Tingkat Literasi Fisik Siswa Kelas 5 SD Berdasarkan Hasil Pre-Test Cannadian Assessment Of Physical Literacy Second Edition (CAPL-2)
Bibliographic record
Abstract
Penelitian ini bertujuan untuk mendeskripsikan tingkat literasi fisik siswa sekolah dasar pada aspek aktivitas fisik. Literasi fisik merupakan salah satu indikator penting dalam upaya mewujudkan pola hidup sehat sejak usia dini. Penelitian ini menggunakan metode deskriptif kuantitatif dengan subjek seluruh siswa kelas 5 SDN 6 Nagrikaler yang berjumlah 30 orang. Instrumen yang digunakan adalah tes CAPL-2 pre-test yang meliputi aspek aktivitas fisik melalui pengukuran PACER test, plank, dan CAMSA (Canadian Agility and Movement Skill Assessment). Hasil penelitian menunjukkan bahwa rata-rata skor aktivitas fisik siswa adalah 15,1. Berdasarkan kategori penilaian, sebanyak 1 siswa (3,3%) berada pada kategori Kurang, 9 siswa (30%) berada pada kategori Cukup, 13 siswa (43,3%) pada kategori Baik, dan 7 siswa (23,3%) pada kategori Sangat Baik. Temuan ini menunjukkan bahwa sebagian besar siswa telah memiliki tingkat aktivitas fisik yang baik, namun masih diperlukan intervensi khusus untuk meningkatkan partisipasi aktivitas fisik bagi siswa yang berada pada kategori Kurang dan Cukup. Pengukuran literasi fisik dengan instrumen CAPL-2 terbukti efektif untuk memberikan gambaran objektif sebagai dasar perencanaan program peningkatan aktivitas fisik di sekolah dasar
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.027 | 0.007 |
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".