LAPORAN PRAKTIK LAPANGAN TERBIMBING (PLT)
Bibliographic record
Abstract
Universitas Negeri Yogyakarta sebagai salah satu Perguruan Tinggi yang \nmempunyai misi menyelenggarakan pendidikan akademik, profesi, dan vokasi \ndalam bidang kependidikan yang didukung bidang nonkependidikan untuk \nmenghasilkan manusia unggul yang mengutamakan ketaqwaan, kemandirian, dan \nkecendikian. Misi tersebut kemudian di implementasikan pada program \npemberdayaan sekolah melalui jalur Praktik LapanganTerbimbing (PLT) di \nsekolah. \nPada kegiatan PLT ini, mahasiswa dapat memberikan bantuan pemikiran, \ntenaga serta ilmu pengetahuan dalam merencanakan dan melaksanakan program \npengembangan sekolah. Selama kurang lebih 2 bulanpada semester ganjil, mulai \ndilaksanakan 15 September 2017 sampai dengan 15 november 2017. Praktik \nLapangan Terbimbing (PLT) ini bertujuan untuk memberikan pengalaman \nmengajar bagi mahasiswa, sehingga nantinya diharapkan akan mempunyai \nkesiapan untuk menjadi seorang tenaga pendidik yang berkualitas. \nDalam pelaksanaannya, mahasiswa PLT melaksanakan pembelajaran \nterbimbing dan pembelajaran mandiri pada matapelajaran SeniBudaya (SeniTari) \nsebanyak 14 kelas X IPA 1, X IPA 2, X IPA 3, X IPA 4, X IPS 1, X IPS 2, X IPS \n3, X IPS 4, X BAHASA, XII IPS 1, XII IPS 2, XII IPS 3, XII IPS 4 DAN XII \nBAHASA dengan jumlah pertemuan 14 kali pertemuan yang terdiri dari minggu \npertama observasi kelas, 1 minggu untuk materi teori dan 5 kali pertemuan untuk \nmateri praktek tari Jaranan untuk kelas X dan tari Kipas untuk kelas XII.Sehingga \ntotal pertemuanyakni 14 pertemuan. \nMelalui kegiatan Praktik Lapangan Terbimbing ini, praktikan \nmendapatkan banyak bekal seperti pengalaman serta gambaran nyata tentang \nkegiatan pembelajaran, serta nilai-nilai seperti kerja keras, kerjasama, \ntanggungjawab, dan disiplin. Selain itu, dapat membantu mahasiswa dalam \nmempersiapkan diri untuk menjadi tenaga pendidik yang professional dan \nmemiliki keterampilan mengajar. Untuk pelaksanaan PLT periode yang akan \ndating ada baiknya jika antara pihak sekolah dan mahasiswa lebih meningkatkan \nkerjasama agar dapat lebih bermanfaat bagi semua pihak.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.097 | 0.033 |
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".