Intensitas Penggunaan Gadget dengan Perkembangan Sosial pada Anak Usia Dini (4-6 Tahun)
Bibliographic record
Abstract
Penggunaan gadget melebihi batas waktu yang disarankan pada anak dapat menyebabkan sebuah ketergantungan, ketika dalam menggunakan gadget terlalu lama mengakibatkan anak kurang berinteraksi dan kurang beradaptasi yang nantinya akan menghambat perkembangan sosial. Tujuan penelitian untuk mengetahui hubungan intensitas penggunaan gadget dengan perkembangan sosial pada anak usia dini (4-6 tahun). Metode penelitian ini adalah deskriftif analitik korelasional dengan pendekatan cross sectional. Tekhnik pengumpulan data yang digunakan adalah data kuantitatif dengan istrumen penelitian melalui pengisian kuisioner. Responden dalam penelitian ini sebanyak 35 orang melalui teknik pengambilan sampel total sampling. Analisa data menggunakan metode uji Spearman Rho. Hasil penelitian menunjukan bahwa sebagian besar sekitar 18 anak (51,4%) intensitas penggunaan gadget tinggi dengan perkembangan sosial yang kurang sebanyak 16 anak (45,7%). Hasil analisis didapatkan hubungan yang signifikan antara intensitas penggunaan gadget dengan perkembangan sosial pada anak usia dini (4-6 tahun) dengan nilai p value 0,000 yang lebih kecil daripada nilai α : 0,05 (p<0,05). Berdasarkan penelitian ini erat hubungannya antara intensitas penggunaan gadget dengan perkembangan sosial, diharapkan orangtua mampu mengontrol penggunaan gadget pada anak dengan memberikan batasan waktu dan mengalihkan kebiasaan anak dengan membiarkan anak beradaptasi dengan lingkungannya.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".