Kelayakan pengukuran aspek pengetahuan pada instrumen physical literacy untuk siswa usia 8-12 tahun
Notice bibliographique
Résumé
Pengukuran physical literacy idealnya dilakukan pada ranah motivasi, kepercayaan diri, kompetensi fisik, pengetahuan dan pemahaman. Tingkat physical literacy dapat diprediksi dengan mengukur tingkat pengetahuan seseorang mengenai physical literacy menggunakan Physical Literacy Knowledge Questionnaire (PLKQ) yang berhasil dikembangkan oleh Longmuir et al. (2018). PLKQ terbukti memenuhi syarat instrumen di negara Canada untuk anak usia 8-12 tahun. Tujuan artikel ini adalah menguji kelayakan PLKQ ditinjau dari validitas dan reliabilitas untuk mengukur physical literacy anak usia 8-12 di Indonesia. Protokol descriptive study diterapkan dengan memanfaatkan survei terhadap 110 anak usia 8-12 tahun yang dipilih menggunakan accidental sampling . Analisis data menggunakan statistik deskriptif. Validitas dianalisis memanfaatkan product-moment pearson sedangkan reliabilitas menggunakan split-half . Hasil penelitian menunjukkan bahwa PLKQ dinyatakan layak ditinjau dari vaiditas (r= 0,338-0,680) dan reliabilitas (r= 0,613). Tingkat pengetahuan physical literacy anak masuk dalam kategori kurang (m= 25,93, SD= 6,722). Sehingga PLKQ dapat menjadi alternatif pilihan untuk mengukur pengetahuan physical literacy di Indonesia.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 ».