Did digital learning orientation, e-learning implementation and creativity reinforce students' innovation culture?
Notice bibliographique
Résumé
The purpose of this study is to analyze the relationship between digital orientation and student innovation culture, the relationship between student creativity and student innovation culture and the relationship between e-learning and student innovation culture. This study uses a specific quantitative study by investigating the relationship between variables. These variables are measured using a research instrument, namely a questionnaire, so that the data obtained are in the form of numbers that can be analyzed through statistical calculations. The quantitative research method is chosen in this study because it uses data in the form of numbers that are analyzed by statistical calculations, and aims to test the established hypothesis. This study collects primary data using a survey method, namely distributing questionnaires to respondents in the form of Google Forms designed using a Likert scale of 1 to 5, which later the results of the questionnaire will be processed using the PLS-SEM application. Respondents in this study are 427 teachers who taught in elementary schools in Indonesia elementary school students, the sampling technique used is simple random sampling where each member of the population is given an equal opportunity to be selected as a sample. The results of this study are: Digital orientation has a positive effect on student innovation culture, Student creativity has a positive effect on student innovation culture and the influence of e-learning has a positive effect on student innovation culture. Digital learning is an educational innovation that can improve the quality of learning and support modern education. The benefits of e-learning include: Learning can be done anytime and anywhere, so it can reach more students, The teaching and learning process can be done more effectively and cost-effectively.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».