MétaCan
Menu
Retour à la cohorte
Enregistrement W4405813383 · doi:10.60126/maras.v2i3.426

Capaian Kinerja Laboratorium Sebagai Baseline Penyusunan Renstra Laboratorium dengan Metode Statistik Deskriptif

2024· article· id· W4405813383 sur OpenAlexaff
Endang Retnaningsih

Notice bibliographique

RevueMARAS Jurnal Penelitian Multidisiplin · 2024
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésGynecologyMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

Rencana Strategis merupakan persyaratan administratif dari Tim Penilai Kelaikan Laboratorium Uji Tahun 2022 dan digunakan sebagai panduan dalam menentukan arah strategis dan prioritas tindakan selama periode lima tahun ke depan. Dalam penyusunan Rencana Strategis dilakukan tinjauan dari berbagai aspek yaitu Aspek Internal dan Eksternal Laboratorium, Isu-Isu dan Tantangan Strategis, serta Sasaran-Sasaran strategis dalam mencapai Visi dan Misi Laboratorium Pengujian. Hasil Renstra ini diharapkan dapat menjadi acuan untuk perencanaan, pemrograman, penganggaran tahunan, dan evaluasi pelaksanaan/ pencapaian sasaran mutu Laboratorium Pengujian untuk lima (5) tahun ke depan dalam rangka pencapaian sasaran strategis, program, dan kegiatan yang tercantum dalam Renstra Kementerian PUPR. Dalam penelitian ini dilakukan analisis deskriptif pada capaian kinerja laboratorium tahun 2021-2023. Hasil capaian kinerja ini diolah dan dianalisis dengan metode Statistik Deskriptif diperoleh baseline rencana program dan kegiatan tahun 2024-2028, rencana pendanaan tahun 2024-2028, dan rencana sumber daya manusia tahun 2024-2028. Total capaian layanan pengujian tahun 2022 sebesar 40,77% artinya terjadi peningkatan jumlah layanan pengujian sebesar 40,77% dari tahun 2021, sedangkan total capaian layanan pengujian tahun 2023 sebesar 75,96%, artinya terjadi peningkatan jumlah layanan pengujian sebesar 75,96% dari tahun 2022. Untuk capaian pemasukan PNBP terjadi penurunan di tahun 2022 dan naik kembali di tahun 2023, namun realisasi capaian masih diatas target capaian. Capaian belanja laboratorium tahun 2022 naik sebesar 1,30% dari tahun 2021, sedangkan belanja laboratorium tahun 2023 naik sebesar 83,74% dari tahun 2022. Adapun jumlah sumber daya manusia tahun 2022 turun sebesar 20% dari tahun 2021, dan tahun 2023 turun sebesar 12,5% dari tahun 2022.

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)0,007
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0050,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,006

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 Opus0,014
Tête enseignante GPT0,252
Écart entre enseignants0,239 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMARAS Jurnal Penelitian MultidisiplinMême sujetManagement and Optimization TechniquesTravaux en français237 207