PENGARUH PELATIHAN PENGEMBANGAN DAN KARAKTERISTIK INDIVIDU TERHADAP KINERJA PELAYANAN DINAS KEPENDUDUKAN DAN PENCATATAN SIPIL KAB.TIMOR TENGAH SELATAN
Notice bibliographique
Résumé
Penelitian ini dilakukan di Dinas Kependudukan dan Pencatatan Sipil Kabupaten Timor Tengah Selatan. Fenomena yang terjadi adalah kurangnya tenaga operasional dalam melakukan pekerjaan baru dan kurangnya ketepatan waktu peneyelesaian pekerjaan. Hal ini mungkin dipengaruhi oleh kurangnya program pelatihan pengembangan dan Karaktristik Individu yang ada di Dinas Kependudukan dan Pencatatan Sipil Kabupaten Timor Tengah Selatan.Metode penelitian ini menggunakan metode deskriptif dan asosiatif. Unit analisis dalam penelitian ini adalah seluruh karyawan dan UPT Dina Kependudukan dan Pencatatan Sipil Kabupaten Timor Tengah Selatan yang berjumlah 58 orang. Teknik sampling yang digunakan adalah sampling jenuh atau sensus.Hasil penelitian ini diketahui bahwa pelatihan pengembangan berpengaruh terhadap kinerja pelayanan sebesar 45,9%, sementara karakteristik individu berpengaruh terhadap kinerja pelayanan sebesar 31,1%. Sedangkan pengaruh secara simultan antara pelatihan pengembangan dan karakteristik individu terhadap kinerja pelayanan sebesar 44,7%.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,004 |
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 ».