PELATIHAN PERENCANAAN BERBASIS DATA PADA PENGAWAS SEKOLAH, KEPALA SEKOLAH DAN GURU MENGGUNAKAN METODE INDENTIFIKASI, REFLEKSI DAN BENAHI (IRB) SECARA DARING
Notice bibliographique
Résumé
Data-based planning training is carried out online based on various sources which can be used to carry out or prepare an agenda for future activities and budgets. The data-based planning training activity was carried out online for two days. This implementation started with the experience of the school principal sharing his experience with the education unit in planning and compiling activities and making budgets at the school, then the facilitator provided reinforcement for data mining from the independent teaching platform (PMM ), Education Report Card Platform as well as through data sourced from the North Sumatra Education Quality Assurance Center (LPMP). Then the facilitator reflects on the training on the material that has been explained. On the second day of implementation, each educational unit grouped to discuss and fill in the evaluation sheet, then carried out identification, reflection and improvement in planning activity plans and preparing budgets for the unit, then apart from that, the educational units held discussions to make follow-up plans starting from the date, unit involved and the media used. Next, reflect on your experience at school, then work on an evaluation worksheet that is synchronized with the Identification worksheet, then a reflection worksheet and a fix worksheet, then the education unit finishes working on an activity plan that comes from several data and can prepare a budget that is planned for the long term.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,024 |
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 ».