MétaCan
Menu
Retour à la cohorte
Enregistrement W4392421071 · doi:10.22202/jp.2022.v13i2.5814

DAMPAK LAYANAN INTERNET GRATIS UNTUK PELAJAR KELAS VIII SMPN 3 MAPAT TUNGGUL SELATAN PANGIAN KABUPATEN PASAMAN

2022· article· id· W4392421071 sur OpenAlexfundno aff
Tuti Lestari, Harisnawati Harisnawati, Waza Karya Akbar

Notice bibliographique

RevueJurnal Pelangi · 2022
Typearticle
Langueid
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas AirlanggaUniversitas Negeri SemarangAthabasca University
Mots-clésComputer scienceAdvertisingBusiness

Résumé

récupéré en direct d'OpenAlex

Layanan internet gratis ini diberikan kepada masyarakat Pangian khususnya untuk pelajar di SMP Negeri 3 Mapat Tunggul Selatan untuk mempermudahkan peserta didik dalam mengerjakan tugas sekolah. Tetapi kenyataannya pelajar kelas VIII di SMP Negeri 3 Mapat Tunggul Selatan tidak menggunakan layanan inernet gratis untuk kebutuhan Sekolah. Adapun tujuan penelitian ini adalah mendeskripsikan dampak layanan interenet gratis untuk kelas VIII Di SMP Negeri 3 Mapat Tunggul Selatan Jorong 3 Pangian Kabupaten Pasaman. Teori dalam penelitian ini yaitu teori belajar behavioristik. Pendekatan penelitian yang digunakan adalah kualitatif dengan tipe deskriptif. Informan penelitian purposive sampling. Teknik pengumpulan data berupa observasi, wawancara, dan studi dokumen. Unit analisis dalam penelitian ini yaitu kelompok. Analisis data menggunakan model Miles dan Huberman. Adapun dampak positif layanan internet gratis untuk pelajar Jorong 3 Pangian Mapat Tunggul Selatan Kabupaten Pasaman terdiri dari: (1) Memudahkan Dalam Proses Pembelajaran, (2) Sebagai sumber belajar, dan (3) Tidak mengeluarkan biaya. Sedangkan dampak negatif layanan internet gratis untuk kelas VIII di SMP Negeru 3 Mapat Tunggul Selatan Jorong 3 Pangian Kabupaten Pasaman terdiri dari: (1) Kecanduan game online, (2) Timbulnya sikap kurang menghargai, (3) Tidak disiplin mengantarkan tugas sekolah, (4) Tidak ada kontrol dari orang tua.

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 enseignants0,069
Score d'incertitude au seuil0,231

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0690,013

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 GPT0,282
Écart entre enseignants0,252 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal PelangiMême sujetEducational Methods and Media UseTravaux en français237 207