Implementation of ICT literacy in STEAM project learning for measuring student’s interest and motivation
Notice bibliographique
Résumé
Chemistry learning is currently still dominated by memorizing textual concepts so that there is a lack of students’ interest and motivation in learning chemistry. The implementation of ICT literacy in STEAM project based learning is one of the learning innovations involving all aspects needed by students in 21st century. This study aims to analysis the implementation of ICT literacy in STEAM project learning for measuring student's interest and motivation. The method used is descriptive quantitative, data collection on 79 students selected by purposive sampling. The research data was obtained through a questionnaire that containing 16 items. Based on result and discussion, students’ motivation got the highest percentage on 88.4% in very high category, then students’ interest got 84,3% in high category, and students’ responses to the implementation of ICT literacy got the percentage 83.0% in high category. The results of regression analysis show that there is a very significant correlation (strong and positive) between ICT literacy and student interest and motivation. The implementation of ICT Literacy also provides significant test results for each regression coefficient, namely Y = 0.310 - 0.576 Interest + 1.493 Motivation. This shows that the ICT Literacy variable has a significant effect on student motivation, while the interest has an insignificant effect. Thus, the implementation of ICT literacy in STEAM project based learning is good for increase students' interest, motivation, and ICT literacy. These results can be used as innovations in the science learning process.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».