Developing a Model of Compulsory Basic Education Completion acceleration in Support of Millennium Development Goals in Magelang, Indonesia
Notice bibliographique
Résumé
This article reports Year One of a two-year study to develop a model to accelerate compulsory basic education completiontoward Millennium Development Goals (MDGs) in Magelang, Indonesia. The study focuses on five issues: (1) profile of MDGs in Magelang, (2) achievement of MDGs, (3) problems in MDGs implementation, (4) model of compulsary basic education completion acceleration, and (5) effectiveness of the model proposed. As R&D undertaking, the data were collected through documentation and interviews with related authorities, including focused group discussion.The initial model underwent a limited test for necessary revision. The findings showed that the Local Government has implemented the compulsary education with relatively high gross and net enrolment rates of 96.80% and low dropouts and repeaters rates. In 2013-2014, many of the students were from outside Magelang. However, such achievements have not complied with MDGs. One possible cause of the problems was a top-down management system, resulting in low participation of the society members. In conclusion, Magelang Municipality has actually been highly committed to the completion of basic education in accordance with the strategic plans 2010-2014 of the National Education Ministry. A team was established to organize relevant activities to accelerate full implementation of the program. Recommended in Year One of the study were that (1) the Local Government’s commitment to education be sustained, (2) the society members’ participation be optimized in data inventories, planning, implementation, monitoring and evaluation of the program, and (3) the optimization of the society’s participation be supported by Local Government, including the stakeholders.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».