The Influence of Using WhatsApp Media on Motivation and Science Learning Outcomes during Online Learning
Notice bibliographique
Résumé
Learning motivation serves as a significant driving force for students, as it encompasses their engagement in learning activities, ensures the continuity of these activities, and provides direction towards achieving desired goals. The primary objective of this study was to examine the impact of WhatsApp usage on students' motivation to learn science, its influence on science learning outcomes, and its effect on both motivation and learning outcomes before and after using WhatsApp. The research was conducted among 5th grade students in the Se'seng cluster, Tana Toraja Regency. The population consisted of 95 students from SDN Gugus Se'seng. The study employed a pre-experimental model with a one-group pretest-posttest design. Prior to the treatment, a pretest was administered to assess the group's initial condition, followed by a post-test after the treatment to evaluate the group's condition post-intervention. Descriptive statistical analysis and inferential statistical analysis using SPSS 24 were employed in this study. The descriptive analysis of learning motivation among 5th grade students in the Se'seng cluster indicated an average score of 54.1667 during online learning. This average score suggests that students' motivation is still below the desired expectation of 65. In accordance with the learning process and cognitive characteristics, students were evaluated to measure their learning outcomes. The students' initial abilities were determined through a pretest, with an average score of 53.3333 in the descriptive analysis. This demonstrates that students' pretest abilities were still low and did not meet the required minimum passing grade of 75. The results of the learning motivation hypothesis test showed a t-value of -5.801, with a significance of 0.000 (p < 0.05), indicating that the use of WhatsApp media in online learning did not have a significant impact on students' learning motivation. However, based on the results of the t-test, it was determined that learning through WhatsApp media had an effect on the learning outcomes of 5th grade students in the Se'seng cluster.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».