Examining Pre-Service Teachers’ Nomophobia Levels in Terms of Several Variables
Notice bibliographique
Résumé
This study aims to determine the nomophobia levels of pre-service teachers, the variables affecting their nomophobia levels, and the relationship between the levels of nomophobia and cyberloafing. The study, which was designed as a correlational study, was conducted with the voluntary participation of 666 pre-service teachers. The data of the study were collected using a personal information form, the Nomophobia Scale (NMP-Q), and the Cyberloafing Scale. The results showed that 528 students (79.3%) had a moderate and high level of nomophobia while 138 students (20.7%) had a low level of nomophobia. As a result of the analyses conducted to determine whether the nomophobia levels of teacher trainees differed depending on gender, it was seen that the nomophobia level of women was statistically higher than that of men. It was concluded that the nomophobia levels of the pre-service teachers did not vary depending on the level of education and their experience of using smartphones. Although, the results gathered from the first analysis results indicated that the nomophobia levels of the pre-service teachers depicted difference concerning the departments at which they studied, this difference proved insignificant as indicated by the anteceding detailed analyses carried out. It was concluded that the nomophobia levels of the pre-service teachers differed significantly depending upon the amount of time they spend on social media. The last finding of the study concluded that cyberloafing significantly predicted nomophobia levels of pre-service teachers. Based on this result, it can be said that the pre-service teachers’ cyberloafing behaviors will increase their tendency to exhibit nomophobic behaviors. For further research, mixed studies in which qualitative methods will also be used to obtain more in-depth data can be designed. It was also found out that the nomophobia levels of the pre-service teachers differed significantly based on their daily social media usage time.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».