MétaCan
Menu
Retour à la cohorte
Enregistrement W4292513474 · doi:10.36080/idealis.v5i2.2938

ANALISA DAN DESAIN SISTEM MONITORING TRANSAKSI DATA CENTER DAN DISASTER RECOVERY CENTER STUDI KASUS PADA DIREKTORAT PENGELOLAAN INFORMASI ADMINISTRASI KEPENDUDUKAN DITJEN KEPENDUDUKAN DAN PENCATATAN SIPIL

2022· article· id· W4292513474 sur OpenAlexaff
Bima Cahya Putra, Dian Anubhakti, Gunawan Pria Utama

Notice bibliographique

RevueIDEALIS InDonEsiA journaL Information System · 2022
Typearticle
Langueid
DomaineComputer Science
ThématiqueInformation Retrieval and Data Mining
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOperating systemHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Adanya sistem informasi manajemen kependudukan telah memberikan data kependudukan yang akurat baik dari sisi kependudukan, pendidikan, maupun perspektif lainnya, berdasarkan sistem yang ada. Akan tetapi, dalam pelaksanaan operasional pelaporan dan analisis, diperlukan sistem berbasis web yang mampu menampilkan data hasil Perekaman yang telah melalui proses penunggalan dan pencetakan, sehingga berguna dalam membantu merumuskan kebijakan atau program Pemerintah serta mampu meningkatkan pelayanan informasi kependudukan dan pencatatan sipil. Berbagai informasi yang berhubungan dengan jumlah hasil penunggalan dan pencetakan KTP-el Kabupaten/Kota termotivasi oleh kondisi geografis, geologis, hidrologis dan demografis untuk meningkatkan pelayanan kependudukan bagi warga negara Indonesia. Oleh karena itu, pada penelitian ini sistem yang dibangun berupa sistem informasi yang menampilkan jumlah data perekaman yang telah melalui proses data penunggalan (deduplication) dan pencetakan KTP-el setiap harinya dan dapat diakses melalui alat mobile phone atau perangkat yang terkoneksi dengan link publik, sehingga memudahkan memonitoring dan mengevaluasi terhadap data perekaman ataupun pencetakan KTP. Dalam melakukan pengembangan aplikasi metodologi yang kami gunakan ialah waterfall. Dengan adanya aplikasi yang dibangun, akan mendukung tata kelola infomasi pada Ditjen Dukcapil, sehingga memiliki integritas data dan informasi dapat terwujud.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,018
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,001
Communication savante0,0050,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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 Opus0,051
Tête enseignante GPT0,275
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIDEALIS InDonEsiA journaL Information SystemMême sujetInformation Retrieval and Data MiningTravaux en français237 207