TEACHER’S STRATEGIES IN TEACHING WRITING RECOUNT TEXT AT GRADE 8th OF SMP GAJAH MADA MEDAN
Notice bibliographique
Résumé
This study was conducted to analyze the types of teacher’s strategies in teaching writing recount text and to explore the process of applying teacher’s strategies in teaching writing recount text at grade 8 of SMP Gajah Mada Medan. This study used decriptive qualitative method. The subject of this research was one of the English teacher at SMP Gajah Mada Medan. The instruments of this research were observation, questionnaire, and interview questions. The results showed that the teacher applied four strategies from five strategies by Saskatchewan (1991) in teaching writing recount text, they were direct instruction strategy, indirect instruction strategy, interactive instruction strategy and experiential strategy. Here are the steps of applying each strategies : first, direct instruction strategy namely : (1) preparation, (2) introduction, and (3) direct instruction. The second , indirect instuction strategy namely : (1) facilitating discussions, (2) providing resources, and (3) guiding and supporting. The third, interactive instruction strategy namely : (1) select appropriate activities, (2) encourage participation, (3) create engaging content, (4) assess learning (5) facilitate discussion, and (6) guiding and supporting. The last, experiential strategy namely : (1) know your audience and (2) conceptualize the experience. It is suggested for the teacher to use all typs of teaching strategies because all of them are correlated.
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 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».