Decision Support System on Faculty Profiling Using Full-Text Search Algorithm: A Tool for Evaluating Faculty Performances
Notice bibliographique
Résumé
In any organization, management information system (MIS) is vital in increasing the efficiency and speed of decision-making processes.It improves the organization's control, competitiveness, and ability to make futuristic decisions.Faculty profile is the center of universities and colleges of which qualification and performances are vital in achieving and sustaining the mission and vision of the universities.Faculty profiling is a management information system that manages, monitors, and analyzes faculty records, assisting administrators in making suitable academic decisions.Generally, this research aims to develop a software entitled "Decision Support System on Faculty Profiling" using full-text search algorithm.This particularly manages faculty profiles, processes and analyzes records and data, and provides real-time feedback to both faculty and administrators, such as graphical and textual reports and recommendations.This keeps track faculty performance, skill set, field of specialization, experiences, and appointments which further assists management in making academic decisions, especially in terms of promotion and tenure.The development of the system was guided by the waterfall methodology model.Moreover, to ensure high-quality software, the researchers used a standardized instrument from International Organization for Standardization (ISO) 25010.Employing purposive sampling, 100 participants took part in the study which include 55 academic personnel, one human resource coordinator, one department chair, and ten software engineers.The system achieved an outstanding adjectival rating, indicating that it is operating in accordance with the set objectives, and meets all ISO 25010 requirements.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».