HUBUNGAN ANTARA FAKTOR KEPRIBADIAN BIG FIVE DENGAN SHYNESS PADA MAHASISWA BARU UNIVERSITAS NEGERI MAKASSAR
Bibliographic record
Abstract
HUBUNGAN ANTARA FAKTOR KEPRIBADIAN BIG FIVE DENGAN SHYNESS PADA MAHASISWA BARU UNIVERSITAS NEGERI MAKASSAR \n \nYusmita. M \n(Yusmitaa25@gmail.com) \n \nSitti Murdiana \n(sittimurdiana@gmail.com) \n \nAhmad Ridfah \n(ahmad.ridfah@unm.ac.id) \n \nFakultas Psikologi, Universitas Negeri Makassar \nJl. A. P. Pettarai Makassar, 90222 \n \n \nABSTRAK \n \nMahasiswa baru yang berada pada masa transisi akan mengalami perubahan lingkungan yang akan menyebabkan mereka akan sulit berosialisasi apabila mengalami shyness. Tujuan dari penelitian ini adalah untuk mengetahui hubungan antara faktor kepribadian big five dengan shyness pada mahasiswa baru. Subjek penelitian dalam penelitian ini berjumlah 378 orang mahasiswa baru Universitas Negeri Makassar. Teknik pengambilan sampel dalam penelitan ini adalah cluster sampling. Metode yang digunakan dalam penelitian ini adalah metode kuantitatif. Hasil penelitian ini menunjukkan bahwa tipe kepribadian extraversion memiliki hubungan dengan shyness (r= -0,396, p= 0,000), tipe kepribadian agreeableness memiliki hubungan dengan shyness (r=0,393, p= 0,000) tipe kepribadian conscienstiousness memiliki hubungan dengan shyness (r=0,160, p=0,002), tipe kepribadian neuroticsm tidak memiliki hubungan dengan shyness (r=0,96, p= 0,061), dan tipe kepribadian openness to experience memiliki hubungan dengan shyness (r=0,219, p=0,000). Penelitian ini dapat menjadi masukan bahwa shyness yang dialami mahasiswa dapat dilihat dari tipe kepribadian yang dimiliki. \n \nKata Kunci: Shyness, Big Five, Mahasiswa Baru.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.163 | 0.045 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".