MétaCan
Menu
Retour à la cohorte
Enregistrement W4387519840 · doi:10.25170/interact.v12i1.4093

Pengaruh Fitur Aplikasi Tiktok Jharna Bhagwani terhadap Keputusan Penggunaan Produk Make Up

2023· article· en· W4387519840 sur OpenAlexaboutno aff
Siti Nurpahmi, Jamiati KN

Notice bibliographique

RevueJurnal InterAct · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Methods and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSample (material)Quarter (Canadian coin)Simple random sampleSimple linear regressionSampling (signal processing)StatisticsSample size determinationComputer scienceAdvertisingLinear regressionMathematicsBusinessMedicineGeographyPopulationEnvironmental healthTelecommunicationsChemistry

Résumé

récupéré en direct d'OpenAlex

As of the first quarter of 2022, there are 1.39 billion monthly active users of the Tiktok app globally. When compared to a year ago, this number is still rising and now stands at 72.17 percent. It was mentioned that there were still 812 million active monthly users in the first quarter of 2021. Video shows are one of the most popular services offered by the Tiktok program since they can motivate users to create films and offer both fun and knowledge. The goal of this study is to determine and quantify how employing Tiktok Jharna Bhagwani application features affects usage decisions. employing a quantitative strategy and an explanatory survey technique. The sample size for this study is the 255 respondents who follow the Tiktok account @JharnaBhagwani, which is only allowed to contain one post. A sample of 72 respondents was created by applying the slovin technique formula to take the sample. The Simple Random Sampling Technique is employed in the sampling process. employing questionnaires for data collecting and simple linear regression analysis for data analysis. The study's findings indicate that the use of the Tiktok application features has a t count value (13.443) > t table (1.667), and that H 0 is rejected and H 1 is accepted, indicating that there is an impact between the use of the Tiktok application features developed by Jharna Bhagwani and the choice to use cosmetics. The utilization of the Tiktok Jharna Bhagwani Application Features, which is the X variable, has an influence on the Y variable, according to the coefficient of determination results, which had a R square value of 0.72. The decision to use makeup products is impacted by other factors outside of this study for 72% and by other factors for the remaining 28%.

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 enseignants0,039
Score d'incertitude au seuil0,131

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0390,007

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 Opus0,094
Tête enseignante GPT0,437
Écart entre enseignants0,343 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal InterActMême sujetEducational Methods and ImpactsTravaux en français237 207