Pengembangan Program Pembinaan Pengawas PAI Kementerian Agama Sumatera Selatan
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk melihat bagaimana pengembangan program pembinaan pengawas PAI di lingkungan Kementerian Agama Provinsi Sumatera Selatan. Permasalahan dalam penelitian ini untuk mengetahui validitas program pembinaan pengawas, menguji kepraktisan program yang dirumuskan, dan menguji efektifitas program pengembangan yang dirumuskan. Jenis penelitian ini adalah penelitian R & D dengan mengadaptasi model Meredith D. Gall Jolly and Bollito dalam Brian Tomlinson, dan Teori Martin Tessmer. Teknik pengumpulan data menggunakan dokumen, observasi, angket, dan test. Hasil penelitian dan pengembangan ini diharapkan dapat membantu pengawas dalam melaksanakan tugas untuk membimbing guru di wilayah kerja masing-masing. Keterbatasan penelitian ini, yaitu pada pelaksanaan uji coba pemakaian serta pada diseminasi dan implementasi. Maka dari itu, para peneliti yang akan melakukan penelitian tentang program diklat pengawas dapat menindaklanjuti hasil penelitian ini dengan mengatasi seluruh keterbatasan penelitian dan pengembangan yang sudah dilakukan atau memanfaatkan hasil penelitian dan pengembangan ini untuk penelitian sejenis.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,010 |
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 ».