Pengayaan Kemampuan Olah Basis Data MySQL Pada UKM LCC Politeknik LP3I Jakarta
Notice bibliographique
Résumé
Dalam membangun sistem informasi berbasis online umumnya menggunakan basis data MySQL yang disandingkan dengan bahasa pemrograman lain. Namun terkadang pemanfaatan basis data ini masih kurang maksimal padahal bisa saja dalam kasus tertentu basis data tersebut menyimpan banyak transaksi hingga memiliki ukuran yang sangat besar sehingga tidak dapat dilakukan jika menggunakan operasi basis data yang sederhana dan akan membebani Server hingga kinerjanya menurun. Hal ini belum banyak diketahui oleh anggota UKM LCC Politeknik LP3I Jakarta hingga perlu diberikan pengayaan dalam memanfaatkan subroutine pada basis data MySQL yang bekerja untuk menangani proses yang sama diulang berkali-kali, dalam bentuk sub program seperti: function, procedure, dan trigger. Hasil dari kegiatan yang dilaksanakan secara dari daring sesuai aturan Gubernur Jawa Barat pada wilayah Kota Bekasi dan beberapa wilayah lain dengan terbitnya Surat Keputusan nomor 300/Kep.197-BPBD/IV/2020 tentang pemberlakuan Pembatasan Sosial Berskala Besar atau PSBB selama 14 hari dari tanggal 15 April 2020 Sampai 28 April 2020 dan perpanjangan dengan terbitnya Surat Keputusan Nomor 443/Kep.250-Hukham/2020 untuk PSBB tahap II, tanggal 29 April 2020 sampai 12 Mei 2020 menggunakan aplikasi Skype dan memanfaatkan fitur screen share atau online meeting dengan jumlah peserta yang bervariasi dalam setiap pertemuannya tak menyusutkan interaksi dan hampir seluruh peserta berhasil menyelesaikan materi walau ada sedikit peserta tak berhasil mengikuti materi dikarenakan adanya kendala namun banyak pengetahuan baru yang didapat.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,119 | 0,105 |
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 ».