Sistem Pakar Mengidentifikasi Minat Bakat Anak Dengan Metode Certainty Factor
Notice bibliographique
Résumé
Banyak orang tua yang cendCrung memaksakan kehendaknya ketika memilih sekolah formal ataupun non formal untuk anaknya. Dikarenakan tidak mengetahui Minat dan bakat yang dimiliki oleh anaknya. Hal ini mengekibatkan anak akan sulit untuk berkembang. Dan sulitnya menemukan psikolog anak untuk berkonsultasi juga menjadi salah satu penyebab hal ini Sistem pakar mengidentifikasi minat bakat anak dibangun dengan bahasa pemrograman PHP dan database yang digunakan adalah Php MyAdmin (MySql). Sistem pakar harus mampu bekerja dalam kondisi ketidakpastian. Dalam menghadapi masalah, sering ditemukan jawaban yang tidak memiliki kepastian. Tinggi rendahnya tingkat ketidakpastian hasil identifikasi dipengaruhi oleh aturan yang tidak pasti dan jawaban pengguna. MetodeCertainty Factor yang merupakan suatu teori matematika untukmengakomodasi ketidakpastian pemikiran seorang pakar, guna mengggambarkan tingkat keyakinan pakar terhadap masalah yang sedang di hadapi.Hasil perhitungan diperoleh dari karakteristik yang ada, sehinggamenghasilkan identifikasi kecerdasan yang dimiliki oleh anak yaitu pada kecerdasan visual-spasial yang memiliki nilai kepastian paling kuat sebesar 99,60%
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,006 |
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 ».