Inflementasi Kurikulum Satuan Pendidikan Dalam Menumbuhkembangkan Kecerdasan Majemuk (Multiplate Intelligence)
Bibliographic record
Abstract
ABSTRAK Teori kecerdasan majemuk ini, merupakan salah satu teori yang saat ini sedang menjadi perhatian semua kalangan, lebih-lebih para orang tua dan para pendidik tampaknya begitu antusias untuk mendalaminya bahkan untuk menerapkannya dalam rangka menumbuhkembangkan kecerdasan anak. Mengacu pada teori kecerdasan majemuk, bahwa sesungguhnya setiap anak dilahirkan cerdas. Inilah paradigma baru pendidikan yang sedang berkembang di dunia. Menurut Dr Thomas Amstrong, pakar pendidikan dari Amerika setiap anak dilahirkan dengan membawa potensi yang memungkinkan mereka untuk menjadi cerdas. Sifat yang menjadi bawaan itu antara lain adanya keingintahuan, daya eksplorasi terhadap lingkungan, spontanitas, vitalitas, dan fleksibilitas. Setiap individu memiliki delapan kecerdasan, yang meliputi : (1) Linguistic intelligence (word smart); (2) Logical-mathematical intelligence (number/reasoning smart); (3) Spatial intelligence (picture smart); (4) Bodily-Kinesthetic intelligence (body smart); (5) Musical intelligence (music smart); (6) Interpersonal intelligence (people smart); (7) Intrapersonal intelligence (self smart). Dari ketujuh kecerdasan sebagaimana dikemukakan di atas, pada dasarnya setiap kecerdasan memiliki keunikan masing-masing. Menurut Gardner bahwa setiap kecerdasan dalam upaya mengelola informasi bekerja secara spasial dalam sistem otak manusia. Tetapi pada saat mengeluarkannya, ke delapan jenis kecerdasan itu bekerjasama untuk menghasilkan informasi sesuai yang dibutuhkan Kata Kunci: Kecerdasan Jamak, Pebelajaran Berbasis KTSP
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.044 | 0.019 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".