Pengaruh Penggunaan Aplikasi TikTok terhadap Literasi Informasi Mahasiswa Jurusan Ilmu Perpustakaan dan Informasi Islam UIN Antasari Banjarmasin
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>Indonesia is the second most active user of the TikTok application in the first quarter of 2022 because it spends an average of 23.1 hours per month on TikTok. The use of time by the user should not be wasted and can produce benefits in the form of information according to the facts. This research uses participatory media culture theory which explains the ways in which new media culture offers audiences to jointly take on the role of media consumers and media producers at the same time. The media in this research is the TikTok application. The research method is a quantitative research method which aims to show the relationship between the influence of the use of the TikTok application as variable This research includes quantitative data collection, analysis, and statistical testing. With a population of 326 people, a sample of 77 people was taken using the Slovin formula. Data was obtained by distributing closed questionnaires using a Likert scale. The results of the research show that there is an influence of the use of the TikTok application on student information literacy, namely 54.0%, meaning that the influence of the independent variable, namely the use of the TikTok application, on student information literacy is 54.0% while the remainder is (100% - 54.0%) is 46% influenced by other variables outside this research. The R-Square value of 54% is included in the moderate category, meaning that the influence of using the TikTok application on student information literacy depends on the individual user's use of the application.</p>
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle