MétaCan
Menu
Retour à la cohorte
Enregistrement W4404457448 · doi:10.54373/ifijeb.v4i5.2141

Pengaruh Kecerdasan Emosional, Perilaku Belajar, Minat Belajar Dan Cara Mengajar Dosen Terhadap Pemahaman Akuntansi Mahasiswa Universitas Bina Insan Lubuklinggau

2024· article· id· W4404457448 sur OpenAlexaff
Yuli Nurhayati, Eri Triharyati, Tamsil Wiranata, Dian Wulan Sari

Notice bibliographique

RevueIndo-Fintech Intellectuals Journal of Economics and Business · 2024
Typearticle
Langueid
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPsychologyHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Fokus penelitian ini adalah untuk menganalisis potensi pengaruh kecerdasan emosional, perilaku belajar, minat belajar, dan metode pengajaran dosen terhadap pengetahuan akuntansi secara parsial dan agregat. Tujuan dari penelitian ini adalah untuk mengidentifikasi faktor-faktor yang paling signifikan dalam meningkatkan pemahaman akuntansi mahasiswa dan mengevaluasi pengaruh gabungan dari variabel-variabel tersebut terhadap hasil pembelajaran akuntansi. Metodologi penelitian yang digunakan adalah metode kuantitatif, dengan populasi penelitian terdiri dari 186 mahasiswa akuntansi dan sampel berjumlah 126 mahasiswa. Data diolah dan diperiksa menggunakan aplikasi SPSS versi 22. Hasil uji agregat menunjukkan nilai f hitung sebesar 13,723 melampaui nilai f tabel sebesar 2,45, yang mengindikasikan bahwa perilaku belajar, kecerdasan emosional, dan minat belajar dengan metode pengajaran dosen secara signifikan meningkatkan pemahaman akuntansi mahasiswa. Berdasarkan hasil beberapa pengujian, kecerdasan emosional secara signifikan meningkatkan pengetahuan akuntansi (nilai t hitung 4,435), perilaku belajar memiliki pengaruh yang sangat bermanfaat (nilai t hitung 5,522), minat belajar juga menunjukkan pengaruh yang signifikan (nilai t hitung 5,587), dan metode pengajaran dosen memberikan dampak yang signifikan dan menguntungkan (nilai t hitung 4,839).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,271
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndo-Fintech Intellectuals Journal of Economics and BusinessMême sujetEducational Methods and Media UseTravaux en français237 207