PENGUATAN PEMAHAMAN DAN PRAKTIK GURU IPA DALAM INTEGRASI LOW-CARBON STEM DALAM PEMBELAJARAN
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
Pemahaman Guru IPA dan Praktik Implementasi Pembelajaran IPA berbasis STEM (Science, Technology, Engineering and Mathematics) guru masih kurang. Tujuan dari kegiatan pengabdian ini adalah mendampingi guru disekolah memproduksi perangkat pembelajaran berbasis Low-Carbon STEM untuk meningkatkan kualitas pembelajaran IPA ramah lingkungan. Low-Carbon STEM adalah perangkat pembelajaran yang dikemas berdasarkan sintaks Engineering Design Process (Define, Learn, Plan, Try, Test, and Decide) yang menerapkan konsep ramah lingkungan. Perangkat pembelajaran yang dikembangkan mitra dirancang untuk mendorong kemampuan siswa dalam memproduksi sesuatu yang baru yang dapat memberikan dampak positif bagi perkembangan pola pikir anak dalam pengintegrasian bidang STEM dan tentunya tetap menjaga kelestarian lingkungan. Hasil akhir dari kegiatan ini diharapkan guru dapat menerapkan Low Carbon STEM pada perangkat pembelajaran IPA di tingkat kelas yang lain dan ditularkan dalam ranah yang lebih luas seperti MGMP IPA. Metode yang dilaksanakan dimulai dengan kegiatan analisis kebutuhan mitra sekolah di Surakarta. Kegiatan dilanjutkan dengan workshop materi Low Carbon STEM kepada guru sekolah mitra yang dipandu oleh ketua pengabdian. Kegiatan dilanjutkan dengan pendampingan praktik pembuatan perangkat pembelajaran Low Carbon STEM yang dipandu oleh semua tim pengabdi dan ditularkan guru mitra ke MGMP IPA. Metode akhir yang digunakan adalah deskriptif kualitatif. Deskriptif kualitatif didapatkan dari angket dan wawancara setelah pendampingan penyusunan perangkat pembelajaran Low Carbon STEM. Hasil angket dan wawancara disajikan dalam data deskriptif kualitatif.Kata kunci: Perangkat Pembelajaran IPA, Low-Carbon STEM
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 | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.003 |
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