PENGARUH MODEL PEMBELAJARAN \nFLIPPED CLASSROOM MENGGUNAKAN MEDIA VIDEO TERHADAP HASIL BELAJAR IPAS SISWA KELAS IV \nSDN KAJAR TENGGULI
Notice bibliographique
Résumé
Learning outcomes are an assessment of students' abilities as a measure to determine learning outcomes. In fact, based on observations made by researchers, students' science and science learning outcomes are still relatively low because students are still not actively involved in learning, so a learning model is needed that can make students actively involved (student centered) so that students' science and science learning outcomes are better. The aim of the research was to determine differences in students' science learning outcomes on energy changes material taught using the Flipped Classroom learning model in class IV of SDN Kajar Tengguli. \nThe research method used in this research is Pre Experimental Design with One Group Pretest-Posttest, namely using one class IV as the experimental class. Sampling was taken using a saturated sampling technique. Data collection is used by conducting tests. \nFrom the results of the Paired Samples t-Test research, a Sig value of 0.000 < 0.05 was obtained, which means that H0 was rejected and H1 was accepted. So, it is stated that there is a significant influence of the use of the Flipped Classroom learning model using video media on the science learning outcomes of class IV students. With an average pretest score (before being given treatment) of 67 and posttest (after being given treatment) of 84, there was an increase in the percentage of science learning results for class IV students by 26%.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,003 |
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 ».