Notice bibliographique
Résumé
Pembelajaran Berbasis Penyelidikan (Inquiry-Based Learning/IBL) merupakan pendekatan pedagogis yang menekankan peran aktif siswa dalam menemukan dan memahami konsep melalui penyelidikan. Pendekatan ini bertujuan untuk mengembangkan keterampilan berpikir kritis, pemecahan masalah, serta kemandirian belajar. Dalam pembelajaran berbasis penyelidikan, siswa tidak hanya menerima informasi secara pasif, tetapi juga dilatih untuk bertanya, mengamati, mengajukan hipotesis, mengumpulkan data, serta menarik kesimpulan sendiri. Artikel ini mengulas konsep dasar pembelajaran berbasis penyelidikan, ciri-cirinya, tahapan pelaksanaan, serta manfaatnya dalam meningkatkan pemahaman dan keterampilan siswa. Berbagai teori dan model inkuiri yang dikembangkan oleh para ahli seperti John Dewey, Jerome Bruner, dan pendekatan Alberta Learning dijelaskan untuk memberikan perspektif yang lebih luas dalam implementasi IBL di lingkungan pendidikan. Hasil kajian menunjukkan bahwa pembelajaran berbasis penyelidikan tidak hanya mampu meningkatkan keterampilan akademik, tetapi juga membekali siswa dengan kemampuan berpikir analitis dan kreatif yang sangat diperlukan di era modern.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,014 | 0,011 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,022 |
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 ».