PENERAPAN PROFILE MATCHING UNTUK PENCARIAN SISWA SMP PENERIMA BEASISWA MISKIN DAN BERPRESTASI
Notice bibliographique
Résumé
Sistem Pendukung Keputusan pada dasarnya adalah sistem komputer yang bertujuan untuk membantu para pengambil keputusan untuk mengambil keputusan yang sesuai, yang dapat memperhitungkan segala kriteria yang mendukung pengambilan keputusan guna membantu, mempercepat, dan mempermudah proses pengambilan keputusan. S alah satu metode yang digunakan untuk menentukan calon penerima beasiswa adalah profile matching karena mampu menyeleksi alternative terbaik dari sejumlah alternatif, dalam hal ini alternatif yang dimaksudkan yaitu yang berhak menerima beasiswa berdasarkan kriteria-kriteria yang ditentukan. Penelitian dilakukan dengan menentukan aspek dan sub aspek berserta mencari nilai bobot untuk setiap sub aspek, mencari GAP antara profil dengan keadaan data dari para siswa .D engan menggunakan metode ini ditentukan presentasi kedua unsur aspek dan dijumlahkan kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal, yaitu siswa dengan nilai tertinggi . Ada dua bentuk penerima beasiswa yang digunakan pada penelitian ini, yaitu berdasarkan ekonomi keluarga dan berdasarkan prestasi siswa. Hasil akhir dari penelitian ini berupa sebuah sistem pendukung keputusan menentukan calon penerima beasiswa yang mampu memberikan solusi berupa hasil rangking dari seleksi Metode Profile Matching berdasarkan kriteria yang telah di tentukan Kata Kunci : Beasiswa, Profile Matching, Sistem Pendukung K eputusan.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».