Optimizing STEAM-Based Differentiated Instruction to Enhance the Effectiveness of Surah At-Tin Memorization among Fourth-Grade Students at Elementary School
Notice bibliographique
Résumé
This study investigated the effectiveness of a differentiated instructional model grounded in STEAM principles, augmented by an interactive PILAR media, on the memorization of Surah At-Tin among fourth-grade elementary students. A true experimental pretest–posttest control-group design was employed, involving an experimental cohort (n=6) and a control cohort (n=9). Both groups completed a baseline assessment of Qur'anic memorization before undergoing four instructional sessions; the experimental group received STEAM-based differentiated activities and digital media support, whereas the control group experienced conventional lecture-based instruction. Posttest results revealed that the experimental group achieved a mean score of 91.67 (SD=8.54), compared to 69.44 (SD=15.32) in the control group. Normalized gain analysis indicated a high gain (g=0.90) for the experimental cohort and a moderate gain (g=0.64) for the control cohort. These findings demonstrated that aligning pedagogical strategies with individual learning preferences, integrating multimodal STEAM tasks, and leveraging interactive technology significantly enhanced both the quantity and accuracy of Qur'anic memorization. The study concluded that a differentiated STEAM-based approach, supported by PILAR media, constituted a superior method for optimizing primary-level Qur'anic memorization and recommended its broader application and longitudinal evaluation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».