MétaCan
Menu
Retour à la cohorte
Enregistrement W7048191252

Laundrybar / Siti Nurbahiah Adenan

2022· other· en· W7048191252 sur OpenAlexaboutno aff

Notice bibliographique

RevueUiTM Institutional Repositories (Universiti Teknologi MARA) · 2022
Typeother
Langueen
DomainePhysics and Astronomy
ThématiqueLightning and Electromagnetic Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLaundryProduct (mathematics)Work (physics)Quarter (Canadian coin)ElectricitySWOT analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

LaundryBar is a local company which is focusing on the laundry service. In this company analysis, it is focusing on the machine that used for laundry equipment such as washing machine, dryer and ironers. The SWOT analysis has been conduct for this company where it has been investigate, identified and analysed along with their current problem and come out with solutions. The first problem of the product is extra labor in handling quarter. As we know, the uses of quarter is bit complicated because it need a more time for owner or operator of laundry bar to handle it. This is because the laundry washing machine still rely on the coin operated system. This system is give a more work to the owner because they need to always go to the bank for exchanging the quarter if the quarter is missing or not enough. Therefore, this product also involving to the electricity where it use a high consumption of electricity to make the washing work done quickly. This will give a burden to the owner because the bill or cost of the laundry business will become higher. Then, the product also do not contain a temperature guide for washing clothes. Aside from that, there are a few solution that has been analyse to improve the product. There are three solution has been taken to overcome this problem which is changing the coin operated mechanism to smart paying, apply eco mode to the washing machine and increase the selection for temperature setting. All of the solution are considered to make the company producing a way quality product that to be served to their customer.

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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,599

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,1790,066

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 Opus0,005
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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
GenreAutre

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUiTM Institutional Repositories (Universiti Teknologi MARA)Même sujetLightning and Electromagnetic PhenomenaTravaux en français237 207