computer systems

Students’ learning outcomes in Informatics remain a challenge when conventional instructional media offer limited interaction, contributing to passive engagement and difficulties understanding learning materials. This study examined changes in Grade X students’ learning outcomes after the implementation of Wordwall-assisted interactive learning media for the Computer Systems topic at SMAN 1 Sawahlunto, Indonesia. A quantitative approach was employed using a pre-experimental one-group pretest–posttest design involving 30 students from class X E4. Students completed a multiple-choice achievement test before instruction, participated in Computer Systems learning activities supported by Wordwall, and completed a posttest afterward. The intervention incorporated game-based activities to support practice and engagement; however, the research records did not specify its duration. Data were analyzed using descriptive statistics and a paired-samples t-test, with normalized gain (N-Gain) used to assess the level of improvement. The mean score increased from 53.67 on the pretest to 77.67 on the posttest, a difference of 24.00 points. The paired-samples t-test identified a statistically significant difference between scores (t = 8.664, df = 29, p < 0.001). The mean N-Gain was 0.538, indicating moderate improvement. These results show that students’ scores were higher after the Wordwall-assisted learning intervention. Nevertheless, the study did not include a control group, the observed change cannot be attributed to Wordwall alone; instructional or testing-related factors may also have contributed. Wordwall therefore be considered a useful supplementary medium for Informatics instruction, while further studies using control groups, larger samples, and documented intervention durations are needed to strengthen conclusions about its effectiveness.

Didimus Armindo Neonbasu, 2026: The Effect of Implementing the Project Based Learning (PjBL) Model on Students’ Learning Outcomes in Computer Systems in Grade X Culinary Classes at SMK Negeri 3 Kupang. Informatics Education Study Program, Faculty of Teacher Training and Education, Citra Bangsa University, Kupang. Supervisor I: Jhon Enstein, S.Kom., M.Cs., and Supervisor II: Diana Y. A. Fallo, S.Kom., M.T. This study aims to determine the effect of implementing the Project Based Learning (PjBL) model on students’ learning outcomes in Computer Systems in Grade X Culinary classes at SMK Negeri 3 Kupang. This research employed a quantitative approach using a quasi-experimental method with a Nonequivalent Control Group Design. The sample consisted of 50 students, comprising 25 students from Grade X Culinary 1 as the experimental group and 25 students from Grade X Culinary 2 as the control group. Data were collected through tests (pretest and posttest), observations, questionnaires, and documentation. The data were analyzed using descriptive statistics, normality tests, homogeneity tests, and an Independent Samples t-test. The results showed that the experimental group’s mean pretest score was 67.80, increasing to 75.80 on the posttest. Meanwhile, the control group’s mean score increased from 58.60 to 61.60. The hypothesis test yielded a significance value of 0.013, which was lower than 0.05; therefore, H₀ was rejected and Hₐ was accepted. Thus, the implementation of the Project Based Learning (PjBL) model has an effect on students’ learning outcomes in Computer Systems in Grade X Culinary classes at SMK Negeri 3 Kupang.

دیدیموس آرمین دو نئونباسو، ۲۰۲۶: تأثیر اجرای مدل یادگیری مبتنی بر پروژه (PjBL) بر نتایج یادگیری دانش‌آموزان در درس سیستم‌های کامپیوتری در کلاس‌های دهم رشته آشپزی هنرستان SMK Negeri 3 کوپانگ. برنامه مطالعاتی آموزش انفورماتیک، دانشکده تربیت معلم و آموزش، دانشگاه سیترابانگسا، کوپانگ. استاد راهنمای اول: Jhon Enstein، S.Kom.، M.Cs. و استاد راهنمای دوم: Diana Y. A. Fallo، S.Kom.، M.T. هدف این پژوهش تعیین تأثیر اجرای مدل یادگیری مبتنی بر پروژه (PjBL) بر نتایج یادگیری دانش‌آموزان در درس سیستم‌های کامپیوتری در کلاس‌های دهم رشته آشپزی هنرستان SMK Negeri 3 کوپانگ است. این پژوهش با رویکرد کمی و با استفاده از روش شبه‌آزمایشی و طرح گروه کنترل نابرابر انجام شد. نمونه شامل ۵۰ دانش‌آموز بود که ۲۵ نفر از کلاس دهم آشپزی ۱ به عنوان گروه آزمایش و ۲۵ نفر از کلاس دهم آشپزی ۲ به عنوان گروه کنترل انتخاب شدند. داده‌ها از طریق آزمون‌ها (پیش‌آزمون و پس‌آزمون)، مشاهده، پرسشنامه و مستندسازی جمع‌آوری شد. داده‌ها با استفاده از آمار توصیفی، آزمون نرمال بودن، آزمون همگنی و آزمون t مستقل تحلیل شدند. نتایج نشان داد که میانگین نمره پیش‌آزمون گروه آزمایش ۶۷٫۸۰ بود که در پس‌آزمون به ۷۵٫۸۰ افزایش یافت. در حالی که میانگین نمره گروه کنترل از ۵۸٫۶۰ به ۶۱٫۶۰ افزایش یافت. آزمون فرضیه مقدار معناداری ۰٫۰۱۳ را نشان داد که کمتر از ۰٫۰۵ بود؛ بنابراین H₀ رد و Hₐ پذیرفته شد. در نتیجه، اجرای مدل یادگیری مبتنی بر پروژه (PjBL) بر نتایج یادگیری دانش‌آموزان در درس سیستم‌های کامپیوتری در کلاس‌های دهم رشته آشپزی هنرستان SMK Negeri 3 کوپانگ تأثیر دارد.

