PEMANFAATAN APLIKASI GOOGLE MEET PADA MATA KULIAH TEKNIK PROYEKSI BISNIS SEMESTER GASAL TAHUN PELAJARAN 2020/2021 DI UNIVERSITAS DIRGANTARA MARSEKAL SURYADARMA (UNSURYA) (Studi pada Mahasiswa Prodi Manajemen Kelas G)
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
Abstrak: Penelitian ini bertujuan untuk penelitian ini mempunyai tujuan untuk 1) Mengetahui tanggapan tentang kemudahan mengakses Google Meet, 2) Mengetahui kemampuan mahasiswa dalam memahami materi yang disampaikan melalui aplikasi Google Meet, serta 3) Mengetahui efektifitas penggunaan aplikasi Google Meet mahasiswa Unsurya. Metode yang digunakan adalah penelitian kualitatif dengan pendekatan deskriptif, menggunakan data primer pada Tahun Ajaran 2020/2021 dengan populasi mahasiswa mata kuliah Teknik Proyeksi Bisnis semester Gasal Kelas G dengan sampel sebanyak 24 orang yang diambil secara purposive sampling. Hasil penelitian menunjukkan bahwa 92 persen mahasiswa menyatakan kemudahan dalam mengakses Google Meet selama pembelajaran daring, 79 pesen mahasiswa tetap bisa memahami pembelajaran daring melalui Google Meet. 95,83 persen mahasiswa menyetujui efektifitas penggunaan Google Meet dalam pembelajaran daring. Hal ini menunjukkan bahwa sebagian besar mahasiswa tidak terkendala penggunaan Google Meet dalam pembelajaran daring. Kata kunci: daring, PTJJ, Google Meet, Universitas Dirgantara Marsekal Suryadarma
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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