IMPLEMENTASI PROSES UJI SISTEM INFORMASI ADMISI PASCASARJANA UNIVERSITAS SAM RATULANGI
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstrak Kualitas Perangkat Lunak menjadi hal yang sangat penting di era perkembangan teknologi informasi yang pesat saat ini. Untuk mengukur apakah suatu perangkat lunak berkualitas maka harus dilakukan pengujian. Pengujian (Testing) adalah proses menganalisa suatu entitas software untuk mendeteksi perbedaan antara kondisi yang ada dengan kondisi yang di inginkan untuk menemukan defects/ errors/ bugs dan mengevaluasi fitur-fitur dari entitas software. Demikian juga dalam pengembangan Sistem Informasi Admisi Pasca Sarjana UNSRAT perlu dilaksanakan pengujian untuk menemukan bug sehingga kemudian dapat dilaporkan kepada tim pengembang. Penelitian ini bertujuan untuk menemukan dan mendaftrakan bug yang terjadi pada Sistem Informasi Admisi Pasca Sarjana UNSRAT. Metode yang digunakan adalah metode Verifikasi dan Validasi. Yang menjadi inti dari metode ini adalah pengujian. Pengujian dilaksanakan dengan menggunakan teknik-teknik pengujian sepeti Required Based Testing, White Box Testing, Black Box Testing, dan Basic Path Testing. Proses Pengujian menggunakan Requirement Based Testing Framework yang digunakan oleh RIM bekerja sama dengan University of Waterloo. Hasil penelitian diperoleh hasil berupa daftar error yang terjadi pada perangkat lunak Sistem Informasi Admisi Pasca Sarjana UNSRAT, dan dalam proses pengujian dihasilkan dokumentasi test plan document, test suite document, test report document. Error yang terjadi adalah kesalahan fungsi beberapa fitur yang tidak berjalan baik, kesalahan pada antarmuka yang mengganggu estetika interkasi manusia dan komputer. Kata Kunci: Perangkat Lunak, Pengujian, Verifikasi & Validasi
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,007 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 découle