Klasifikasi Penentuan Siswa Berprestasi Menggunakan Algoritma Naïve Bayes Classifier DI PT.Yes Study Education Group Indonesia
Notice bibliographique
Résumé
PT. Yes Study Education Group Indonesia is an overseas education consultancy founded by international alumni and based in Toronto, Canada, with experience helping thousands of students from various parts of the world to achieve their dream of studying abroad. However, it is not easy to study abroad because there are several factors and documents that must be prepared, such as passports, visas, and English test certificates like the Test Of English as a Foreign Language (TOEFL) and the International English Language Testing System (IELTS). To achieve optimal results, good learning outcomes are required; furthermore, of course, learning outcomes are indicators of student achievement, so an algorithm is needed to determine student performance, with the aim of serving as a supporting tool in evaluating the learning process and outcomes using the naïve bayes classifier algorithm with a trial dataset of 200 student names along with their respective scores, from which 80 test records were obtained. From these calculations, the Gaussian NB model with a 50:50 split validation yielded an accuracy of 73%, scenario 2 with a 60:40 ratio yielded 75% accuracy, scenario 3 with a 70:30 ratio yielded 76.6% accuracy, scenario 4 with an 80:20 ratio yielded 82.2% accuracy, and scenario 5 with a 90:10 ratio yielded 85% accuracy.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
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.
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 ».