Penerapan Model Problem Based Learning (PBL) Berbantuan Video Pembelajaran dan Quizizz Untuk Meningkatkan Hasil Belajar Siswa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
By implementing an effective learning model and packaging it using interesting technological media, it is also hoped that it will be able to improve student learning outcomes. As for the aim of this research is to determine the application of the model Problem Based Learning (PBL) assisted by learning videos and Quizizz to improve student learning outcomes. This research is classroom action research using test and observation methods. The subjects of this research were 25 students of class VII G of SMP Negeri 6 Kintamani. Data collection was carried out using test and observation methods during learning activities. The research results show that it was found that there was a significant increase in the average score of students' mathematics learning outcomes. Initially in the first cycle the average student score was 66,8 which is categorized as poor in Cycle I, to 77.2 in Cycle II which is already in the good category with an increase of 10.4. Furthermore, there were 60% of students who scored above the Learning Goal Achievement Criteria (KKTP) in Cycle I and 84% of students in Cycle II with an increase of 24%. Thus, student learning outcomes have improved by using the learning model Problem Based Learning (PBL) assisted by learning videos and Quizizz.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle