MétaCan
Menu
Retour à la cohorte
Enregistrement W4411497827 · doi:10.18502/kss.v10i12.18911

Application of the 7E Learning Cycle Model Assisted by Papeca Media to Enhance Fraction Concept Understanding in Second Grade Students in Malang City

2025· article· en· W4411497827 sur OpenAlexaboutno aff
Dyah Triwahyuningtyas, Nadia Rofika

Notice bibliographique

RevueKnE Social Sciences · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematics Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationQuarter (Canadian coin)Fraction (chemistry)DocumentationAction researchData collectionLearning cyclePsychologyQualitative propertyMathematicsStatisticsComputer scienceChemistryChromatographyGeography

Résumé

récupéré en direct d'OpenAlex

This research aims to enhance the understanding of fraction concepts, specifically half and quarter fractions, using papeca media through the implementation of the Learning Cycle 7E model. The study involved 27 second-grade students, consisting of 15 boys and 12 girls. Data collection methods included tests, observations, and documentation. The data analysis employed both quantitative and qualitative descriptive techniques. The findings indicate a significant improvement in students’ understanding of fractions after applying the Learning Cycle 7E model with the assistance of papeca media. The percentage of mastery increased from 30% in the pre-action phase to 56% in Cycle I and further to 89% in Cycle II. Similarly, the average score rose from 43.3 in the pre-action phase to 76.9 in Cycle I and 84.6 in Cycle II.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,312
Score d'incertitude au seuil0,200

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,455
Écart entre enseignants0,343 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnE Social SciencesMême sujetMathematics Education and PedagogyTravaux en français237 207