Enhancing English Reading Comprehension in Secondary School Students through Pair Check Technique: Insights into Effective Teaching Strategies
Notice bibliographique
Résumé
This research was carried out to investigate the use of Pair Check technique on improving students’ reading comprehension on narrative text at grade X of SMKS 1 Tamansiswa. The research methodology used in this research was a quantitative method. The population of this research was grade X of SMKS 1 Tamansiswa in the academic year 2024/2025. The researcher took two classes as the sample. The samples were X-MPLB 1 as experimental group consisted of 25 students and X-MPLB 2 as control group consisted of 25 students. The experimental group was taught by Pair Check technique meanwhile control group was taught by Conventional technique. The data were obtained by using pre-test and post-test given to both groups. The experimental class’ mean score on the pre-test was 66,4 and the mean score of control class was 58. On the other hand, the mean of variable in experimental class on post-test was 80,4, while the mean score of control class on post-test was 68. To acquire data, the researcher used test as instrument. The result of t-test was 3,536 which was higher than t-table at 5% of level significance (1,6772). The result of significance value indicates that alternative hypothesis (Ha) was accepted, while the null hypothesis (Ho) was rejected. It meant that there was significant effect by using Pair Check technique at grade X of SMKS Tamansiswa in reading comprehension narrative text. In short, the Pair Check technique enhances students' critical thinking skills by encouraging them to analyze and discuss texts collaboratively. This method promotes active engagement with the material, allowing learners to clarify misunderstandings and reinforce their comprehension through peer interaction. Additionally, Pair Check fosters a supportive learning environment where students can build confidence in their reading abilities and develop effective communication skills.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».