MétaCan
Menu
Retour à la cohorte
Enregistrement W4386309735 · doi:10.29408/jel.v9i2.12299

The relationship between self-efficacy and computational thinking skills of fifth grade elementary school students

2023· article· en· W4386309735 sur OpenAlexaff
Nursadila Safitri, Zetra Hainul Putra, Jesi Alexander Alim, Ayman Aljarrah

Notice bibliographique

RevueJurnal Elemen · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensAcadia University
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Self-efficacy and computational thinking skills are necessary in this technological development age. However, only some studies still discuss the relationship between the two variables. The purpose of this study is to determine the form of relationship between self-efficacy and computational thinking skills of fifth-grade elementary school students. This study applied correlational quantitative research without accompanying the treatment of the subjects. The respondents for this study were 84 fifth-grade students from three public schools in Pekanbaru. Two types of instruments are used in this study, including questionnaires and computational thinking skills tests. The results showed a correlation coefficient of -0.036 with Sig. (2-tailed) 0.747 > 0.05. That is, there is a very low relationship, it has a negative direction, and it is not significant between self-efficacy and computational thinking skills of fifth-grade elementary school students. Self-efficacy contributes to the influence of computational thinking skills by only 0.12%, and other factors influence the remaining 99.88%. This study is expected to provide an overview of self-efficacy and computational thinking skills of fifth-grade students in Pekanbaru and is expected to be an additional reference for further study.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,332
Écart entre enseignants0,302 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal ElemenMême sujetTeaching and Learning ProgrammingTravaux en français237 207