Student Character Grouping Based on Six Dimensions of Pancasila Student Profile Using Clustering Method (Case Study of SMK Swasta Setia Budi Binjai)
Notice bibliographique
Résumé
Character education is one of the important aspects in developing students into individuals with integrity, ethics, and responsibility. Pancasila as the foundation of the Indonesian state has a central role in shaping students' character. This study aims to categorize student character based on six dimensions of the Pancasila learner profile at SMK Swasta Setia Budi Binjai. The six dimensions of the Pancasila learner profile that are the focus of this study include: 1) Faithful, Devoted to God Almighty and Noble, 2) Global Diversity, 3) Mutual Cooperation, 4) Independent, 5) Creative, 6) Critical Reasoning. The clustering method is used to group students based on the Pancasila learner profile measured through questionnaires distributed to subject teachers. The collected data will be analyzed using relevant clustering algorithms to identify the pattern of student characters present in the school population. This research is expected to provide deeper insight into the character of students at SMK Swasta Setia Budi Binjai based on Pancasila values. The results of this study are expected to be the basis for the development of a more effective character education program that focuses on strengthening the values of Pancasila in an effort to produce a young generation with strong character, love for the country, and contribute positively to society and the nation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».