The System Architecture of Intelligent Student Relationship Management Based on Cognitive Technology with Conversational Agent for Enhancing Student’s Loyalty in Higher Education
Notice bibliographique
Résumé
This paper presents the conceptual framework, value chain model and the system architecture of intelligent student relationship management based on cognitive technology with conversational agent for enhancing student’s loyalty in higher education. The purposes were to synthesize the conceptual framework and apply it to develop the value chain model and the system architecture of intelligent student relationship management based on cognitive technology with conversational agent for enhancing student’s loyalty in higher education and assess the developed value chain model and system architecture. The questionnaire was employed as the instrument to assess and certify the value chain model and the system architecture by the experts. The 5 point-Likert scale was used to identify the level of agreement of the value chain model and system architecture certification assessment. The instrument was verified by five experts using content validity index (CVI). After that, the value chain model and the system architecture were verified based on the consensus assessments of seventeen experts using mean, standard deviation (S.D.), median, interquartile range and quartile deviation. The results revealed that the experts had a consensus on the value chain model developed based on the conceptual framework (Mean = 4.89, S.D. = 0.27, Median = 5, Interquartile Range: I.R. = 0.00, Quartile Deviation: Q.D. = 0.00). They also had a consensus to approve the system architecture developed based on the value chain model (Mean = 4.70, S.D. = 0.55, Median = 5, Interquartile Range: I.R. = 1.00, Quartile Deviation: Q.D. = 0.50).
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».