MétaCan
Menu
Retour à la cohorte
Enregistrement W4388425932 · doi:10.47119/ijrp10013611120235624

A NUMBER OF KILOMETERS MATTERS: A COMPARATIVE STUDY ON LEARNERS STUDY HABITS AND SCHOOL PERFORMANCE

2023· article· en· W4388425932 sur OpenAlexaboutno aff
LEVIBOY C GEPITULAN, BERLEIN ANN E. SURTIDA

Notice bibliographique

RevueInternational Journal of Research Publications · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)HabitLikert scaleSimple random samplePsychologyKilometerMathematics educationSample (material)PopulationScale (ratio)DemographyGeographyDevelopmental psychologySocial psychologySociologyPhysics

Résumé

récupéré en direct d'OpenAlex

Going to school is a daily affair in a students life. The distance between home and school may be a determining factor in the school performance of the students. In this study, it aims to compare two sample groups of students: one group lives 1-2 kilometers from the school, and the other lives 3–4 kilometers from the school. The researchers utilized a sample size of 166, which represents the entire population of Binoni National High School. The participants were chosen using simple random sampling. Then the respondents were subjected to answering a questionnaire that measured the study habits of the participants and their fourth quarter ratings for school performance. The general average of the students near the school is 85.43%, while those living away from school have a general average of 85.47%. While the Likert scale shows an overall mean of 3.98 with a verbal description of agree, students from 3–4 kilometers from school have an overall mean of 4.11 with a verbal description of agree. These findings suggest that even if there is no significant difference in school performance between students who live near and far from school, However, they differ in their study habits students living away from school had a better study habit than students living near the school.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,063
Score d'incertitude au seuil0,282

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,256
Tête enseignante GPT0,541
Écart entre enseignants0,285 · 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.

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 revueInternational Journal of Research PublicationsMême sujetEducational Methods and Media UseTravaux en français237 207