MétaCan
Menu
Retour à la cohorte
Enregistrement W3130072700 · doi:10.5430/wje.v11n1p1

How Do Kastamonu University Education Faculty Fine Arts Education Department Music Education Department Students Use Their Smartphones?

2021· article· en· W3130072700 sur OpenAlexvenueno aff
Mustafa Kabataş

Notice bibliographique

RevueWorld Journal of Education · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensnon disponible
Organismes subventionnairesKastamonu Üniversitesi
Mots-clésPsychologyMusic educationMedical educationDescriptive researchThe artsWork (physics)PedagogySociologyMedicineEngineeringPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

This work; Kastamonu University, Department of Fine Arts Education Faculty of Education was made to students in the Music Department in Turkey. The study is a descriptive field study and it was conducted with a questionnaire model. The study group of this study consists of all students of Kastamonu University Education Faculty Music Education Department. The aim of this study is to get an idea about the use of smart phones by music department students. In the study, a review was made of how music students use their smartphones. The questionnaire method was used to answer questions such as what kind of applications they use on smartphones and how much they benefit from the applications they use professionally. Research questions were asked which applications are the most popular for personal and school use, which applications are satisfied and which applications they are not satisfied with. The data obtained were presented in the form of a table and interpreted. It was concluded that the students used certain programs on their smartphones beneficial for their field education. The study is important because it contributes to researchers, field experts and similar studies.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,283
Écart entre enseignants0,258 · 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'étudeObservationnel
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetMobile Learning in EducationTravaux en français237 207