Pengembangan Media Pembelajaran Berbasis Video Sparkol Dengan Menggunakan Media Internet Dalam Pembelajaran Matematika SMP Negeri 1 dan 2 Kecamatan Tanah Jawa
Bibliographic record
Abstract
Keberadaan internet dan segala fasilitas yang ada dapat memberikan pengetahuan baru ataupun menelusuri bahan ajar bagi guru sehingga internet sebagai media pembelajaran yang lebih mudah dan dapat memperkaya wawasan guru. Penelitian ini bertujuan untuk mengetahui pemanfaatan video sparkol sebagai sumber belajar bagi Guru matematika SMP Negeri Kecamatan Tanah Jawa. Media pembelajaran internet berbasis video sparkol dibuat dengan aplikasi videoscribe, sebagai media pembelajaran yang dapat digunakan dalam sekolah maupun diluar sekolah. Penelitian bermaksud mengembangkan media pembelajaran yang dapat diakses secara bebas di Internet. Model pembelajaran internet berbasis video sparkol yang digunakan adalah videoscribe yang bersifat terbuka dan massal. Kurikulum pembelajaran juga menyediakan seperangkat alat pembelajaran meliputi, berbagai soal, kuis, dan bentuk- bentuk penugasan. Langkah-langkah pelaksanaan penelitian mengikuti pola umum penelitian ilmiah dengan pendekatan berorientasi obyek dengan tahapan identification (identifikasi), analysis (analisis), design (perancangan), coding (pemrograman) dan testing (pengujian). Penelitian ini menghasilkan luaran yang ditargetkan pada hasil penelitian ini adalah berupa artikel yang akan dipublikasi pada Jurnal Nasional Terakreditasi. Artikel ini juga bertujuan untuk menyebarluaskan hasil penelitian dan ilmu pengetahuan yang dapat dimanfaatkan untuk menambah wawasan dan pengembangan ilmu pengetahuan ke depannya terutama dalam menemukan aturan asosiasi antar indikator pencapaian standar kompetensi yang diujikan pada mata pelajaran matematika. Kata Kunci : Internet, Media Pembelajaran, Sparkol, Video Scribe
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 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.083 | 0.023 |
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".