MétaCan
Menu
Retour à la cohorte
Enregistrement W2237821340 · doi:10.5539/ass.v12n2p151

Descriptive Analysis Regarding Use of Wechat among University Students in China

2016· article· en· W2237821340 sur OpenAlexvenueno aff
Xing Yu Zhu

Notice bibliographique

RevueAsian Social Science · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBeijingChinaDescriptive statisticsSocial mediaPsychologyPhoneDescriptive researchMobile phoneMedical educationAdvertisingBusinessSociologyComputer sciencePolitical scienceWorld Wide WebMedicineSocial scienceStatistics

Résumé

récupéré en direct d'OpenAlex

<p>The main purpose this study is to explore that how the international students use Wechat in China and what kind of functions and social networking apply on Wechat. Furthermore the study indicated regarding what was most important opinion and information students adopt on Wechat. This research study is descriptive analysis about usage and Wechat as source of communication and contact with family, friends and teacher is highlighted in the paper. Total 200 international students respondents randomly were selected for data collection from Tsinghua University Beijing, China the 65.5% male and 34.5% of the female participated in the study the main findings of the study 94.5% of the respondents use Wechat to contact with friends and main purpose of use Wechat is the result showed 97.5% send message their friends and teachers. However, the 44% of the respondents agree the information that people tag and write on Wechat could be reliable. Furthermore, there many functions are available on Wechat where people can get benefit like call the taxi, transfer money recharge money in mobile phone and games but most of the respondents did not use it properly due to lack of Chinese language bearer among international students. Therefore it is possible that Wechat can introduce some new Apps where international students can get more benefit from it.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,181
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,280
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetDigital Marketing and Social MediaTravaux en français237 207