MétaCan
Menu
Retour à la cohorte
Enregistrement W4323364468 · doi:10.35315/dinamik.v28i1.8980

PENGEMBANGAN SISTEM INFORMASI AKADEMIK MENGGUNAKAN METODE UNIFIED MODELING LANGUAGE BERBASIS WEBSITE

2023· article· id· W4323364468 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

RevueDinamik · 2023
Typearticle
Langueid
DomaineComputer Science
ThématiqueEdcuational Technology Systems
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésComputer scienceHumanitiesPhysicsOperating systemArt

Résumé

récupéré en direct d'OpenAlex

Pengembangan sistem informasi akademik bertujuan untuk memberikan sarana dasar kepada perguruan tinggi. Sistem informasi akademik diperlukan untuk mengelola seluruh kegiatan akademik diantaranya mengelola kartu rencana studi, mengelola kartu hasil studi, mengelola data dosen dan tenaga kependidikan, mengelola data mahasiswa, mengelola kelas, mengelola pertemuan dan presensi. Memiliki sistem informasi akademik akan mengurangi resiko keamanan data serta mendukung kemandirian pengelolaan teknologi informasi. Pengembangan sistem informasi ini menggunakan metode penghimpunan data menggunakan metode tanya jawab (interview) dan pengamatan lapangan. Performance, Information, Economics, Control, Efficiency dan Service adalah metode PIECES yang akan digunakan dalam menganalisa sistem. Unified Modelling Language (UML) adalah metode perancangan sistem yang digunakan dalam penelitian ini. System engineering, Requirement analysis, Design, Coding, Testing dan Maintenance adalah metode pengembangan sistem Waterfall yang peneliti gunakan. Sistem informasi akademik dikembangkan sesuai kebutuhan institusi saat ini tetapi seiring perkembangan peraturan dan kebutuhan institusi maka perlu dilakukan evaluasi kinerja secara periodik.

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), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,910
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)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,036
Tête enseignante GPT0,280
Écart entre enseignants0,244 · 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