Praktik Pembelajaran Mendalam (Deep Learning) Porsenijar PGRI 2026 DKI Jakarta
Erlina Putri
0:00 / 0:00
Praktik Pembelajaran Mendalam (Deep Learning) Porsenijar PGRI 2026 DKI Jakarta
272 просмотра · 8 дн. назад
Erlina Putri
187 подписчиков
272 просмотра · 8 дн. назад
🍃🔍 DETEKTIF DAUN: DARI DATA MENJADI KOMPOS 🌿📊
✨ Matematika dalam Kehidupan Nyata — Lomba Pembelajaran Deep Learning
Apakah daun kering yang berserakan di halaman sekolah hanya menjadi sampah? 🤔
Melalui proyek “Detektif Daun: Dari Data Menjadi Kompos”, peserta didik kelas V SDN Rawasari 05 diajak menjadi detektif lingkungan yang belajar menemukan solusi melalui matematika!
📊 Siswa melakukan pengamatan langsung, menghitung jumlah daun kering, mengumpulkan data, menyajikannya dalam tabel dan diagram batang, serta menggunakan hasil pengamatan untuk menentukan solusi pengelolaan daun kering di sekolah.
🌱 Pembelajaran ini mengintegrasikan Deep Learning melalui tiga pilar:
💚 Mindful Learning — mengamati dan berpikir secara teliti.
💡 Meaningful Learning — menghubungkan matematika dengan permasalahan nyata.
🎉 Joyful Learning — belajar melalui investigasi yang menyenangkan.
🔬 Proyek ini juga mengintegrasikan STEM:
🌿 Science — mengenal daun kering sebagai bahan organik.
💻 Technology — memanfaatkan teknologi untuk mendukung pembelajaran.
⚙️ Engineering — merancang solusi sederhana berupa komposter.
📐 Mathematics — mengolah, membandingkan, dan menyajikan data.
Melalui pembelajaran ini, siswa tidak hanya belajar menghitung angka, tetapi juga belajar berpikir kritis, berkolaborasi, mengambil keputusan berdasarkan data, dan menumbuhkan kepedulian terhadap lingkungan.
Karena menjaga alam Indonesia dapat dimulai dari langkah kecil di sekolah kita sendiri!
Kami Detektif Daun! Belajar dengan data, berpikir dengan bukti, bergerak untuk lingkungan! 🍃
👩🏫 Erlina Putri, S.Pd. || Guru Kelas V || SDN Rawasari 05
#DetektifDaun #MatematikaDalamKehidupanNyata #DeepLearning #PembelajaranMendalam #STEM #MatematikaSD #Kelas5SD #PORSENIJARPGRI2026 #SDNRawasari05 #SekolahPeduliLingkungan