Peningkatan Kualitas Pendidikan Melalui Perencanaan Sistem Pengukuran Kinerja Pada Perguruan Tinggi Swasta Di Surabaya
Notice bibliographique
Résumé
Abstrak Peningkatan sumber daya sebuah negara salah satunya ditunjukkan dengan adanya peningkatan kualitas pendidikan dan pengelolaan dalam dunia pendidikan. Peningkatan kualitas pendidikan dapat dilihat dari kemampuan institusi untuk menghasilkan keluaran berupa lulusan yang memiliki pengetahuan yang mendalam, wawasan yang luas, life skill yang unggul, serta attitude yang profesional. Penelitian difokuskan pada pengelolaan perguruan tinggi swasta (PTS) karena sektor ini mengalami keterpurukan yang paling parah. Banyak perguruan tinggi swasta mengalami krisis dan akhirnya ambruk akibat tidak terukur kinerja pengelolaan dan kualitas pelayanan maupun output, sehingga tidak mampu bersaing dengan PTN. Penelitian ini menggunakan model Integrated Performance Measurement System (IPMS) dan kriteria RAISE++ untuk mengidentifikasi key performance indicator pada PTS di Surabaya Jawa Timur. Identifikasi KPI didasarkan pada stakeholder requirements, karena pada dasarnya tujuan organisasi secara umum adalah untuk memuaskan stakeholders . Hasil penelitian menunjukkan terdapat 21 kriteria, 82 sub kriteria dan 163 key performance indicator (KPI). Kriteria yang memiliki bobot terbesar menurut preferensi pengelola PTS adalah academic atmos phere dengan bobot 0.27814. Sub kriteria yang memiliki bobot terbesar adalah memiliki mekanisme seleksi pimpinan yang berkualitas dengan bobot 0.07653. K ey performance indicator yang memiliki bobot terbesar adalah menurut preferensi pengelola PTS adalah jumlah pelanggaran terhadap etika akademik dengan bobot 0.06213. Keywords: Sistem pengukuran kinerja, IPMS, kualitas pendidikan, PTS
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 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 ».