MétaCan
Menu
Retour à la cohorte
Enregistrement W4312523961 · doi:10.58258/jupe.v3i3.517

ANALISIS KETERAMPILAN DASAR SEPAK BOLA PEMAIN KLUB BIMA SAKTI

2018· article· id· W4312523961 sur OpenAlexaff
Noor Akhmad, Adi Suriatno

Notice bibliographique

RevueJUPE Jurnal Pendidikan Mandala · 2018
Typearticle
Langueid
DomaineHealth Professions
ThématiqueSports and Physical Education Research
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesMathematicsArt

Résumé

récupéré en direct d'OpenAlex

Penelitian ini dilatar belakangi oleh masih kurangnya keterampilan dasar sepak bola pemain Klub Bima Sakti Tahun 2018. Penelitian ini dilakukan dengan tujuan untuk mengetahui keterampilan dasar bermain sepak bola. Rancangan penelitian ini termasuk penelitian deskriptif dengan pendekatan kualitatif. Metode yang digunakan ialah survey dengan teknik pengumpulan data menggunakan tes dan pengukuran. Populasi penelitian ini adalah semua pemain Klub Bima Sakti dengan jumlah subyek penelitian 20 pemain atau menggunakan teknik studi populasi. Teknik analisis data yang digunakan adalah teknik analisis data statistik deskriptif yaitu teknik mengelompokan data hasil t score kedalam lima kategori norma tes sepak bola kemudian data yang telah dikelompokan dalam kategori kriteria keterampilan dasar sepak bola dihitung persentase keterampilan dasar sepak bola dengan menggunakan rumus persentase . Dan dapat disumpulkan bahwa kemampuan dasar sepak bola pemain Klub Bima Sakti tergolong dalam kategori cukup dengan persentase 50%.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0580,012

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 Opus0,066
Tête enseignante GPT0,453
Écart entre enseignants0,387 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJUPE Jurnal Pendidikan MandalaMême sujetSports and Physical Education ResearchTravaux en français237 207