MétaCan
Menu
Retour à la cohorte
Enregistrement W6968098970 · doi:10.5281/zenodo.14233675

The Influence of the Availability of Facilities and Infrastructure on Student Motivation at SMA Negeri 1 Parmaksian

2024· article· en· W6968098970 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth and Education Studies
Établissements canadiensInstitute for Christian Studies
Organismes subventionnairesnon disponible
Mots-clésSMA*Test (biology)Normality testRegression analysisSample (material)PopulationStatistical hypothesis testingLinear regressionNormality

Résumé

récupéré en direct d'OpenAlex

Abstract: This research aims to analyze the influence of the availability of facilities and infrastructure on student learning motivation at SMA N 1 Parmaksian. The method used is a quantitative inferential statistical method. The population of this study consisted of 195 students at SMA Negeri 1 Parmaksian, with a sample of 66 people. Data was collected through a closed questionnaire with 42 statement items. The results of the research show that there is a positive and significant influence on the availability of facilities and infrastructure on student learning motivation at SMA Negeri 1 Parmaksian. This research uses two types of analysis requirements, namely the normality test and the linearity test. The test results show that there is a positive relationship between the variables X and Y with a value of rcount = 0.404 > ttable (α = 0.05, n = 66) 0.235. Apart from that, the significance test shows that there is a significant relationship between the variables The hypothesis was tested through a regression equation test which produced the equation ỳ = 41.957 + 0.475 and the regression coefficient of determination r2 = 0.163. Hypothesis testing with the F test shows Fcount > Ftable = 12.478 > 4.00.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,040
Tête enseignante GPT0,315
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueZenodo (CERN European Organization for Nuclear Research)Même sujetHealth and Education StudiesTravaux en français237 207