EFEKTIVITAS MODELING TERHADAP PENINGKATAN EMPATI PADA REMAJA DI UPTD KAMPUNG ANAK NEGERI KOTA SURABAYA
Notice bibliographique
Résumé
Remaja memiliki tugas perkembangan untuk mencari identitas diri, dan cenderung memiliki gaya pemikiran egosentris, sehingga lebih memperhatikan diri sendiri daripada orang lain. Gaya pemikiran egosentris, serta kurangnya pembelajaran empati, akan memunculkan permasalahan pada remaja, ketika empati yang dimiliki rendah. Penelitian ini menerapkan modeling simbolis, berupa pemutaran tayangan berisi penerapan empati, dilanjutkan dengan roleplay dan diskusi mengenai tayangan serta pengalaman berempati yang pernah diterapkan. Tujuan penelitian ini adalah untuk mengetahui efektivitas modeling dalam meningkatkan empati pada remaja di UPTD Kampung Anak Negeri Kota Surabaya. Enam remaja berusia 11-16 tahun menjadi partisipan dalam penelitian ini. Tingkat empati partisipan diukur menggunakan Toronto Empathy Questionnaire (TEQ). Desain penelitian yang digunakan adalah the one group pretest-posttest design. Intervensi diberikan dalam 4 sesi, selama 4 hari. Data akan dianalisis secara deskriptif dan menggunakan analisis non parametrik Wilcoxon signed rank test. Analisis deskriptif menunjukkan bahwa partisipan mampu menerapkan empati dalam kehidupan sehari-hari, dan menjelaskan contoh penerapan empati dalam tayangan. Nilai Asymp.Sig. (2-tailed) dalam uji Wilcoxon, menunjukkan bahwa terdapat perbedaan signifikan antara perolehan nilai sebelum dengan setelah intervensi. Nilai size effect, menunjukkan bahwa modeling efektif dalam meningkatkan empati partisipan. Peningkatan respon terbanyak terlihat pada indikator altruisme, yaitu sikap ingin menolong orang lain, yang didasari oleh adanya perasaan positif setelah melakukan kegiatan tersebut.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».