Context. Automated analysis of sports movements is an important area of modern intelligent computer systems and sports science. In gymnastics, assessing the quality of a performance depends largely on subjective judgment, which limits the accuracy and reproducibility of results. The use of image analysis and artificial intelligence methods opens up the possibility of creating automated systems for recognizing gymnastic elements, but the high dimensionality of visual data complicates the practical implementation of such solutions. This necessitates the search for approaches that increase accuracy and reduce computational complexity.Objective. The purpose of the work is to determine the impact of using the method of main components in combination with deep neural networks on the accuracy, speed and generalization ability of models for classifying gymnastic elements by images.Method. The paper uses an approach that combines the preliminary reduction of the dimensionality of images by the method of main components and subsequent classification using neural networks of different architectures. The study was performed on a set of images of gymnastic elements with preliminary normalization and unification of data. A comparative experimental analysis of models with full and reduced dimensionality of the input space was carried out.Results. The results obtained show that the reduction of dimensionality allows to significantly reduce the computational complexity of models without a significant loss of classification quality. It has been established that the combination of the principal component method with a fully connected neural network provides accuracy comparable to resource-intensive convolutional architectures with significantly lower requirements for computing resources. An optimal balance between preserving the information content of data and noise filtering has been revealed.Conclusions. The scientific novelty of the work lies in the complex experimental substantiation of the effectiveness of the hybrid approach to the classification of gymnastic elements in the compressed feature space. The practical significance of the results lies in the possibility of creating compact and high-speed systems for automated analysis of sports movements, suitable for use in mobile and embedded applications. further work in this direction

زمینه: تحلیل خودکار حرکات ورزشی یکی از حوزه‌های مهم سامانه‌های هوشمند رایانه‌ای و علم ورزش مدرن است. در ژیمناستیک، ارزیابی کیفیت اجرا تا حد زیادی به قضاوت ذهنی وابسته است که این امر دقت و قابلیت تکرار نتایج را محدود می‌کند. استفاده از روش‌های تحلیل تصویر و هوش مصنوعی امکان ایجاد سامانه‌های خودکار برای شناسایی عناصر ژیمناستیکی را فراهم می‌سازد، اما ابعاد بالای داده‌های بصری، پیاده‌سازی عملی چنین راه‌حل‌هایی را پیچیده می‌کند. این امر ضرورت جستجوی رویکردهایی را ایجاب می‌کند که دقت را افزایش داده و پیچیدگی محاسباتی را کاهش دهند. هدف: هدف این پژوهش تعیین تأثیر استفاده از روش مؤلفه‌های اصلی در ترکیب با شبکه‌های عصبی عمیق بر دقت، سرعت و قابلیت تعمیم مدل‌ها برای طبقه‌بندی عناصر ژیمناستیک بر اساس تصاویر است. روش: در این مقاله رویکردی به کار رفته است که کاهش ابعاد اولیه تصاویر با روش مؤلفه‌های اصلی را با طبقه‌بندی پسین با استفاده از شبکه‌های عصبی با معماری‌های مختلف ترکیب می‌کند. مطالعه بر روی مجموعه‌ای از تصاویر عناصر ژیمناستیک با نرمال‌سازی و یکسان‌سازی اولیه داده‌ها انجام شده است. تحلیل تجربی مقایسه‌ای مدل‌ها با فضای ورودی کامل و کاهش‌یافته ابعاد صورت گرفته است. یافته‌ها: نتایج به‌دست‌آمده نشان می‌دهد که کاهش ابعاد به طور معناداری پیچیدگی محاسباتی مدل‌ها را بدون افت قابل توجه کیفیت طبقه‌بندی کاهش می‌دهد. مشخص شد که ترکیب روش مؤلفه‌های اصلی با شبکه عصبی کاملاً متصل، دقتی قابل مقایسه با معماری‌های پیچیده مبتنی بر شبکه عصبی کانولوشنی با نیاز به منابع محاسباتی بسیار کمتر فراهم می‌کند. تعادل بهینه‌ای میان حفظ محتوای اطلاعاتی داده‌ها و پالایش نویز شناسایی شد. نتیجه‌گیری: نوآوری علمی این پژوهش در اثبات تجربی جامع اثربخشی رویکرد ترکیبی برای طبقه‌بندی عناصر ژیمناستیک در فضای ویژگی فشرده نهفته است. اهمیت عملی نتایج در امکان ایجاد سامانه‌های فشرده و پرسرعت برای تحلیل خودکار حرکات ورزشی است که برای استفاده در کاربردهای موبایل و نهفته مناسب می‌باشند. ادامه پژوهش در این زمینه پیشنهاد می‌شود.