Data Mining Predicts the Number of Scout Enthusiasts in Binjai City Using the Linear Regression Method
Notice bibliographique
Résumé
This study aims to predict the number of scout enthusiasts in Binjai City using a linear regression method. The data used includes the number of active scout members from the Alert, Fundraiser, and Enforcer levels during the 2018-2024 school year. The linear regression method was chosen because of its ability to predict future trends based on historical data. This research implements a linear regression algorithm through the Python programming language for the development of prediction systems. The problem in this study is that scout education in Binjai City has many impacts that can affect the number of scout enthusiasts in an educational institution. Some of the factors that can affect the quality of the teacher can be a determining factor in the interest in participating in scouting. With the existence of qualified scout teaching staff and creativity, students will be more in demand to participate in scouting.and the achievement of providing facilities provided from the School Level to the Branch Committee can also be a factor in attracting interest in participating in scouting and the support of school principals and the surrounding government can also be a determining factor in the development of scouting in the region so that activities from the school level to the international level are carried out which will be more in demand by scouting students. This finding is expected to help the Branch of the Binjai City Scout Movement in preparing and optimizing the number of scouting students in the future. This value means that the relationship between the free variable / predictor X and the bound variable / response Y is a low increase, the percentage is 93%. With the overall interest of 3191 scout members active scout members in the coming year with the number of Standby (1756 people), Fundraisers (662 people), Enforcers (773 people) So, the interest of scouts in the city of Binjai is influenced by the number of active Scout members this year.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 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) | 0,003 | 0,001 |
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 ».