MétaCan
Menu
Retour à la cohorte
Enregistrement W2735188002

A STUDY ON COMPUTER LITERACY PROGRAMME FOR VILLAGE HIGHER SECONDARY SCHOOL STUDENTS

2017· article· en· W2735188002 sur OpenAlexaboutno aff
Joe Arun Raja

Notice bibliographique

RevueInternational journal of advance research and innovative ideas in education · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender and Technology in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationLiteracyComputer literacyQuarter (Canadian coin)Government (linguistics)Class (philosophy)Test (biology)PsychologyMedical educationPedagogyComputer scienceMedicineGeographyArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In our contribution we focused on finding out the computer literacy of higher secondary school students. This paper presents the results of Computer literacy questionnaire. Questions in the computer literacy questionnaire (CLQ) were concerned with the usefulness of Computer Literacy Programme (CLP), Learning Experience, Teaching efficiency of students, Community wise participation, and gender wise participation. Questions were generally open ended, but we offered possibilities too. The CLQ was filled by students (n = 97) of village higher secondary school. The number of boys (n =58) and girls was similar (n = 39). We used Pearson chi - square test for finding of statistically significant difference between genders. In our research we found that nearly all students use computers. Most students, nearly 80 %, belong to other backward class community. About quarter of all students use the computer at home. This is caused by the fact that service for access to the computer is still expensive for the most of people in Tamilnadu government school. We found that the most of the students understands computer. It means that computer literacy of students is improving. Girls scores higher marks than boys. The computer literacy quotients of girls are more than boys.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,474
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,088
Tête enseignante GPT0,546
Écart entre enseignants0,458 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of advance research and innovative ideas in educationMême sujetGender and Technology in EducationTravaux en français237 207