MétaCan
Menu
Retour à la cohorte
Enregistrement W1654821697 · doi:10.14710/jip.v1i1.86-95

KAJIAN KINERJA SDM KEARSIPAN BADAN ARSIP DAN PERPUSTAKAAN PROVINSI JAWA TENGAH DALAM PENGOLAHAN ARSIP STATIS TAHUN 2012

2012· article· id· W1654821697 sur OpenAlexaff
Marini Septryani Sonday, Tri Maryanto, Dwihendrosono Dwihendrosono

Notice bibliographique

RevueJurnal Ilmu Perpustakaan · 2012
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueDecision Support System Applications
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePhysicsBusiness administrationBusiness

Résumé

récupéré en direct d'OpenAlex

Penelitian ini berjudul “Kajian Kinerja SDM Kearsipan Badan Arsip Dan Perpustakaan Provinsi Jawa Tengah Dalam Pengolahan Arsip Statis Tahun 2012”.Tujuan dari penelitian ini adalah untuk mengetahui bagaimana kinerja SDM kearsipan Badan Arsip dan Perpustakaan Provinsi Jawa Tengah melalui: kompetensi individu, dukungan organisasi, dan dukungan manajeman, kendala yang dihadapi SDM kearsipan dan upaya dalam mengatasi kendala.Metode penelitian yang digunakan adalah metode kualitatif pendekatan ilmu sosial dengan istilah etnometodologi. Penentuan informan sebagai sumber informasi. Teknik pengumpulan data: observasi, wawancara, dokumen, dan studi literatur. Metode analisis data: teknik triangulasi dan analisis model interaktif: reduksi data, penyajian data, dan penarikan kesimpulan/verifikasi.Hasil didapat, kinerja SDM kearsipan Badan Arsip Dan Perpustakaan Provinsi Jawa Tengah dalam pengolahan arsip statis melalui 3 indikator: 1) kompetensi individu; 2) dukungan organisasi; 3) dukungan manajeman, serta 9 subindikator: 1) kemampuan dan keterampilan teknik; 2) kemampuan dan keterampilan pembuatan jalan masuk; 3) motivasi dan etos kerja; 4) pengorganisasian; 5) prasarana dan sarana; 6) kondisi kerja; 7) persyaratan kerja; 8) sistem kerja dan; 9) hubungan kerja. Adapun kendala yang dihadapi: 1) anggaran sarana kurang cukup; 2) kurangnya upaya peningkatan kompetensi SDM kearsipan. Upaya dalam mengatasi kendala: 1) berupaya memberikan anggaran sarana yang cukup; 2) berupaya memberikan peningkatan kompetensi SDM melalui pendidikan dan pelatihan dari instansi pembina kearsipan.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0030,002
Communication savante0,0060,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0340,007

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,260
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Ilmu PerpustakaanMême sujetDecision Support System ApplicationsTravaux en français237 207