PELATIHAN PEMANFAATAN CYBER COUNSELING BERBASIS MOBILE UNTUK MEMAKSIMALKAN KOMPETENSI SISWA MAGANG DI SMKN BALI MANDARA
Notice bibliographique
Résumé
Salah satu sekolah vokasi yang intens dalam mencetak lulusan dengan target 70% lulusan bekerja di Industri adalah SMKN Bali Mandara. Melalui komunikasi langsung dengan Bapak I Wayan Agustiana, S.Pd., M.Pd selaku Kepala Sekolah dan Wakasek serta Guru di SMKN Bali Mandara mengatakan hal yang sama yaitu minimal 70% siswanya ditargetkan bekerja. Permasalahan yang dihadapi oleh mitra yang merupakan sekolah vokasi ini adalah bagaimana cara membentuk karakter siswa selain memiliki kecerdasan interpersonal juga memiliki kompetensi yang unggul. Melalui pengabdian tahun 2020, pengabdi sudah melaksanakan pelatihan kepada tim guru dan staff di SMKN Bali Mandara untuk melakukan seleksi siswa baru menggunakan tes online bernama Simaju Ganesha. Melalui kerjasama dengan pihak sekolah, pelatihan bertujuan memperkenalkan aplikasi mobile. Adapun peserta yang megikuti adalah guru dan siswa kelas XII yang akan magang. Hasilnya pelatihan berupa (1) pedoman user manual software, (2) hasil tes software lokasi yang sesuai dengan minat siswa
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,102 | 0,023 |
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 ».