MétaCan
Menu
Retour à la cohorte
Enregistrement W4283756971 · doi:10.56442/ijble.v3i2.52

STEP BUDDY: A SCHEME TO ENHANCE THE DANCE SKILLS OF THE SHS STUDENTS

2022· article· en· W4283756971 sur OpenAlexaboutno aff
Ivy Edrada

Notice bibliographique

RevueInternational Journal of Business Law and Education · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueSports and Physical Education Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Session (web analytics)DanceMathematics educationPsychologyTask (project management)Medical educationComputer scienceMedicineEngineeringVisual arts

Résumé

récupéré en direct d'OpenAlex

This study analyzed the effectiveness of Step Buddy in improving the basic skills in a dance of Senior High School students. This study addresses the competency code PEH11FH-IIo-t-17, which is to organize sports events for a target health issue or concern. This study used an experimental method and underwent four steps. First, the researcher assessed the learner’s 1st quarter performance and determined the learners who need assistance and those who have potential in dancing. Second, the top ten highest performance grades for the 1st quarter were considered as peer tutors by the researcher. Then, the tutors and tutees met during their vacant time and the researcher monitored the tutoring session. After the said tutorial, the researcher compared the grades of the tutees in the 1st quarter and 2nd quarter to whether there is an increase in their level of performance. The mean score of the 1st and 2nd quarter performance task grades are both analyzed in this research. Overall, the use of Step Buddy can be used effectively to enhance students' ability to enhance skills in dancing. Therefore, there was a significant difference between the 1st and 2nd quarter performance task grades of the students.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,024
Tête enseignante GPT0,480
Écart entre enseignants0,456 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business Law and EducationMême sujetSports and Physical Education ResearchTravaux en français237 207