PENGARUH LITERASI DIGITAL TERHADAP QUARTER LIFE CRISIS MAHASISWA ILMU PERPUSTAKAAN UIN SUNAN KALIJAGA
Notice bibliographique
Résumé
This study aims to 1) determine the level of digital literacy of UIN Sunan Kalijaga \nLibrary Science students, 2) determine the level of quarter life crisis experienced \nby UIN Sunan Kalijaga Library Science students, and 3) determine the effect of \ndigital literacy skills on quarter life crisis of UIN Sunan Kalijaga Library Science \nstudents. This research uses quantitative methods with descriptive and correlation \ntypes. The subjects are Library Science students class of 2019 and 2020, and the \nobject is the influence of digital literacy on quarter life crisis. Sampling using \nproportionate stratified random sampling technique with a sample gain of 69 \nstudents. Data collection was carried out using observation, interview, \ndocumentation, and questionnaires. Data were analyzed using mean, grand mean, \nproduct moment correlation, and simple linear regression. The results of the \nanalysis show that 1) students' digital literacy is in a very high category with a \nvalue of 3.4, 2) students experience a quarter life crisis of 2.85 in the high \ncategory, and 3) digital literacy affects quarter life crisis with a significance value \nof 0.000 <0.05. Based on the coefficient of determination, digital literacy has an \neffect of 18.4% on quarter life crisis. Product moment correlation analysis shows \na pearson correlation value of -0.429, which means the higher the digital literacy, \nthe lower the quarter life crisis, and vice versa.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,007 | 0,017 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».