Application of the fuzzy clusterwise generalized structured component method to evaluate implementation of national education standard in Indonesia
Notice bibliographique
Résumé
Results of school accreditation and national examinations are two indicators that are often used to describe the achievement of quality in education in Indonesia. ‘Accreditation’ reflects the fulfillment of 8 national education standards (NES), while the national exam (NE, or UN in Bahasa) for students describes academic performance. Eight NES and academic performance are latent variables. The relationship between the two variables and the validity of its indicators can be evaluated by several methods. Path analysis with latent variables can be obtained through general structured component analysis (GSCA) with the assumption of homogeneity of variance. Since the data are not homogeneous, this study aims to apply the fuzzy clusterwise generalized structured component analysis (FCGSCA) to evaluate the relationship between the NES and the UN, and the validity of the indicators. The results showed that there were two school clusters in Indonesia. The evaluation of the measurement model indicated that some indicators of the accreditation instrument were not valid, i.e., 6 indicators in cluster 1 and 15 indicators in cluster 2. The structural model evaluation of the two clusters indicated that standard of process to the UN was not significant. Based on the overall goodness of the fit model, the total diversities of all variables that could be explained were 61.60% in cluster 1 and 59.90% in cluster 2.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».