Penerapan Bimbingan Klasikal dalam Mencegah Internet Addiction pada siswa
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Internet Addiction merupakan sebuah gangguan dari perilaku individu yang menghabiskan waktu menggunakan Internet secara berlebihan, individu tersebut juga tidak dapat mengkontrol dirinya dalam penggunaan Internet. Tujuan penelitian ini untuk mengetahui gambaran Internet Addiction pada siswa sebelum diberikan bimbingan klasikal dan gambaran Internet Addiction pada siswa sesudah diberikan bimbingan klasikal. Penelitian ini menggunakan pendekatan kuantitatif dengan jenis penelitian Pre-experimental design model One Group Pretest-Posttest. Populasi penelitian adalah seluruh siswa kelas XI Sekolah Menengah Atas Negeri 12 Banda Aceh sebanyak 46 siswa. Teknik pengumpulan data menggunakan skala yang dimodifikasi dari skala Internet Addiction Widyanto & McMurren dalam buku Kecanduan Internet oleh Young tahun 2017. Teknik analisis data dalam penelitian ini ialah teknik analisis kuantitatif deskriptif. Hasil penelitian menunjukkan bahwa setelah diberikannya perlakuan, siswa mengalami perubahan tingkatan Internet Addiction dari tingkat rendah menjadi tingkat sangat rendah setelah diberikannya bimbingan klasikal, dengan nilai rata-rata sebelum diberikan bimbingan klasikal ialah 32,4 menjadi 19,3 sesudah diberikan bimbingan klasikal. Dengan demikian, penerapan bimbingan klasikal dapat mencegah Internet Addiction pada siswa. Hasil Penelitian ini diharapkan dapat berkontribusi secara teoritik dan praktik dalam mengembangkan perluasaan khasanah kajian keilmuan bimbingan dan konseling.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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 it