MétaCan
Menu
Retour à la cohorte
Enregistrement W4405384144 · doi:10.52620/jare.v1i2.68

Increasing Student Activeness Using The Cooperative Model TGT IPAS Class IV SDN Tambak Wedi 508

2023· article· en· W4405384144 sur OpenAlexaff
Dita Widiastya Widiastya, Dita Rahmania Widiastya, Devina Oviana Dwi Agustin, Silvyulla Puspita Ambarsari, Agung Setyawan, Tehseen Mazhar

Notice bibliographique

RevueJournal of Action Research in Education. · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Methods and Outcomes
Établissements canadiensMoncton HospitalUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésAction researchMathematics educationClass (philosophy)Cooperative learningPsychologyTournamentActive learning (machine learning)Process (computing)PedagogyTeaching methodComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This research is motivated by observational data that shows students' learning activity in IPAS material is very low. To respond to that, the researcher conducted a classroom action research aimed at improving students' learning activity. The objectives to be achieved in this research include: (1) To determine the improvement of students' engagement in learning through the use of lecture method, (2) To determine the improvement of students' engagement in the learning process through the use of cooperative learning model, specifically Teams Games Tournament (TGT). This research is a classroom action research. This research was conducted in class IVB with a total of 32 students, consisting of 17 male students and 15 female students. The research was conducted in 2 cycles, and the results showed an improvement in effectiveness in the second cycle. The change occurred because in the second cycle, students were more engaged in working together with their group, so there was less opportunity to discuss with other groups. This research measures several student learning skills, namely: questioning skills, answering skills, discussing skills, and group learning skills. The research findings show improvement in each domain in each cycle.The selection of this learning model is highly suitable and can enhance students' engagement in learning because in this learning model, students are not just passive listeners during the lesson, but they actively participate, think, learn, and compete among groups. This makes students challenged to win the competition and become active in learning.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,481
Tête enseignante GPT0,643
Écart entre enseignants0,162 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Action Research in Education.Même sujetEducational Methods and OutcomesTravaux en français237 207