MétaCan
Menu
Retour à la cohorte
Enregistrement W4387975492 · doi:10.22219/jpbi.v9i3.26856

Plant blindness profile of high school students in Hulu Gurung sub-district, Kapuas Hulu district

2023· article· en· W4387975492 sur OpenAlexfundno aff
Tasya Putriani, Ari Sunandar, Mahwar Qurbaniah

Notice bibliographique

RevueJPBI (Jurnal Pendidikan Biologi Indonesia) · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensnon disponible
Organismes subventionnairesDirectorate for Biological SciencesMcGill University
Mots-clésBlindnessMangiferaPopulationTraditional medicinePsychologyMedicineHorticultureBiologyOptometryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

People often forget about plants as living organisms that are essential for life which characterizes plant blindness. Plant blindness can occur in students. The objectives of this study are identifying plant blindness in high school student in Hulu Gurung. This research was conducted in January 2023 in the even semester of 2022/2023. The population in this study were all students of SMPN 1 Hulu Gurung (Junior High School) and SMAN 1 Hulu Gurung (Senior High School). Sample selection using Simple Random Sampling technique. The instruments used were questionnaires and direct interviews. Methods for data analysis using qualitative descriptive methods. The results showed that students still lack knowledge about local vegetables. The percentage of students recognizing vegetables was 15% in senior high school students and 4% in junior high school students. There were 6 vegetable species that were not recognized at all, namely Solanum lasiocarpum, Ficus sp., Mangifera pajang, Polypodium sp., Ficus sp., and Smilax leucophylla. In the future local vegetables can be better recognized amidst the presence of imported vegetables. The diversity of local vegetable crops must be maintained through conservation strategies, one of which is to avoid plant blindness as early as possible.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,046
Tête enseignante GPT0,331
Écart entre enseignants0,286 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJPBI (Jurnal Pendidikan Biologi Indonesia)Même sujetAnimal and Plant Science EducationTravaux en français237 207