Perancangan Arsitektur Data Pada Fungsi Analisis Kondisi Umum Daerah Kabupaten Bintan Menggunakan Framework Togaf Adm
Notice bibliographique
Résumé
Badan Perencanaan, Pembangunan, Penelitian, dan Pengembangan (BAPELITBANG) Kabupaten Bintan, salah satu dari tugasnya adalah mempersiapkan RPJMD (Rencana Pembangunan Jangka Menengah) yang dikenal sebagai RPJMD teknokratik. Saat mempersiapkan RPJMD dibutuhkan data dan informasi kondisi umum daerah, yang digunakan sebagai dasar untuk mengeksplorasi, memproyeksikan, memprediksi kondisi lima tahun ke depan. Ada beberapa tahapan sebelum melakukan proses analisis data dan analitik, salah satunya adalah data preprocessing. Salah satu kesulitan yang dihadapi oleh BAPELITBANG adalah tahapan data preprocessing, karena data tersebar di Organisasi Perangkat Daerah (OPD) dengan berbagai macam format. Solusi untuk menyelesaikan permasalahan ini dimulai dari merancang arsitektur data. Framework yang digunakan untuk merancang arsitektur adalah The Open Group Arcitecture Framework (TOGAF) Architecture Development Method (ADM) Fase C, yaitu Arsitektur Sistem Informasi. Hasil dari Perancangan adalah cetak biru (Blueprint) yang dapat digunakan sebagai panduan dalam mengimplementasikan dan sebagai basis ke tahapan selanjutnya, yaitu data cleansing, data filter / enrich, classification, data analytics, modelling prediction, data delivery, dan data visualization.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,011 |
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 ».