MétaCan
Menu
Retour à la cohorte
Enregistrement W2930911064 · doi:10.30871/jaic.v2i2.1033

Strategi Perencanaan Sistem Informasi Dan Teknologi Informasi Di Lingkungan Perguruan Tinggi

2018· article· en· W2930911064 sur OpenAlexaff
Agung Budi Prasetyo

Notice bibliographique

RevueJournal of Applied Informatics and Computing · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology in Education and Learning
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésSWOT analysisMistakePortfolioComputer scienceProcess managementService (business)Key (lock)Information systemEngineering managementPlan (archaeology)Function (biology)Strategic planningKnowledge managementBusinessEngineeringComputer securityMarketingPolitical science

Résumé

récupéré en direct d'OpenAlex

Nowadays, many universities trying to implement Information System and Information Technology to support academic activities, but the some how there is still lacking. The problems come up when universities was mistake when initialize of what they needs. Utilization of applications of SI / IT that are not yet optimal include the lack of contribution, integration and innovation is suspected to be the cause factor. The most important thing to plan SI / IT is understanding the current condition to initialize the business needs through SWOT and Critical Success Factors analysis. The analysis will generate McFarlan portfolio matrix to determine the required applications by dividing it into 4 quadrants: support, key operational, strategic and high potential. The result of this application portfolio planning is a list of required applications now, in the future and mapping each of the proposed applications based on each function or part of the organization. From that results is expected gradually all academic activities can be automated through the presentation of accurate information and up-to-date also able to provide one stop service for academic activities than it can reduce the operational costs to support academic activities.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0060,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,007

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 Opus0,010
Tête enseignante GPT0,235
Écart entre enseignants0,225 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Informatics and ComputingMême sujetBlockchain Technology in Education and LearningTravaux en français237 207