MétaCan
Menu
Retour à la cohorte
Enregistrement W2911153404 · doi:10.31605/jcis.v1i1.242

ANALISIS UJI VALIDITAS TES BUATAN GURU BAHASA BUGIS DENGAN MENGGUNAKAN ARTIFICIAL INTELLIGENCE (AI) KELAS IX 1 SMPN 1 LABAKKANG KABUPATEN PANGKEP

2018· article· id· W2911153404 sur OpenAlexaff
Andi muh Yusuf

Notice bibliographique

RevueJournal of Computer and Information System ( J-CIS ) · 2018
Typearticle
Langueid
DomaineComputer Science
ThématiqueEdcuational Technology Systems
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésPsychologyHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Tujuan penelitian ini adalah untuk menjelaskan analisis uji validitas tes buatan guru bahasa Bugis dengan menggunakan Artificial Intelligence (AI) kelas IX 1 SMPN 1 Labakkang Kabupaten Pangkep. Jenis penelitian yang digunakan adalah penelitian kualitatif yang bersifat deskriptif. Data penelitian adalah tes-tes buatan guru sekolah yang telah diberikan kepada siswa. Sumber data penelitian ini adalah sumber tertulis berupa silabus, RPP kisi-kisi, soal (tes) yang telah dibuat guru bahasa Bugis SMPN 1 Labakkang Kabupaten Pangkep. Hasil penelitian ini Piranti Lunak Artificial Intelligence (AI) (Test-Analysis Software) berjalan sesuai yang diharapkan. Analisis uji validitas tes buatan guru menggunakan Artificial Intelligence (AI) berupa soal uraian menggunakan empat instrumen. Adapun keempat instrumen dalam menguji validitas, yaitu 1) penilaian RPP yang berada pada tataran kategori baik atau valid. 2) pengamatan uji validitas yang berada pada kategori sangat baik atau sangat valid. 3) respon siswa yang terdiri tiga kategori validitas soal (27%) yang tidak valid atau respon yang kurang baik dan respon peserta didik terhadap tes buatan guru bahasa Bugis menunjukkan valid atau respon yang baik berjumlah 24 siswa (73%). 4) analisis butir soal yang terdiri dari kategori sangat tinggi terdapat dua butir soal, yaitu butir soal ke-1 dan ke-4 (28.6 %), kategori tinggi, yaitu tiga butir soal berkategori tinggi, yaitu butir soal nomor ke-5, ke-6, dan ke-7 (42.8 %), dan kategori sedang, terdapat dua butir soal berkategori sedang, yaitu butir soal nomor 2 dan 3 (28.6). Pengujian validitas tes buatan guru ini menyatakan bahwa tes buatan guru ini berdasarkan pengkategorian validitas isi, konstruk, dan kriteria/empiris adalah valid.

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)0,011
score de la tête « metaresearch » (Gemma)0,050
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: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,050
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0020,001
Communication savante0,0080,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0320,009

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 Opus0,032
Tête enseignante GPT0,270
Écart entre enseignants0,237 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computer and Information System ( J-CIS )Même sujetEdcuational Technology SystemsTravaux en français237 207