MétaCan
Menu
Retour à la cohorte
Enregistrement W4413628351 · doi:10.29303/abdiinsani.v12i8.2806

SOSIALISASI DAN PENDAMPINGAN INOVASI DIGITAL: APLIKASI KAMUS BAHASA BANGKA BELITUNG–INDONESIA UNTUK MENDORONG LITERASI BAHASA DI MA NURUL IHSAN BATURUSA

2025· article· id· W4413628351 sur OpenAlexaff
Iski Zalliman, Hakim Prasasti Lubis, Wenni Anggita

Notice bibliographique

RevueJurnal Abdi Insani · 2025
Typearticle
Langueid
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusiness

Résumé

récupéré en direct d'OpenAlex

Di Indonesia yang sering dikenal sebagai negara multikultural, kekayaan bahasa daerah menjadi bagian penting dari kekayaan nasional yang perlu kita dijaga, dilestarikan, dan dikembangkan lebih lanjut. Salah satu bahasa daerah yang mempunyai nilai budaya sangat tinggi yakni bahasa Bangka Belitung, yang merupakan bahasa ibu masyarakat di Pulau Bangka Belitung. Tujuannya yakni memberikan pemahaman yang serius tentang pentingnya pelestarian bahasa daerah, sekaligus membekali siswa dan guru dengan keterampilan dalam menggunakan aplikasi kamus digital secara optimal dan maksimal. Metode pelaksanaan kegiatan pengabdian ini menggunakan pendekatan edukatif dan partisipatif, dengan menekankan pada kolaborasi aktif antara tim pengabdian kepada masyarakat dan pihak MA Nurul Ihsan sebagai mitra. Tujuan utama dari metode ini ialah untuk memastikan bahwa setiap tahapan kegiatan : mulai dari identifikasi masalah sampai dengan pelaksanaan dan solusi bisa dipahami, diterima, dan dimanfaatkan secara optimal oleh sasaran kegiatan, yakni siswa dan guru di MA Nurul Ihsan Baturusa. Kegiatan sosialisasi dan pendampingan penggunaan aplikasi kamus digital Bahasa Bangka–Indonesia di MA Nurul Ihsan Baturusa sudah dilaksanakan dengan lancar dan mendapat sambutan positif dari pihak sekolah, baik siswa maupun guru MA nurul Ihsan. Seluruh rangkaian kegiatan, mulai dari sosialisasi, pelatihan teknis, hingga sesi pendampingan berjalan sesuai rencana dan menghasilkan beberapa temuan penting yang menunjukkan efektivitas kegiatan ini dalam mendukung penguatan literasi bahasa Indonesia dan pelestarian bahasa daerah Bangka Belitung.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0090,003
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0240,005

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 Opus0,022
Tête enseignante GPT0,305
Écart entre enseignants0,283 · 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'étudeSans objet
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Abdi InsaniMême sujetEducational Methods and Media UseTravaux en français237 207