SOSIALISASI DAN PENDAMPINGAN INOVASI DIGITAL: APLIKASI KAMUS BAHASA BANGKA BELITUNG–INDONESIA UNTUK MENDORONG LITERASI BAHASA DI MA NURUL IHSAN BATURUSA
Notice bibliographique
Résumé
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».