Pendidikan Karakter Berbasis Sumber Daya Insani (SDI) di Pondok Pesantren
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui konsep pendidikan karakter berbasis sumber daya manusia di pondok pesantren. Metode dalam penelitian ini menekankan pada jenis studi kepustakaan yang diperoleh dari buku-buku yang berkaitan dengan definisi karakter, pembentukan karakter, pendidikan pondok pesantren & proses pembentukan karakter santri berbasis Sumber Daya Manusia di pondok pesantren. Teknik pengumpulan data melalui buku, jurnal, artikel dan majalah serta internet yang berkaitan dengan pendidikan karakter, pendidikan pondok pesantren & Sumber Daya Manusia. Analisis data menggunakan teknik analisis yang dikemukakan oleh Miles dan Huberman dengan tahapan reduksi data, penyajian data dan penarikan kesimpulan (verifikasi). Hasil kajian menunjukkan bahwa pesantren menyelenggarakan pendidikan dengan tujuan menanamkan karakter santri berbasis Sumber Daya Manusia (SDI) yang mengarah pada iman dan taqwa kepada Allah SWT, berakhlak mulia, dan tradisi pesantren untuk mengembangkan kemampuan, pengetahuan, dan keterampilan santi untuk menjadi ahli ilmu agama Islam (mutafaqqih fiddin) dan menjadi seorang muslim yang memiliki kecakapan keahlian untuk membangun kehidupan Islami di masyarakat.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,006 |
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 ».