Identifying Student Interests in the Vocational Field Using the Certainty Factor Method
Notice bibliographique
Résumé
SMK Negeri 1 Kota Binjai is a vocational high school that has several competency skills majors. This school has an interest in applicants who are quite interested every year, the number of applicants in admitting new students every year continues to increase from year to year. Vocational education is an educational model that focuses on individual skills, skills, work habits, and appreciation of the jobs needed by people in the business/industry world. Lack of information about talent interests and career paths or vocational education greatly affects students in making choices regarding majors. Many students who choose majors are not interested in their talents and other reasons. This can make students wrong in taking a major which causes inadequate competence of students in completing their education and will certainly affect the future of these students. expert system which is a computer program, which is able to store knowledge and rules like an expert. With the existence of an expert system, each student is able to identify and find out what areas of expertise he is interested in. The Certainty Factor method is a method for proving whether a fact is certain or uncertain in the form of a metric which is usually used in expert systems. From the results of trials conducted by the expert system to identify students' interest in the vocational field using the Certainty Factor method, the highest score is majors Online Business and Marketing with a confidence value of 89.67%.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».