EVALUASI ON GOING DANA ALOKASI KHUSUS FISIK BIDANG PENDIDIKAN DALAM MASA PANDEMI CORONA VIRUS DISEASE-19 BERBASIS INTELLIGENCE MEDIA MANAGEMENT (IMM)
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.
Notice bibliographique
Résumé

 
 
 
 Alokasi DAK bidang pendidikan selalu tersedia setiap tahun dengan jumlah anggaran yang besar dibandingkan bidang yang lain, bahkan di masa pandemi COVID-19. Pada level pemerintah daerah, bidang pendidikan adalah prioritas. Kebutuhan pendanaan pemerintah daerah melalui DAK Fisik diharapkan selaras dengan keinginan pemerintah pusat. Pelaksanaan DAK Fisik Bidang Pendidikan sebagai instrumen pendanaan ke daerah pada tahun 2020 menghadapi tantangan mewabahnya COVID-19 pada bulan Maret yang mempengaruhi optimalisasi proses pembangunan. Pemerintah mengambil opsi kebijakan relaksasi untuk mempermudah implementasi DAK di lapangan. Hal ini memerlukan evaluasi on-going dengan metode sesuai keadaan saat itu sebagai masukan untuk perencanaan tahun berikutnya. Implementasi DAK Fisik dan segala menu-menunya mendorong pentingnya informasi capaian maupun kendala lapangan tetap aktual serta dapat dipertanggungjawabkan secara ilmiah. Penelitian bertujuan menyajikan kendala, informasi dan hal-hal terkait pelaksanaan DAK Fisik Bidang Pendidikan tahun 2020 saat masa pandemi COVID-19 sebagai respons kondisi terkini tanpa harus melakukan kunjungan lapangan. Metode yang digunakan adalah studi literatur dan analisis statistik berbasis big data sebagai opsi yang relevan dengan situasi saat ini dalam rangka landasan memberikan rekomendasi perencanaan pembangunan. Analisis big data memanfaatkan tools Intelligence Media Management (IMM) untuk melihat persepsi publik terkait pelaksanaan DAK Fisik Bidang Pendidikan saat pandemi COVID-19. Hasil penelitian menunjukkan bahwa sebanyak 40 persen pemberitaan terkait DAK Bidang Pendidikan selama Pandemi COVID-19 berupa sentimen positif, 17 persen negatif dan 43 persen sentimen netral. Dalam sentimen negatif, pemberitaan yang disorot adalah tuntutan agar pengelola DAK dapat segera menyelesaikan pembangunan sesuai petunjuk teknis di lapangan. Top issue pemberitaan DAK Pendidikan sebagai masukan perbaikan pembangunan adalah tentang temuan-temuan ketidaksesuaian data pokok pendidikan (DAPODIK) dengan fakta di lapangan yang pada akhirnya berdampak pada kurang tepatnya sasaran penerima DAK.
 
 
 
 
 Kata Kunci: Big Data, DAK, Evaluasi, Pendidikan
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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.
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 découle