The Negative Impact of Technology on Social Networking among Students at UTM Skudai 2016
Notice bibliographique
Résumé
Recently social media network such as Facebook, Instagram, Twitters and Youtube has led to the popularity. Social media, which once act as an electronic connection between users has gained wider acceptability and usability and is also becoming probably the most important communication tools and is addictive among students especially in the higher education. There’s no denying the benefits we have gained from technological advancements, but as with all things in life moderation is key. Many students tend to use social medias against the ethics enshrines by Islamic laws therefore awareness about the dangers of excessive use of electronics will help in avoiding any undesirable issue. The negative impacts of addictive usage of social medias includes isolation, lack of social skills and bonds, obesity, depression, poor sleep habit, increase bullying, lack of privacy, lack of social and sexual boundaries, and mental and emotional disturbances. Therefore, this study examines the significant impact of social media on UTM students and to identify recommendations to overcome the negative impact. Quantitative method is applied in this research distributed to students in Universiti Teknologi Malaysia where the respondents is required to rate on a likert scale basis. Questionnaire is developed to explore the participating students’ the level of social media’s usage and its negative impact. At the end of this paper, some suggestions are included to overcome the negative impact for a better use to this social networking site. The last and not least, this study will be of great benefits to the university as it has shown the dangers of uncontrolled use of these social medias by students and therefore the need to put in place measures to prevent the negative effects.Keywords : Technology, Social Medias, Impact of Social Medias, Students, UTM
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».