HUBUNGAN KEMAMPUAN LITERASI DIGITAL DENGAN KEMAMPUAN MENULIS TEKS BERITA PADA SISWA KELAS VII SMPN 29 MEDAN TAHUN PEMBELAJARAN 2023/2024
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui Hubungan Kemampuan Literasi Digital dengan Kemampuan Menulis Teks Berita pada Siswa Kelas VII SMPN 29 Medan Tahun Pembelajaran 2023/2024. Populasi dalam penelitian ini seluruh siswa kelas VII SMPN 29 Medan yang berjumlah 253 orang. Sampel terdiri dari 30 orang yaitu kelas VII-4. Penelitian ini menggunakan metode korelasional dengan menggunakan pendekatan kuantitatif. Instrument yang digunakan dalam penelitian ini adalah tes berbentuk soal pilihan ganda dan essai. Hasil penelitian menunjukkan 1) Kemampuan literasi digital siswa kelas VII SMPN 29 Medan berada pada kategori cukup dengan rata-rata nilai siswa 66,8. 2) Kemampuan menulis teks berita siswa kelas VII SMPN 29 Medan berada pada kategori baik dengan rata-rata nilai 74. 3) Terdapat korelasi atau hubungan yang positif dan signifikan antara kemampuan literasi digital dengan kemampuan menulis teks berita siswa kelas VII SMPN 29 Medan. Hal ini ditunjukkan dari hasil uji t yang telah dilakukan, diperoleh hasil thitung sebesar 7,874 dan ttabel sebesar 1,701. Dari hasil tersebut, terlihat bahwa thitung ttabel maka Ha diterima dan Ho ditolak dengan tingkat hubungan 0,830 yang berarti variabel X memiliki korelasi yang sangat kuat dengan variabel Y.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».