Implementasi Gap Analysis untuk Evaluasi Kinerja Dosen Berdasarkan Sasaran Mutu
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dosen merupakan pendidik yang salah satu tugasnya mentransformasikan dan menyebarluaskan ilmu pengetahuan, sehingga kinerja dosen dalam proses belajar harus bagus. Evaluasi dosen di STMIK AKAKOM dilakukan setiap semester sekali untuk melihat nilai kemampuan pedagogik, kompetensi dosen, ketersediaan sarana proses belajar mengajar dan kelengkapan administrasi dalam proses belajar mengajar. Evaluasi dilakukan oleh mahasiswa dan Tim Penjaminan Mutu Program Studi (TPMP). Standar-standar penilaian yang seharusnya dicapai salah satunya tentang kinerja dosen dalam proses belajar mengajar tertuang dalam dokumen sasaran mutu institusi. Hasil evaluasi diharapkan sesuai dengan sasaran mutu di STMIK AKAKOM. Selama ini hasil evaluasi tidak pernah diolah. Penelitian ini mengolah data hasil evaluasi dengan mencocokkan nilai yang ada di sasaran mutu dengan metode gap analysis. Metode ini digunakan karena dapat melihat kesenjangan antara kinerja dosen dengan standar yang sudah ditetapkan. Hasil penelitian menunjukkan bahwa Gap analysis dapat membantu membuat perangkingan pada dosen di STMIK AKAKOM. Hasil ini dapat digunakan oleh pimpinan dalam mengambil keputusan dalam pemberian reward bagi dosen berprestasi dan memberi binaan terhadap dosen yang rankingnya rendah.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,007 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
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 découle