The Impact of School Facilities and Infrastructure Availability on Educational Services at SMP Negeri 4 Tarutung
Notice bibliographique
Résumé
Abstract: The objective of this research is to determine the positive and significant impact of the availability of school facilities and infrastructure on the quality of learning services at SMP N 4 Tarutung. The methodology employed in this study is quantitative with inferential statistics. The population consists of 231 students from grades IX and VIII at SMP Negeri 4 Tarutung, and a sample of 57 was selected using random sampling techniques. Data was collected through a closed-ended questionnaire consisting of 42 items. The data analysis reveals a positive and significant influence of the availability of school facilities and infrastructure on the quality of learning services at SMP N 4 Tarutung: 1.) Analysis prerequisites: a) For positive influence testing, the value of rxy = 0.681 is greater than rtable ( ὰ =0.05, n=57) = 0.226, indicating a positive influence between variable X and variable Y. b) For the significance of the relationship, the calculated t value is 6.899, which is greater than ttable ( ὰ=0.05, df=n-2=55) = 2.000 , indicating a significant relationship between variable X and variable Y. 2.) Influence testing:a) Regression equation testing yielded the regression equation \( \hat{Y} = 3.252 + 0.782X \). b) The coefficient of determination (r²) is 46.4%.3.) Hypothesis testing using the F test showed Fcount > Ftable specifically 47.593 > 4.00. Therefore, Ha is accepted, and H0 is rejected.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».