Pengaruh Model Pembelajaran Problem-Based Learning Berbantuan Aplikasi Kahoot terhadap Hasil Belajar Siswa Kelas X SMA
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
This research aims to test whether the use of the problem based learning model assisted by the Kahoot application has an effect on the learning outcomes of class X students. The research sample consisted of 50 students in classes X A and X B using Shapiro Wilk. This research uses quantitative methods with a Quasi Experimental Design and a Nonequivalent Pretest-Posttest control group design scheme. Data was collected through pretest and posttest to obtain the N-Gain Score value between the experimental class and the control class. with a sampling technique using a purposive sampling method. Data analysis was carried out using parametric statistical tests, namely the independent sample t-test. Data analysis results Based on the results of data analysis obtained during the research, it shows that the N-gain score for the experimental class got an average score of 79.99 (80%) which was categorized as effective in using the problem based learning model assisted by the Kahoot application, while the control class got an average score of 15.13 (16%) which was categorized as ineffective in using conventional learning (lectures, discussions and questions and answers). When the hypothesis test was carried out using the independent sample t-test, Sig was obtained. (2-tailed) 0.000 ≤ 0.05 so there is a significant difference between the experimental class and the control class. Thus Ho is rejected and Ha is accepted. So it can be concluded that there is a significant influence of the PBL model assisted by the Kahoot application in geography subjects on the learning outcomes of class X SMA Sinar Pancasila students.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découle