Analisis RPP IPS SMP Kurikulum 2013 Revisi 2017 di Kabupaten Pamekasan
Bibliographic record
Abstract
Penelitian ini bertujuan untuk mengetahui bagaimana guru IPS SMP di Kabupaten Pamekasan menyusun kurikulum 2013 revisi 2017, merencanakan RPP apakah sudah terintegrasi dengan unsur pembelajaran abad 21 dan apa kendala yang dihadapi guru IPS dalam menyusun RPP dan solusinya. Pengumpulan data dalam penelitian ini dengan wawancara dan dokumentasi dalam bentuk RPP. Hasil penelitian menunjukkan bahwa (1) guru mempersiapkannya bersama-sama dengan MGMP tingkat kabupaten/kota. RPP yang disusun sudah sesuai ketentuan dengan tingkat kesesuaian mencapai 86% dengan kategori baik, (2) RPP yang terintegrasi dengan PPK rata-rata 34%, rata-rata literasi 16%, 4C rata-rata 43%, dan HOTS rata-rata 7%, kendala yang dihadapi guru dalam menyusun RPP adalah: (a) kemampuan atau kompetensi guru dalam menyusun RPP masih belum optimal, (b) sering terjadi perubahan peraturan tentang pembelajaran kurikulum 2013 kegiatan, (c) guru masih kesulitan melaksanakan kegiatan pembelajaran yang terintegrasi dengan HOTS, dan (d) kesulitan membuat siswa aktif. Solusinya adalah dengan mengoptimalkan forum MGMP baik di tingkat sekolah maupun di tingkat kabupaten dalam rangka peningkatan kompetensi guru di bidang akademik dan pedagogik seperti penyusunan RPP, pelaksanaan kegiatan belajar mengajar di kelas, dan proses penilaian. Beberapa saran yang dapat dikemukakan, pertama, terus mengoptimalkan dan mengefektifkan keberadaan forum MGMP tingkat kabupaten. Kedua, RPP yang telah dibuat hendaknya terus dievaluasi dan direvisi sesuai perkembangan berdasarkan temuan selama kegiatan pembelajaran di kelas. Ketiga, soal HOTS terus dikembangkan dalam proses penilaian untuk melatih siswa dengan keterampilan tersebut.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.005 |
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".