MétaCan
Menu
Retour à la cohorte
Enregistrement W3173848166 · doi:10.24952/ibtidaiyah.v1i1.3716

INTEGRASI STRUKTUR DAN FUNGSI BAGIAN TUMBUHAN DENGAN BAYANI, BURHANI, ‘IRFANI DI SDIT BUNAYYA

2021· article· en· W3173848166 sur OpenAlexaff
Syarifuddin Harahap, Asriana Harahap

Notice bibliographique

RevueDIRASATUL IBTIDAIYAH · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Character Development
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésRevelationFunction (biology)Expression (computer science)Mathematics educationSociologyPedagogyComputer sciencePsychologyLiteratureArtBiology

Résumé

récupéré en direct d'OpenAlex

AbstractPlants are living things that do not experience the activity of moving like humans and animals, but they can reproduce in their own way. The parts that are in plants are always different from one another, this is influenced by climatic factors and geographic areas. Areas that have lots of sunlight will be different from plants that live in areas with cool weather or below 20 degrees Celsius. Based on the issues that have developed in education during this decade, this paper will try to develop science material on "Structure and Function of Plant Parts" in SDIT Bunayya students. If the main source (origin) of science in the Bayani approach is text (revelation), then in the 'irfani approach the main source is experience (experience), which is an authentic life experience, and is actually an invaluable lesson. Inner experiences that are very deep, authentic, innate, and almost unspeakable by logic and cannot be expressed by language. This is what is called direct experience, and is called hudhri science in the isyraqiyyah tradition. All these authentic experiences can be felt directly without having to say it first through the expression of "language" or "logic". Keywords: integration; plants; bayani; burhani; and 'irfani.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0030,001
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,307
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDIRASATUL IBTIDAIYAHMême sujetEducation and Character DevelopmentTravaux en français237 207