ANALISIS KEPUASAN MAHASISWA TERHADAP SISTEM PEMBELAJARAN ONLINE PADA MASA PANDEMIC COVID 19 DI STMIK AKAKOM DENGAN METODE NAIVE BAYES
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
In accordance with the circular of the Minister of Education and Culture of the Republic of Indonesia regarding Circular Letter Number 4 of 2020 concerning the Implementation of Educational Policies in the Emergency Period for the Spread of Corona Virus Disease (COVID-19), the learning system implemented is online. 
 STMIK AKAKOM is one of the universities that has also implemented online lectures since the government's policy for the home learning system was established. Various efforts have been made by STMIK AKAKOM to carry out the online learning process during this covid-19 pandemic. 
 Therefore, researchers conducted a study that aims to analyze the success of the online learning system for students conducted at STMIK AKAKOM with the Naive Bayes method approach, using 4 (four) criteria, namely Communication, Building a Learning Atmosphere, Assessment of Students, and Delivery of Lecture Materials. The level of satisfaction assessment using a Likert scale (likert scale) 5 points with the same interval. starting from point 1 (one) which states very less, to point 5 (five) which states very well. Based on the results of calculations that have been carried out, it can be seen that the classification of testing data from respondents numbered R89 to R93 for online learning systems during the Covid 19 pandemic is satisfied.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle