MétaCan
Menu
Retour à la cohorte
Enregistrement W2953860599 · doi:10.34203/jimfe.v4i2.1195

PENINGKATAN KINERJA GURU MELALUI PENGEMBANGAN MOTIVASI KERJA DAN EFEKTIVITAS KOMUNIKASI ANTAR PRIBADI

2019· article· id· W2953860599 sur OpenAlexaff
Nancy Yusnita

Notice bibliographique

RevueJIMFE (Jurnal Ilmiah Manajemen Fakultas Ekonomi) · 2019
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueEducation and Communication Studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Penelitian ini bertujuan untuk menemukan upaya-upaya yang dapat dilakukan melalui analisis i hubungan antara motivasi kerja dan efektivitas komunikasi antar pribadi baik secara sendiri-sendiri maupun secara bersama-sama dengan kinerja guru Sekolah Dasar Negeri di Lingkungan Kecamatan Bogor Tengah. Penelitian ini merupakan penelitian korelasional yang terdiri atas dua variabel bebas yaitu motivasi kerja dan efektivitas komunikasi antar pribadi dan satu variabel terikat yaitu kinerja. Metode penelitian yang digunakan adalah metode survey yang dilaksanakan di 13 Sekolah Dasar Negeri di Lingkungan Kecamatan Bogor Tengah dengan responden terdiri dari 98 orang guru yang berstatus pegawai negeri sipil. Teknik pengambilan sampel dilakukan dengan menggunakan teknik sampel acak proporsional (proportional random sampling). Teknik analisis data menggunakan teknik korelasi dan regresi linier sederhana serta korelasi dan regresi ganda. Berdasarkan hasil penelitian ini, dapat dinyatakan bahwa peningkatan kinerja dapat dilakukan dengan cara meningkatkan motivasi kerja melalui peningkatan pada aspek: berorientasi pada tujuan; kegigihan menyelesaikan pekerjaan; usaha mencari umpan balik; harapan meraih keberhasilan; keterlibatan dengan tugas yang dikerjakan; kemauan mengembangkan diri serta pengembangan efektivitas komunikasi antar pribadi melalui peningkatan pada aspek: saling percaya; saling terbuka; tatap muka; saling menghargai; kejelasan pesan; umpan balik.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0300,005

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 Opus0,033
Tête enseignante GPT0,308
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJIMFE (Jurnal Ilmiah Manajemen Fakultas Ekonomi)Même sujetEducation and Communication StudiesTravaux en français237 207