A Study on Digital Games Internet Addiction, Peer Relationships and Learning Attitude of Senior Grade of Children in Elementary School of Chiayi County
Notice bibliographique
Résumé
The study explored the relationships between digital games internet addiction, peer relationships, and learning attitudes through questionnaire survey in senior grade of elementary school children in elementary school in Chiayi County. Taking 735 students as the research object, SPSS 22.0 as a quantity research analysis instrument was applied to launch descriptive statistics, t-test, and single factor variation analysis, Pearson Product Difference Correlation Analysis, and Stepwise Multiple Regression Analysis. The research results found that 93.2% of high-grade students in Chiayi County played digital games 2 to 3 times a week, and those who took less 1 hour to play digital games. The addiction level of digital internet games for schoolchildren, peer relationships and learning attitude ranked upper-middle level. There are obvious differences in digital gaming internet addiction, peer relationships, and learning attitudes among various background variables such as “school location”, “weekly use” and “daily use time”. Gaming internet addiction has a low degree of negative correlation in both peer relationships and learning attitudes, while the peer relationships has a moderately positive relation with learning attitudes. Peer-to-peer relationships may be highly predictive of learning attitudes. This research focuses on the educational problems of digital game internet addiction that primary school teachers are most likely to face. It explores the relationship between peer relationships and learning attitudes, fills in the current lack of research, and draws the above important findings. It is suggested that it can be used as an important reference for teachers, parents and follow-up researchers, and contribute to the academic research of primary education in Taiwan.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».