Analisis Kebutuhan Elemen Multimedia Foto Dan Pengembangannya Sebagai Konten Dalam Sistem Repositori Multimedia Pembelajaran Untuk Pengembangan Media Pembelajaran
Bibliographic record
Abstract
Penelitian ini bertujuan untuk mengetahui kriteria kebutuhan elemen multimedia foto dalam pembuatan media pembelajaran oleh guru multimedia di Sekolah Menengah Kejuruan dan mengembangkannya sebagai konten dalam sistem repositori. Penelitian ini berfungsi memberikan konten pada sistem repositori multimedia pembelajaran dan membantu guru mendapatkan elemen multimedia foto untuk media pembelajaran yang bersifat bebas pakai dan non-komersil. Penelitian dilakukan di Laboratorium Multimedia Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Jakarta dan SMK Negeri 48 Jakarta. Metode yang digunakan yaitu penelitian dan pengembangan dengan menggunakan metodologi pengembangan multimedia Luther-Sutopo. Penelitian awal digunakan untuk melihat kebutuhan elemen multimedia foto sebagai media pembelajaran di sekolah melalui Rencana Pelaksanaan Pembelajaran (RPP). Tahap selanjutnya mengembangkan elemen multimedia foto sebanyak 20 foto. Jenis instrumen yang digunakan dalam penelitian berupa kuesioner yang diisi oleh uji ahli media dan uji ahli materi. Data hasil kuesioner uji ahli media dianalisis menggunakan deskriptif kuantitatif sedangkan data hasil kuesioner uji ahli materi dianalisis dengan naratif deskriptif Kesimpulan dari penelitian ini adalah 17 elemen multimedia foto yang dikembangkan termasuk dalam kategori layak digunakan dalam website sistem repositori dan 19 elemen multimedia foto sesuai dengan kompetensi inti dan kompetensi dasar mata pelajaran perakitan komputer. Foto dapat digunakan sebagai konten dari sistem repositori untuk mutlmedia pembelajaran.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.007 |
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".