MétaCan
Menu
Retour à la cohorte
Enregistrement W4404578754 · doi:10.62951/repeater.v2i4.230

Penerapan Metode Preference Selection Index (PSI) Penentuan Penilaian Kinerja Fasilitator di BBPPMPV BBL Medan

2024· article· en· W4404578754 sur OpenAlexaff
Artika Suri Ayangda, Victor Maruli Pakpahan, Darjat Saripurna

Notice bibliographique

RevueRepeater · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDecision Support System Applications
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Index (typography)PreferenceMathematicsStatisticsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Organizational performance includes various indicators such as productivity, work quality, efficiency, and innovation. Challenges often arise in the performance evaluation process when not supported by an adequate system. Additionally, facilitators play a crucial role in achieving goals, but poor selection of facilitators can lead to problems like lack of participation, poor time management, and inability to resolve conflicts, negatively impacting productivity and decision quality. This study aims to develop a support system that improves performance evaluation and facilitator roles at BBPPMPV-BBL Medan. The system is expected to simplify performance evaluation, enhance resource management effectiveness, and assist facilitators in carrying out their tasks optimally. The research findings indicate that this support system provides more accurate, structured, and effective performance evaluation, while enhancing facilitators' ability to maintain focus, manage time, and resolve conflicts. Implementing this system at BBPPMPV-BBL Medan contributes to increased productivity, efficiency, and performance quality, and enables proper recognition of high-performing individuals or teams.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,004

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,264
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepeaterMême sujetDecision Support System ApplicationsTravaux en français237 207