PENGGUNAAN TEKNIK NUMBER HEADS TOGETHER (NHT) DALAM PENGAJARAN MEMBACA PEMELAJAR KELAS X MA 1 ANNUQAYAH PUTRI SUMENEP
Notice bibliographique
Résumé
Tesis ini membahas mengenai penggunaan teknik Number Heads Together \n(NHT) yang merupakan bagian dari metode Cooperative Learning, dan teknik \nLecturing dalam rangka meningkatkan kemampuan membaca pemelajar kelas X \nMadrasah Aliyah 1 Annuqayah Putri. Jenis penelitian ini adalah kuasi \neksperimental dengan ancangan pre-test post-test control group dan teknik sampel \npurposive sampling. Pemilihan sampel tidak dilakukan secara acak agar tidak \nmengganggu kegiatan belajar dan mengajar di Sekolah terkait. Data diperoleh dari \nskor pre-test, post-test, kuesioner motivasi membaca, kuesioner persepsi \npemelajar terhadap teknik NHT dan wawancara. Hasil penelitian menunjukkan \nbahwa teknik NHT dan Lecturing sama-sama dapat meningkatkan kemampuan \nmembaca pemelajar, khususnya teks recount secara signifikan namun kelompok \neksperimen lebih unggul. Selisih signifikansi kemampuan membaca pemelajar \ndengan teknik NHT adalah 12,68% dibandingkan dengan kelas Lecturing. Selain \nitu berdasarkan dari hasil kuesioner, teknik NHT terbukti meningkatkan motivasi \nmembaca pemelajar sebesar 14,15% dan penerapan teknik ini juga mendapat \nrespon positif dari mereka. Oleh karena itu, peneliti merekomendasikan \npenggunaan teknik NHT dalam pengajaran membaca pemelajar tingkat MA \nkhususnya kelas X MA 1 Annuqayah Putri Sumenep
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,047 | 0,007 |
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 ».