Mengatasi Kelemahan Internal Menggunakan Mc-Kinsey 7s Untuk Peningkatan Standar Mutu Pendidikan
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
Mutu sebuah sekolah ditandai dengan berjalannya sistem penjaminan mutu di internal sekolah. Pencanangan Sekolah Menengah Kejuruan Pusat Keunggulan (SMK PK) oleh pemerintah menguatkan kenyataan bahwa penjaminan mutu sekolah sangat diperlukan dalam mencapai Standar Mutu Pendidikan. Terlaksananya penjaminan mutu sekolah merupakan early warning system untuk memperbaiki kesalahan sebelum situasi semakin parah. Kesulitan yang terjadi dalam pencapaian standar adalah kurangnya kesadaran sekolah terhadap kelemahan diri sendiri. Pemicu kelemahan tidak mampu diatasi dan cenderung diabaikan. Studi ini bertujuan untuk menghasilkan sebuah model penyelesaian kelemahan internal sekolah dengan Mc-Kinsey 7s dalam mencapai mutu melalui gambaran sejumlah indikator yang disusun dalam bentuk angket. Data angket diolah menggunakan SPSS dengan hasil 33,33% dari indikator berada pada ranah Cukup, Kurang dan Sangat Kurang. Kelemahan pada indikator ini diperkuat dengan 7 elemen dari model Mc-Kinsey 7s untuk dihasilkan penyelesaian. Diharapkan penguatan melalui integrasi 7 elemen Mc-Kinsey dapat mengatasi kelemahan internal sekolah dalam menuju SMK PK yang berkualitas dan bermartabat.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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