Comparison of English Vocabulary Mastery Between Computer-Gamer and Non-Gamer Indonesian Students
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Game has been a part of teenagers’ lives. The advancement of technology has led to the development of computer games. The vocabularies from games could give ample exposure to those who play them. The present study reports the difference in English vocabulary mastery of the computer-gamer and non-gamer Indonesian students and the correlation between frequency of playing computer games and the English vocabulary mastery. The research designs employed were comparative and correlational studies. The participants, 72 eleventh grade students of SMK Negeri 1 Bangil Pasuruan majoring Multimedia Engineering, were divided into two groups, 36 computer-gamer students and 36 non-gamer students. The data were collected by utilizing a demographic data collection and a free completion test of English vocabularies. The collected data were then analyzed statistically using SPSS 20. The results revealed that there was no statistically difference in English vocabulary mastery between computer-gamer students and non-gamers for the -value was 0.589. The result of Pearson correlation which was used to answer the second research question showed that there was a positive but very weak correlation between frequency of playing computer games and the English vocabulary mastery. It could be inferred from the result that playing games does not really support the vocabulary acquisition of the students and the amount of time spent to play games barely improve their vocabulary mastery.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 découle