MétaCan
Menu
Retour à la cohorte
Enregistrement W4205822289 · doi:10.37250/newkiki.v5i3.133

PENGELOMPOKKAN KABUPATEN/KOTA DI PROVINSI JAMBI BERDASARKAN KOMPONEN SEKTOR PENDIDIKAN

2022· article· id· W4205822289 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJurnal Khazanah Intelektual · 2022
Typearticle
Langueid
DomaineComputer Science
ThématiqueData Mining and Machine Learning Applications
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesCluster (spacecraft)PhysicsComputer scienceArtOperating system

Résumé

récupéré en direct d'OpenAlex

Pendidikan memegang peranan yang sangat penting dalam meningkatkan sumber daya manusia..Pada masa pandemi Covid-19 seperti saat ini, dunia pendidikan tengah berada dalam kekacauan. Kualitas pendidikan di suatu wilayah dapat dilihat dari nilai Angka Partisipasi Sekolah (APS), Angka Partisipasi Murni (APM), Angka Partisipasi Kasar (APK). Nilai-nilai tersebut juga merupakan indikator tercapainya pembangunan dalam bidang pendidikan di suatu wilayah. Metode yang digunakan pada penelitian kali ini adalah metode single lingkage. Berdasarkan algoritma cluster yang dilakukan diperoleh hasil bahwa dari 11 Kabupaten/Kota di Provinsi Jambi terkelompok 4 cluster yaitu cluster 1 terdiri dari Kerinci dan Kota Sungai Penuh, cluster 2 terdiri dari Merangin, Tanjung Jabung Barat, Bungo dan Tebo, cluster 3 terdiri dari Sarolangun, Batanghari, Tanjung Jabung Timur dan Muaro Jambi dan cluster 4 terdiri dari Kota Jambi. Keempat cluster tersebut diurutkan berdasarkan tingkatannya yaitu cluster 1 sangat baik, cluster 2 cukup baik, cluster 3 baik dan cluster 4 lebih baik.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,455
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,000
Communication savante0,0010,001
Science ouverte0,0050,005
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,019
Tête enseignante GPT0,260
Écart entre enseignants0,241 · 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