MétaCan
Menu
Retour à la cohorte
Enregistrement W2901672728 · doi:10.23917/jmp.v13i2.6401

Manajemen Praktik Kerja Lapangan di SMK Batik 2 Surakarta

2019· article· id· W2901672728 sur OpenAlexaff
Diyah Setiyaningrum

Notice bibliographique

RevueManajemen Pendidikan · 2019
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueEducational Curriculum and Learning Methods
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Penelitian ini bertujuan untuk mendeskripsikan perencanaan, pelaksanaan, danpenilaian Praktik Kerja Lapangan di SMK Batik 2 Surakarta. Jenis penelitianini kualitatif etnografi. Teknik pengumpulan data, wawancara, observasi, dandokumentasi. Teknik analisis data menggunakan model interaktif. Hasil penelitian:1) Perencanaan Praktik Kerja Lapangan sudah dilaksanakan dengan baik, meliputitahapan sinkronisasi kurikulum, pembuatan peta DU/DI, koordinasi program kerjaPKL, sosialisasi program PKL, dan pembekalan PKL. 2) Pelaksanaan PKL di SMKBatik 2 Surakarta sudah dilaksanakan dengan baik, yaitu meliputi: penyerahan siswaPKL, pengorganisasian siswa PKL di lokasi DU/DI, monitoring PKL, penarikan siswaPKL, dan pelaporan PKL. 3) Penilaian PKL di SMK Batik 2 Surakarta dilakukandalam sebuah rapat yang diikuti oleh TIM HKI (Hubungan Kerja Industri) yangterdiri dari Kepala Sekolah, Wakil Kepala Kurikulum, Wakil Kepala Humas, seluruhKetua Kompetensi Keahlian, dan Wali kelas membahas keseluruhan kegiatan PKLtentang perencanaan dan pelaksanaan kegiatan PKL.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,061
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0610,012

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 Opus0,024
Tête enseignante GPT0,333
Écart entre enseignants0,309 · 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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManajemen PendidikanMême sujetEducational Curriculum and Learning MethodsTravaux en français237 207