Attitude of Secondary Students towards the Use of GeoGebra in Learning Loci in Two Dimensions
Notice bibliographique
Résumé
The use of computer software has good chance to form an efficient and powerful learning among the students. On the other hand, using open source software to teach mathematics in the school system of Malaysia, particularly in secondary school is still an uncertain issue. As a result, in an attempt to bring in a freeware, GeoGebra, this paper studies the attitude of form two students towards the utilization of GeoGebra in learning Loci in Two Dimensions. This study was conducted with 30 form two students from a secondary school in Johor Bharu district. In the beginning, GeoGebra was used to teach Loci in Two Dimensions and then followed by a survey. Questionnaires were provided to investigate the attitude of the students towards GeoGebra. A research model which was modified from the Technology Acceptance Model (TAM) was used to develop the questionnaires in order to study the students’ attitude. Later on, the data were analyzed by using Statistical Packages for Social Sciences 19.0 (SPSS) software to find the correlation coefficient and regression results. The result revealed that the students showed positive attitudes towards the use of GeoGebra in learning Loci in Two Dimensions. At the same time, there was a significant relationship between perceived ease of use, perceived usefulness and attitude of students towards GeoGebra. This positive attitude of students will bring to positive behavioral intention to use GeoGebra in the future. At last, the implication of the research and recommendations for the future research also are discussed in this paper.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».