PEMBUATAN APLIKASI “AWAS BANG” UNTUK MENINGKATKAN EFISIENSI KEPENGAWASAN PADA SEKOLAH BINAAN DI KABUPATEN BANGKALAN
Notice bibliographique
Résumé
Penelitian yang didesain sebagai penelitian dan pengembangan ini bertujuan mendeskripsikan proses, hasil, dan respons pengawas terhadap pembuatan aplikasi AWAS BANG untuk meningkatkan efisiensi kepengawasan pada sekolah binaan di Cabang Dinas Pendidikan Kabupaten Bangkalan. Pengumpulan data dilakukan melalui studi pustaka, angket, dan wawancara. Melalui tahapan pengumpulan informasi, perancangan, pembuatan aplikasi, uji coba, dan revisi dihasilkan sebuah aplikasi kepengawasan berbasis VBA Macro Excel yang dinamai AWAS BANG (Aplikasi Pengawas Bangkalan). Dampak dari penggunaan aplikasi tersebut berupa efisiensi kepengawasan. Hal itu terindikasikan dari respons pengawas melalui angket. Dari hasil angket diketahui bahwa semua pengawas sekolah di Cabang Dinas Pendidikan Kabupaten Bangkalan merasa terbantu karena tugas kepengawasan menjadi lebih efisien. Selain itu, komunikasi antara pengawas dan sekolah binaan juga menjadi lebih mudah. Para pengawas berharap dilakukan pengembangan aplikasi pada aspek supervisi lain. Dengan demikian, dapat disimpulkan bahwa AWAS BANG dapat meningkatkan efisiensi kepengawasan pada sekolah binaan di Cabang Dinas Pendidikan Kabupaten Bangkalan. Untuk itu disarankan agar aplikasi ini juga digunakan pengawas di daerah lain. Disarankan pula untuk melakukan pengembangan aplikasi ini agar semakin baik dan sempurna.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».