MétaCan
Menu
Retour à la cohorte
Enregistrement W7023743472

PENERAPAN PENDEKATAN “5 M”
\nUNTUK MENINGKATKAN HASIL BELAJARSISWA
\nPADA MATA PELAJARAN IPA
\nTENTANG SIFAT – SIFAT CAHAYA
\n
\n:Penelitian Tindakan Kelas di Kelas V Sekolah Dasar Negeri Limusnunggal 01
\nKecamatan Cileungsi Kabupaten Bogor Tahun Pelajaran 2013/2014:

2014· other· en· W7023743472 sur OpenAlexaboutno aff

Notice bibliographique

RevueRepository at Universitas Pendidikan Indonesia (Universitas Pendidikan Indonesia) · 2014
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClass (philosophy)Process (computing)Control (management)Session (web analytics)Quarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Implementation Approach "5M" To Improve Student Results in Science Lesson About Properties - properties in Class V Light SDN Limusnunggal 01 Sub Cullinan Bogor, academic year 2013-2014. \nThe process of action research is done two cycles, the first cycle consisted of three meetings while the second cycle consists of one session and each consists of four main actions: planning, action, observation, and reflection. End of each cycle tests performed using instruments about. Then the results obtained at the first meeting and the second meeting were averaged to be the end result of each cycle. The results showed that the average value of learning outcomes in prasiklus 53 with a percentage of success (25%) based on the KKM 70, in the first cycle while scoring 70 second cycle gain value of 84.13. Percentage of successful first cycle (65%) and second cycle (90%). Similarly, the observation of students showed an increase in learning motivation, cooperation, and student activity. This study concludes that the application of the "5M" Observe, inquire, gather information / experiment, Associate / process information, and Communicating) \nYang menjadilatarbelakangdaripenelitianiniadalahkurangnyakreativitassiswadan guru dalammetodepembelajarantersebutmenyebabkanpembelajaranpasifdanhasiltestulisrendah, sebagianbesarsiswamemperolehnilai yang belummencapai KKM matapelajaranIlmuPengetahuanAlam di SDN Limusnunggal 01 yang telahditetapkanyaitu 70. Hal initerbuktidengan data yang menunjukkanbahwaberdasarkanhasilulanganpelajaran IPA di kelas V D tahun 2014, tentang“Sifat – sifatcahaya”menunjukkanhasil yang tidakmemuaskan.Hanya10 siswaatau 25% yang mampumencapainilai di atas KKM dansebanyak30 orang siswaatau 75 % hasiltessiswamasihberada di bawah KKM. Dalam proses pembelajaranmenyebutkansumber- sumbercahayadanmenemutunjukkansifat- sifatcahaya, dan penggunaan alatperagamerupakan hal yang paling menentukanprestasi belajar agar paling tidak 75% siswadiharapkanmampumencapainilai di atas KKM. Untukmemecahkanmasalahtersebutditerapkan model pembelajaran “5 M” dan model tersebutmempunyaikelebihanyaitu rasa ingin tau, mengamati, mencoba, menanya, menyaji, menalardanmenciptakaryasederhanaakantumbuhdalam proses pembelajaran, kerjasamasesamasiswaterwujuddengandinamis, munculnyadinamikagotongroyong yang merata di seluruhanakdidik. SemogadenganmenggunakanMetodeDemontrasiinidapatmenjadikanmasukkanbagipara guru yang kreatifdaninteraktifsehinggapembelajaranmenjadimenyenangkanuntukparasiswa.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0680,019

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 Opus0,011
Tête enseignante GPT0,213
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepository at Universitas Pendidikan Indonesia (Universitas Pendidikan Indonesia)Travaux en français237 207