PENINGKATAN HASIL BELAJAR SISWA MELALUI \nPENERAPAN BAHAN AJAR ATLAS BIOLOGI PADA \nMATERI PROTISTA KELAS X SMA NEGERI 17 BANDUNG
Notice bibliographique
Résumé
Penelitian ini dilatar belakangi permasalahan rendahnya hasil belajar siswa \nterhadap materi protista yang disebabkan oleh bahan ajar yang kurang kreatif dan \ninovatif di kelas X IPA SMA Negeri 17Bandungtahun ajaran 2015/2016. Maka \ndibutuhkannya bahan ajar yang bisa membuat siswa menjadi lebih aktif dan \nkreatif dalam mengikuti proses pembelajaran, sehingga dapat meningkatkan hasil \nbelajar siswa. Sampel penelitian adalah siswa SMAN 17 Bandung kelas X IPA 5 \ndan X IPA 6 dengan jumlah siswa masing-masing kelas sebanyak 30 orang siswa. \nMetode penelitian yang digunakan adalah penelitian quasi eksperimen atau \neksperimen semu dengan desainnon-equivalentpretest postest design. Variabel \npenelitian terdiri atas 2variabel, yaitu variabel bebas berupa bahan ajar atlas \nbiologi, variabel terikat berupa hasil belajar siswa. Teknik pengambilan sampel \ndigunakan dengan teknik Purposive Sampling yakni teknik pengumpulan sampel \ndengan pertimbangan kriteria kelas yang nilai rata-rata hampir seimbang pada \npembelajaran biologi. Pengumpulan data penelitian dilakukan dengan \nmenggunakan tes soal berupa test objektif (pilihan ganda) terdiri dari pretest dan \nposttest yang isi soalnya sama yaitu 20 soal pilihan ganda. Pretest digunakan \nuntuk mengetahui kemampuan awal siswa sebelum pembelajaran dan posttest \ndigunakan untuk mengetahui hasil belajar siswa setelah pembelajaran. Hasil \nanalisis data menunjukan pada peningkatan hasil belajar siswa dengan nilai rata- \nrata posttest kelas kontrol mencapai 42,5, pada nilai pretest kelas kontrol \nmencapai 68,5 sedangkan nilai rata-rata untuk kelas eksperimen untuk posttest \nmencapai nilai 39,17 dan untuk posttest mencapai nilai 76,33. Dari hasil \npenelitian dapat disimpulkan bahwa pembelajaran dengan menggunakan bahan \najar atlas biologi dapat digunakan sebagai salah satu bahan ajar alternatif dalam \nkegiatan pembelaran untuk menigkatkan hasil belajar siswa. \n \nKata Kunci:atlas biologi, hasil belajar, protista
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,076 | 0,012 |
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 ».