Decision making for determining promotional targets for the STMIK Kaputama campus using the Promethee method
Notice bibliographique
Résumé
Every foundation or educational institution certainly has efforts to maintain its existence amidst competition from educational institutions that continue to innovate to attract public interest in an educational institution . The results of good and appropriate promotion can be seen from the development of student admissions each year. To carry out promotions, of course you have to pay attention to things such as the type of school, travel time, number of computer science enthusiasts. Apart from that, determining promotional targets to get good, effective and efficient results. So a decision-making system is needed that is able to assist in the analysis of determining promotional targets at STMIK Kaputama. With the existence of a decision support system and based on STMIK Kaputama promotion target criteria, we are able to get the right promotion target results for the advancement of STMIK Kaputama development and realizing the vision and mission for the future, apart from that, so that prospective STMIK Kaputama students increase, because of the right promotion targets . To make decisions effective and efficient, this decision making system was built using the Promethee method , which is one of the decision making methods used to obtain a problem solution. Promethee is used to determine and produce decisions from several alternatives. From the results of the research conducted, it was found that the Promethee method was able to produce the best concise decisions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».