MétaCan
Menu
Retour à la cohorte
Enregistrement W3217015361 · doi:10.20473/rlj.v7i2.190

2020 National Level Junior High School/Madrasah Library Competiton

2021· article· en· W3217015361 sur OpenAlexaff
Fathmi Fathmi, Arief Wicaksono

Notice bibliographique

RevueRecord and Library Journal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Character Development
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésSchool libraryNational libraryMathematics educationLibrary scienceComputer sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Background of the study: The National Library of Indonesia organizes competition for high school/madrasah libraries in the form of the High School/Madrasah Library Competition. In 2020, online competitions were organized due to the Covid-19 pandemic conditions.
 Purpose: The problem in this research is the point of view of the jury and the participants on the implementation of the High School/Madrasah Library Contest.
 Method: The research was conducted using a descriptive qualitative approach. The results showed that the top three winners of the competition from 2017-2020 were high school/madrasah libraries from the Yogyakarta, Riau, Central Java, East Java and East Kalimantan regions.
 Findings: The jury of the 2020 high school/madrasah library competition considered that the online competition was not good enough and the majority of the jury wanted the 2021 competition to be held offline. Meanwhile, the 2020 high school/madrasah library competition participants considered that the online competition was good and half of the participants wanted the 2021 competition to be held offline. However, the jury's opinion was in line with the participants that it should took longer time for the competition assessment process.
 Conclusion: The online competition is a solution to the Covid-19 pandemic, but the judges feel that they are unable to see the data needed to give an participants feel they are unable to show the evidence needed

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,977

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0240,000

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 Opus0,029
Tête enseignante GPT0,275
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

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 revueRecord and Library JournalMême sujetEducation and Character DevelopmentTravaux en français237 207