Klasifikasi penentuan siswa berprestasi menggunakan algoritma naive bayes classifier di PT Yes study education group indonesia
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
PT.Yes Study Education Group Indonesia merupakan Lembaga konsultan Pendidikan luar negeri yang didirikan oleh para alumni internasional dan berpusat di Toronto Kanada, yang berpengalaman membantu ribuan siswa dari berbagai belahan dunia untuk menggapai mimpi bersekolah diluar negeri. Namun, tidaklah mudah untuk dapat bersekolah diluar negeri karena ada beberapa faktor dan dokumen yang harus dipersiapkan seperti paspor, visa dan sertifikat tes Bahasa inggris seperti Test Of English Forgein Lenguage (TOEFL) dan International English Language Testing System (IELTS) untuk mendapatkan hasil yang maksimal dibutuhkan hasil belajar yang baik, berikutnya tentu hasil belajar adalah indicator prestasi dari peserta didik sehingga dibutuhkan algoritma yang dapat menentukan prestasi siswa, tujuannya adalah sebagai alat pendukung dalam mengevaluasi proses pembelajaran, dan hasil belajar menggunakan algoritma naïve bayes classifier dengan data uji coba 200 nama siswa berserta dengan nilainya masing – masing, dengan jumlah data uji sebanyak 80 yang didapatkan. Dari perhitungan ini permodelan Gauusien NB split validation 50 : 50 , dengan hasil akurasi sebesar 73%. , scenario 2 dengan rasio 60:40 dengan hasil akurasi 75%, scenario 3 dengan rasio 70:30 dengan akurasi 76,6%, scenario 4 dengan rasio 80:20 dengan akurasi 82,2%, dengan scenario 5 dengan rasio 90 : 10, dengan akurasi 85%
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 découle