Cognitive, Affective and Behavioral Components That Explain Attitude toward Statistics
Notice bibliographique
Résumé
The purpose of this research is to measure the students' attitude towards statistics. It was necessary to define a certain type of research subjects, so we chose higher education students from the economic-administrative and engineering areas that were taking statistics as a subject in both, public and private universities located in Veracruz - Boca del Rio metropolitan area. The instrument used was the Survey of Attitude towards Statistics (SATS), and we applied it to a sample of 116 students. The statistical technique used was an exploratory factorial analysis with an extracted principal component. The Statistics Hypothesis: $Ho: \rho = 0$ has no correlation, while $Ha: \rho \neq0$ does. Statistics test to prove: $\chi^{2}$, Bartlett's test of sphericity, KMO (Kaiser-Meyer-Olkin), Measure of sampling adequacy (MSA) with a significance level: $\alpha=0.01$; $ p<0.01$ Decision rule: Reject $Ho$ if $\chi^{2}$ calculated $>\chi^{2}$ tabulated. The results obtained from the Bartlett's test of sphericity, KMO (0.600), Chi square $\chi^{2}$ 74.146 $>$ $\chi^{2}$ tabulated, Sig. $0.00 < p 0.01$, MSA (USF 0.673; ANX 0.521; CNF 0.624; LIK 0.613 and MTV 0.523) provide evidence to reject $Ho$. Global results point out that usefulness and anxiety are the most significant components in measuring students' perception towards statistics. Evidence obtained was enough to reject the null hypothesis, thus we can infer that attitude can be measured based on the cognitive, affective and behavioral components.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».