تطبيق طريقة المشكلات لترقية كفاءة الطلاب في القواعد النحوية بمعهد دار السعادة تيفين رايا أتشيه
Bibliographic record
Abstract
كان الموضوع لهذا البحث " تطبيق طريقة المشكلات لترقية كفاءة الطلاب في القواعد النحوية " بمعهد دار السعادة تيفين رايا أتشيه ( إندونسي) . ووجد الباحث أن أكثر الطلاب لا يستطيع أن يقرأوا قراءة صحيحة و سليمة لأن لهم مشكلات في قواعد النحو, و لحل هذه المشكلات يحتاج إلى الطريقة الفعالة. وأما الأغراض التي يستفدفها الباحث في هذا البحث لمعرفة طريقة المشكلات الفعالة لترقية كفاءة الطلاب على القواعد النحوية و كيفية تطبيق طريقة مشكلات لترقية كفاءةهم عليها. وأما منهج البحث في هذا البحث هو منهج تجريبي, و لجميع البيانات فيعتمد الباجث على الأدوات الإختبارية و بملاحضة مباشرة. وفي تحليل البيانات يستعمل الباحث الرموز T tes وهي : ومن النتائج المحصولة في هذا البحث أن نتيجة الإختبارات t-tes 3,26 و أما نتيجة t-tabel =3,055 فظهر لنا أن نتيجة الإختبارات t-tes أعلى من . t-tabel وأما الفرض الذي قدمه الباجث في هذا البحث أن تطبيق طريقة المشكلات لا تؤثر في ترقية كفاءة الطلاب في القواعد النحوية و إذا نظرنا إلى نتيجة الإختبارات (t-tes ) السابقة أن نتيجة الإختبارات t tes أعلى من t- table فيكون الفرض في هذا البحث مردودا فطريقة المشكلات تكون فعالة في ترقية كفاءة ال طلاب في القواعد النحوية.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.242 | 0.210 |
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".