Pengaruh Multimedia Pembelajaran Kandidiasis Oral Berbasis Autoplay Terhadap Tingkat Pengetahuan Mahasiswa Pendidikan Sarjana Kedokteran Gigi Universitas Baiturrahmah
Bibliographic record
Abstract
ABSTRAK Era globalisasi yang mengalami perubahan serta perkembangan ilmu pengetahuan banyak menawarkan kemudahan dalam pembelajaran dunia pendidikan, sehingga dapat meningkatkan mutu pendidikan dan menciptakan sumber daya yang berkualitas. Tujuan yang dilakukan agar pembelajaran lebih menarik yaitu dengan adanya bantuan media pembelajaran, salah satu aplikasi yang digunakan sebagai media pembelajaran yaitu autoplay. Sampel penelitian adalah mahasiswa pendidikan sarjana kedoktean gigi Universitas Baiturahmah dengan jumlah 90 orang sebagai kelompok kontrol dengan metode konvensional dan 90 orang sebagai kelompok perlakuan dengan metode autoplay. Jenis penelitian yang digunakan yaitu pendekatan kuantitatif dengan metode Quasi Experimental dengan desain pretest-posttest dan teknik analisis data menggunakan 2 uji yaitu Wilcoxon dan uji Mann Whitney-Test. Analisis data yang dilakukan menggunakan Wilcoxon Signed Ranks Test menunjukkan hasil pembelajaran metode konvensional pretest 3.3% dengan kategori tingkat pengetahuan baik naik menjadi 80.0% saat posttest, dan metode pembelajaran autoplay pretest 16.7% dengan kategori baik naik menjadi 94.4% saat posttest dengan nilai Sig.(2-tailed) adalah sebesar 0.000 atau <0.05, maka Ha diterima. Hasil uji Mann-Whitney terdapat perbedaan antara nilai akhir pembelajaran dengan metode konvensional dan autoplay dengan rata-rata pada pembelajaran konvensional 68.19 sedangkan metode autoplay 112.81 dengan p-value 0.00 <0.05. Kesimpulan dari penelitian yaitu terdapat pengaruh yang signifikan, hasil dari penelitian ini autoplay dapat dijadikan sebagai media pembelajaran yang dapat membantu mahasiswa dalam pembelajaran Kata Kunci : Autoplay, Kandidiassi Oral, Multimedia pembelajaran
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.052 | 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 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".