Evaluation of Product-Based Education Training Class at Vocational High School using the CIPP Model
Notice bibliographique
Résumé
An employer is commonly dissatisfied with the skills of Vocational High School (VHS) graduates and suggest schools carry out learning innovations. This dissatisfaction led to the response of Warga VHS, through the implementation of a product-based education training class. Therefore, this study aims to evaluate industrial-class best practices regarding the implementation of Product-Based Education Training (PBET) in VHS, using the Context, Input, Process, and Product (CIPP) model. This evaluative method was used and conducted at the Warga VHS Surakarta, which organizes PBET industrial class. Using a purposive sampling technique, the study samples were selected, containing 41 students, 8 teachers, 2 alums, 2 parents, and 1 industrial manager. Data collection was also obtained through questionnaires, interviews, and documentation. In this process, the validity of the questionnaire items used the moment product correlation. Based on the results, students' context, input, process, and product evaluation had average scores of 4.48, 4.25, 4.39, and 4.25, respectively. Meanwhile, the teachers' average values were 4.29, 4.36, 4.23, and 4.5 for the context, input, process, and product evaluation, respectively. In this case, the entirety of these values was included in the very high category. This indicated that the implementation of PBET improved graduate skills and sustainably strengthened cooperation with the industry.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».