PENERAPAN MODEL SURVEY QUESTION READ RECITE REVIEW SQ3R DALAM PEMBELAJARAN IPA DI SMP
Bibliographic record
Abstract
Dalam penerapan model SQ3R (Survey, Question, Read, Recite, Review) perlu penguasaan konsep belajar siswa yang baik pada materi struktur hewan dengan menggunakan media teknologi pembelajaran di SMP Negeri Kota Makasar. Sampel dalam penelitian ini merupakan siswa kelas VII (40 orang siswa) dibagi atas dua rombel yakni satu kelas untuk uji coba diajarkan dengan model SQ3R dan rombel satu lagi untuk kontrol, menggunakan model mengajar konvensional. Dalam kajian ini kami menggunakan instrumen penelitian berupa RPP guru, LKPD siswa, Silabus, soal tes, dan video dokumen mengajar. Cara pengolahan data dilakukan dengan pedoman perhitungan Normalized gain (N-Gain), dengan rumus “uji-t” karena ingin melihat ada perbedaan Dari hasil pengolahan data didapati adanya perbedaan yang positif antara penggunaan model SQ3R dan konvensional terhadap kemampuan penguasaan konsep siswa dalam materi struktur hewan. Hal ini dapat dilihat pada nilai rata-rata pada kelas uji coba mencapai 77,75 dengan nilai N-gain 0,56 (untuk nilai sedang) sedangkan pada kelas kontrol ialah 65,10 dengan nilai N-gain 0,38 (kriteria sedang) Sedangkan pada hasil uji t- diperoleh nilai t-hitung sebesar 3,48 dan t tabel 1,66 sehingga t hitung>t tabel. Nilai rata-rata dalam aktivitas siswa selama pembelajaran sudah dilakukan dengan sangat baik atau dapat diikuti secara keseluruhan. Oleh sebab itu kami menyimpulkan bahwa penggunaan model SQ3R dengan menggunakan teknologi belajar besar pengaruhnya terhadap siswa SMP Negeri Kota Makasar terutama dalam penguasaan konsep struktur hewan. Kata kunci : Penguasaan konsep, model SQ3R, teknologi, siswa SMP.
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 | 0.040 | 0.156 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.075 | 0.022 |
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".