Studi Perbandingan Implementasi Kurikulum Indonesia dan Kanada Pada Mata Pelajaran Matematika
Bibliographic record
Abstract
Penelitian ini mengkaji perbandingan implementasi kurikulum matematika di Indonesia dan Kanada. Kedua negara ini memiliki pendekatan yang berbeda terhadap pengembangan kurikulum matematika. Penelitian ini bertujuan untuk mengkaji implementasi kurikulum pendidikan matematika di Indonesia dan Kanada. Kami menggunakan pendekatan studi literatur review dengan mengumpulkan dan menganalisis berbagai sumber data kurikulum Kanada dan Indonesia. Analisis data menggunakan kualitatif deskriptif. Peneliti mengumpulkan dan menganalisis berbagai sumber data dari kurikulum Kanada dan Kurikulum Indonesia. Dokumen yang dianalisis meliputi Kurikulum Merdeka dari Indonesia, Kurikulum Matematika Ontario dari Kanada, serta literatur pendukung seperti artikel jurnal dan laporan resmi terkait implementasi kurikulum matematika. Model analisis yang digunakan adalah deskriptif kualitatif dengan pendekatan analisis isi, yang berfokus pada perbandingan struktur, pendekatan pembelajaran, dan sistem penilaian dari kedua kurikulum. Analisis ini bertujuan mengidentifikasi persamaan, perbedaan, serta memberikan rekomendasi strategis untuk pengembangan kurikulum yang relevan dan efektif. Hasil penelitian menunjukkan bahwa terdapat perbedaan dalam struktur dan pendekatan pembelajaran, kurikulum matematika di Indonesia dan Kanada (Ontario) sama-sama menekankan pengembangan kompetensi siswa dalam pemahaman konsep, penerapan praktis, serta keterampilan berpikir kritis dan pemecahan masalah. Temuan ini diharapkan dapat memberikan pandangan bagi pengembangan kurikulum, agar pembelajaran matematika lebih efektif dan relevan di kedua negara, serta memperkuat praktik pengajaran matematika di seluruh dunia.
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.035 | 0.009 |
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".