SPK Penilaian Kinerja Dosen Menggunakan Metode Multy Attribute Utility Theory
Notice bibliographique
Résumé
Dosen merupakan pendidik profesional dan ilmuwan yang mempunyai tugas utama untuk mengembangkan, mentransformasikan, dan menyebarluaskan berbagai ilmu pengetahuan melalui pendidikan, penelitian, dan pengabdian kepada masyarakat. Universitas Pohuwato adalah Perguruan Tinggi Swasta baru yang terdapat di Pohuwato yang selalu berupaya dalam meningkatkan Mutu Internal secara berkelanjutan agar dapat bersaing dengan perguruan tinggi lain. Salah satu upaya yang dapat dilakukan adalah melakukan evaluasi terhadap Kinerja Dosen. Maka solusi yang dapat membantu dalam menyelesaikan penilaian kinerja dosen yaitu dibuatlah sebuah sistem pendukung keputusan menggunakan Metode Multy Attribute Utility Theory (MAUT), Metode ini memberikan penilaian hasil akhir dengan melakukan perengkingan dari Nilai Alternatif tertinggi ke terendah. Sistem ini sudah melalui pengujian sistem untuk menghindari kesalahan sistem pengujian White Box dan pengujian Black Box. Berdasarkan hasil pengujian white box disimpulkan bahwa sistem pndukung keputusan ini bebas dari kesalahan program dengan total Cyclomatic Complexity = 7, Region =6, dan independent Path = 7.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».