MétaCan
Menu
Retour à la cohorte
Enregistrement W4391487553 · doi:10.30998/jrami.v5i1.10605

Sistem Pakar untuk Identifikasi Fase Quarter Life Crisis pada Usia 20-29 Tahun Menggunakan Algoritma Certainty Factor

2024· article· id· W4391487553 sur OpenAlexaboutno aff
Muhammad Fachri Alamsyah, Putri Dina Mardika

Notice bibliographique

RevueJurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) · 2024
Typearticle
Langueid
DomaineComputer Science
ThématiqueData Mining and Machine Learning Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Computer scienceHistory

Résumé

récupéré en direct d'OpenAlex

Quarter life crisis adalah kebingungan dalam kehidupan seorang individu yang terasa monoton, perasaan khawatir berlebihan tentang masa depan dan penyesalan serta mempertanyakan keputusan hidup yang sudah diambil. Fase ini rawan terjadi pada mahasiswa karena pada dasarnya seorang mahasiswa dalam rentang usia 20-29 tahun merupakan masa peralihan sehingga banyak penyesuaian baru terkait tanggung jawab dan komitmen. certainty factor merupakan metode yang mendefinisikan ukuran kepastian sebuah fakta dan aturan untuk menggambarkan kepercayaan seorang ahli dengan masalah yang dihadapi. Masalah yang ada di dalam penelitian ini adalah bagaimana sistem yang dibuat mampu melakukan proses identifikasi fase quarter life crisis dan bagaimana proses penentuan aturan dari gejala yang didapat dari pakar lalu diimplementasikan menggunakan algoritma certainty factor. Tujuan dari penelitian ini adalah untuk merancang sistem pakar yang dapat mengidentifikasi fase quarter life crisis dengan algoritma certainty factor serta menentukan aturan berdasarkan gejala yang ada dengan menggunakan algoritma certainty factor. Tahapan-tahapan yang terdapat pada penelitian ini adalah proses perumusan masalah, proses pengumpulan data-data yang akan diolah serta pengimplementasian dari algoritma yang digunakan. Hasil dari penelitian ini nantinya akan berupa hasil identifikasi dari fase quarter life crisis yang di dalamnya memuat fase yang dialami serta persentase keyakinan dari setiap fase yang dialami.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0260,003

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,273
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI)Même sujetData Mining and Machine Learning ApplicationsTravaux en français237 207