besar (dari 54 ke 86).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,696
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0040,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,015

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 GPT0,271
Écart entre enseignants0,252 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEdudikara Jurnal Pendidikan dan PembelajaranMême sujetEducation Systems and PoliciesTravaux en français237 207