Pengaruh Good University Governance dan Manajemen Risiko terhadap Kinerja Perguruan Tinggi Negeri di Indonesia
Notice bibliographique
Résumé
Pencapaian kinerja PTN di Indonesia diukur berdasarkan Indikator Kinerja Utama (IKU) yang diatur didalam Keputusan Menteri Pendidikan dan Kebudayaan (Kepmendikbud) Nomor 3 Tahun 2021. Hasil evaluasi pada tahun 2020 menunjukkan bahwa sebagian besar kinerja PTN masih belum menunjukan hasil yang yang diharapkan. Penerapan model GUG dan Manajemen Risiko pada PTN belum banyak tersedia pada literatur yang ada saat ini. Tujuan penelitian ini mencoba mengkaji hubungan penerapan GUG dan Manajemen Risiko terhadap kinerja PTN di Indonesia. Metode yang digunakan dalam penelitian ini untuk mencapai tujuan diatas adalah Structural Equation Model yang berbasis varian yaitu Partial Least-Squares (SEM-PLS). Hasil dari analisis menunjukkan bahwa penerapan GUG yang baik akan meningkatkan kualitas kurikulum dan pembelajaran dan juga meningkatkan kualitas tata kelola PTN. selain itu, penerapan Risk Management yang baik memiliki pengaruh positif dalam meningkatkan kualitas lulusan pendidikan tinggi.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».