Sistem Pendukung Keputusan Penentuan Kelas Unggulan Pada Siswa baru di SMK Negeri Binjai Menggunakan Metode SMART (STUDI KASUS: SMK NEGERI 1 BINJAI)
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.
Notice bibliographique
Résumé
Siswa kelas unggulan merupakan siswa yang terdiri dari orang-orang pilihan yang memilikikemampuan yang lebih menonjol bila dibandingkan dengan siswa kelas biasa. SMK N 1 Binjai merupakansalah satu sekolah yang sudah menerapkan adanya pemilihan kelas unggulan dimana tiap tahunnya sekolahtersebut menyeleksi siswa baru untuk masuk ke kelas unggulan. Proses pemilihannya masih menggunakansistem manual. Pemilihan dengan cara tersebut akan membutuhkan waktu yang cukup lama sehingga tidakefektif dan efisien. Sistem ini dirancang menggunakan metode Simple Multi-Attribute Rating Technique(SMART) dimana dalam setiap kriteria diberi bobot kemudian dihitung dengan menggunakan rumusSMART. Teknik pengambilan keputusan multi kriteria ini didasarkan pada teori bahwa setiap alternatifterdiri dari sejumlah kriteria yang memiliki nilai-nilai dan setiap kriteria memiliki bobot yangmenggambarkan seberapa penting kriteria tersebut dengan kriteria lain. Hasil dari penelitian berupa outputsistem rekomendasi siswa yang akan masuk kelas unggulan. Manfaat penelitian ini memberikan mediainformasi pengambilan keputusan bagi pihak sekolah untuk memutuskan siswa yang layak masuk ke kelasunggulan.
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 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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,000 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,008 |
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 découle