Pengaruh Resiliensi Akademik dan Self Efficacy Terhadap Stres Akademik
Notice bibliographique
Résumé
Sistem pembelajaran yang semula pembelajaran tatap muka menjadi pembelajaran online menimbulkan masalah yaitu stres akademik. Oleh karena itu, penting untuk diteliti. Penelitian ini bertujuan untuk menganalisis pengaruh resiliensi akademik dan self efficacy terhadap stres akademik pada peserta didik kelas XI IPS SMA Negeri di Kecamatan Singaparna Tahun Ajaran 2022/2023. Metode yang digunakan yakni metode survey. Populasi dalam penelitian ini sebanyak 293 peserta didik, dan sampel sebanyak 169 peserta didik dengan menggunakan teknik perhitungan rumus slovin serta teknik pengambilan sampel yaitu simpel random sampling. Teknik pengumpulan data menggunakan kuesioner serta teknik analisis data menggunakan analisis regresi linier berganda dengan bantuan software SPSS 25. Adapun hasil penelitian menunjukkan bahwa : 1) Resiliensi akademik berpengaruh yang signifikan terhadap stres akademik dengan nilai signifikansi 0,039. 2) Self efficacy berpengaruh yang signifikan terhadap stres akademik dengan nilai signifikansi 0,000. 3) Resiliensi akademik dan self efficacy berpengaruh yang signifikan terhadap stres akademik dengan nilai signifikansi 0,000.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,002 |
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 ».