Pelaksanaan Program Kelas Maya Berbasis Learning Management System di SMA Negeri 18 Palembang
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Penelitian ini dilatarbelakangi oleh kebutuhan SMA Negeri 18 Palembang sebagai sekolah penggerak untuk mengoptimalkan transformasi digital melalui pelaksanaan program kelas maya berbasis Learning Management System (LMS). Program ini menjadi solusi strategis atas keterbatasan ruang belajar pasca lonjakan peserta didik pada PPDB 2023, sekaligus mendorong inovasi pembelajaran yang lebih fleksibel dan berkelanjutan. Penelitian ini bertujuan untuk mendeskripsikan secara komprehensif pelaksanaan program kelas maya, mengidentifikasi kendala yang muncul dalam implementasinya, serta menganalisis solusi yang diterapkan sekolah guna meningkatkan efektivitas pembelajaran digital. Penelitian menggunakan metode kualitatif dengan pendekatan studi kasus, melalui teknik pengumpulan data berupa observasi, wawancara mendalam, dan dokumentasi. Analisis data mengikuti model Miles dan Huberman yang meliputi reduksi, penyajian, dan verifikasi data. Hasil penelitian menunjukkan bahwa pelaksanaan program kelas maya telah berjalan optimal melalui pengelolaan lima aspek utama: manajemen pengguna, manajemen konten pembelajaran, komunikasi dan kolaborasi, penilaian, serta pelacakan dan pelaporan. Guru dan siswa mampu memanfaatkan fitur LMS secara aktif, didukung pelatihan teknis dan pedoman konten yang terstandar. Meskipun demikian, ditemukan kendala berupa keterbatasan SDM dalam penyusunan laporan berkala, kendala teknis jaringan, serta variasi kemampuan digital pengguna. Kendala tersebut berhasil diatasi melalui pelatihan berkelanjutan, peningkatan infrastruktur internet, serta pendampingan intensif bagi guru. Secara keseluruhan, implementasi program kelas maya berbasis LMS di SMA Negeri 18 Palembang terbukti efektif mendukung mutu pembelajaran digital melalui integrasi teknologi, manajemen sekolah yang adaptif, serta peningkatan kapasitas guru dalam pengelolaan pembelajaran daring.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle