Analisa Brand Image Dalam Pengambilan Keputusan Memilih Perguruan Tinggi
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui citra merek yang terdapat di Universitas Pamulang, sehingga mampu mempengaruhi mahasiswa memilih Universitas Pamulang.Metode yang terdapat pada penelitian ini, peneliti menggunakan phenomenological method. Dalam pengumpulan data di penilitian ini peneliti menggunakan metode snowball sampling.Brand Image atau citra merek yang selama ini berusaha disampaikan kepada masyarakat luas sudah berhasil diterima. Seperti ketika masyarakat khususnya mahasiswa mendengar kata “Unpam” maka mereka langsung mengingat bahwa Universitas Pamulang merupakan Perguruan Tinggi memiliki harga terjangkau untuk semua lapisan masyarakat, memiliki fasilitas yang sangat baik seperti gedung yang besar, dan memiliki kualitas yang baik.Brand image dalam pengambilan keputusan mahasiswa memilih kampus sangat dipertimbangkan oleh mahasiswa, mereka memilih Perguruan Tinggi ini karena mempertimbangkan biaya yang harus dikeluarkan selama berkuliah, mereka melihat gedung yang sangat besar, dan mendengar rekomendasi dari teman – teman mereka bahwa Universitas Pamulang merupakan kampus yang berkualitas dibuktikan dengan saat ini memiliki Akreditas B pada program studi Manajemen S1.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».