Pengembangan Perencanaan Pembelajaran Matematika Berbasis Higher Order Thinking Skill di Sekolah Dasar
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Perencanaan pembelajaran adalah salah satu tujuan untuk mencapai pembelajaran yang efektif dan efisien, oleh karena itu setiap satuan pendidikan harus menyusun perencanaan pembelajaran untuk mencapai tujuan pembelajaran secara optimal. Perencanaan pembelajaran dalam bidang studi matematika di beberapa daerah Kabupaten Tasikmalaya sudah mengembangkan keterampilan berpikir tingkat tinggi namun belum maksimal. Hal tersebut menyebabkan pembelajaran matematika hanya dapat mengembangkan keterampilan berpikir rendah. Tujuan dari penelitian ini adalah mendeskripsikan perencanaan pembelajaran matematika yang dibuat oleh guru dan menghasilkan produk perencanaan pembelajaran matematika berupa Rencana Pelaksanaan Pembelajaran (RPP) berbasis Higher Order Thinking Skill (HOTS) di sekolah dasar, agar pembelajaran matematika menekankan keterampilan berpikir tingkat tinggi sesuai dengan ketentuan Kurikulum 2013. Penelitian ini menggunakan metode penelitian pengembangan Design Based Research (DBR) dengan menggunakan tahapan penelitian menurut Reeves, yaitu : 1)identifikasi dan analisis masalah oleh peneliti dan praktisi secara kolaboratif; 2)mengembangkan solusi yang didasarkan pada patokan teori, design principle yang ada dan inovasi teknologi; 3)melakukan proses berulang untuk menguji dan memperbaiki solusi secara praktis; 4)refleksi untuk menghasilkan design principle serta meningkatkan implementasi dan solusi secara praktisi. Teknik pengumpulan data dalam penelitian ini dengan observasi, wawancara, studi dokumentasi dan kuesioner. Lokasi penelitian di dua sekolah dasar di Kabupaten Tasikmalaya
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.003 | 0.003 |
| Meta-epidemiology (broad) | 0.004 | 0.002 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.005 | 0.001 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.022 | 0.008 |
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 it