Pengaruh Intensitas Penggunaan Gadget Terhadap Prestasi Belajar Siswa
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk : (1) untuk mengetahui intensitas penggunaan gadget di sSMPN se- Kecamatan Popayato Barat, (2) untuk mengetahui prestasi belajar siswa di SMPN se-Kecamatan Popayato Barat, (3) untuk mengetahui pengaruh intensitas penggunaan gadget terhadap prestasi belajar siswa di SMPN se-Kecamatan Popayato Barat. Teknik analisis data (1) Uji kualitas instrument menggunakan uji validitas pearson, reliabilitas cronbach alpa, (2) analisis deskriptif, (3) Uji asumsi klasik dengan uji normalitas, uji, uji homogenitas, uji linieritas, (3) uji hipotesis menggunakan uji regresi linier sederhana. Hasil penelitian menunjukan bahwa: (1) intensitas penggunaan gadget di SMPN se-Kecamatan Popayato Barat cukup tinggi, (2) prestasi belajar di SMPN se-Kecamatan Popayato Barat tinggi, (3) terdapat pengaruh intensitas penggunaan gadged terhadap prestasi belajar siswa. Hal ini didasarkan pada hasil uji hipotesis serta. Hasil uji hipotesis menggunakan Microsoft Excel 2013 diperoleh nilai signifikansinya atau p-value sebesar 0,000 lebih kecil dari alpa 0,05 atau 0,000 < 0,05 maka dapat disimpulkan dengan dengan dengan selang kepercayaan 95% ada pengaruh intensitas penggunaan gadged terhadap prestasi belajar siswa. Pada uji Determinasi diperoleh koefisien determinasi atau Adjusted R2 adalah 0,11 hal ini berarti intensitas penggunaan gadged terhadap prestasi belajar berpengaruh sebesar 11% sedangkan sisanya (1-0,11) 89% dispengaruhi oleh factor lain misalnya motivasi belajar atau peran orang tua. Untuk itu disarankan : (1) bagi sekolah, di harapkan kepada sekolah agar dapat membuat kebijakan dan program kerja berkaitan dengan teknologi informasi dan sebagai sumbang pemikiran dan informasi yang dapat dijadikan bahwa pertimbangan untuk mengoptimalkan prestasi belajar siswa sehingga dapat menciptakan lulusan- lulusan yang terbaik, (2) bagi guru, penulis berharap agar hasil penelitian ini bermanfaat bagi guru terutama dalam meningkatkan prestasi belajar siswa dengan menyikapi perkembangan gadget dengan lebih baik dan bijak dengan mendorong siswa menggunaan gadget kearah yang lebih positif, (3) bagi peneliti, diharapkan pada peneliti selanjutnya dapat mengembangan penelitian tentang pengaruh intensitas penggunaan gadget terhadap prestasi belajar menggunakan metode lain.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,003 |
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 ».