Alat Bantu Pengidentifikasi Tingkat Stres Mahasiswa Yang Sedang Mengerjakan Tugas Akhir/skripsi
Notice bibliographique
Résumé
Mahasiswa tingkat akhir yang sedang mengerjakan Tugas Akhir/skripsi rentan mengalami stres. Stres bisa disebabkan berbagai macam penyebab terutama adanya tekanan karena beban yang cukup berat. Mahasiswa yang mengalami stres sebaiknya segera mendapatkan solusi sehingga tidak mengganggu proses penyelesaian Tugas Akhir/skripsi. Sangat penting bagi mahasiswa yang sedang mengerjakan Tugas Akhir untuk dapat mengidentifikasi dirinya sendiri apakah sedang stres atau tidak, demikian juga bagi institusi pendidikan. Pendekatan sistem informasi berbasis komputer, dalam hal ini adalah sistem pakar dapat digunakan sebagai alat bantu untuk mengidentifikasi tingkat stres pada mahasiswa. Sistem ini tidak bermaksud menggantikan peran psikolog sebagai pakar yang biasa menangani orang-orang yang terganggu karena mengalami tekanan. Alat bantu ini memiliki fasilitas untuk konsultasi bagi mahasiswa yang sedang mengerjakan Tugas Akhir/skripsi dan fasilitas akuisisi pengetahuan bagi pakar. Untuk mengetahui tingkat keyakinan terhadap hasil identifikasi tingkat stres mahasiswa, sistem ini menggunakan metode Certainty Factor. Kata Kunci : pakar, pengetahuan, skripsi, stres
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 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 ».