Adaptasi filem 'Cool Runnings' dalam melatih pemanah dan pelajar UiTM Pahang / Mohamad Azmi Nias Ahmad and Mohd Aripin Amat
Notice bibliographique
Résumé
Di awal penubuhan Kelab memanah UiTM Pahang, suntikan semangat yang berkesan amat perlu bagi mereka terus berjuang dan mencapai matlamat yang telah ditetapkan. Filem 'Cool Runnings' telah digunapakai oleh jurulatih bagi membangkitkan semangat supaya tidak mudah berpulus asa, berfikiran terbuka dan global dengan hanya menggunakan sumber yang sedikit. Ianya terbukti berkesan apabila pemanah kelab ini telah berjaya membantu Pahang memenangi pingat Emas SUKMA pertama setelah 10 tahun kemarau pingat di SUKMA 2008 dan memecahkan rekod SUKMA 2010. Semangat yang ditunjukkan oleh empat atlet daripada Jamaica di dalam filem ini perlu dicontohi bukan hanya kepada atlet UiTM Pahang sahaja, tetapi juga oleh seluruh pelajar UiTM bagi mencapai Misi, Visi dan Objektif UiTM (Univesiti Teknologi MARA, 2010). Selain daripada itu, kertas ini akan membincangkan bagaimana nilai yang di tunjukkan di dalam filem ini menepati kesemua tujuh Model Graduan UiTM.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,019 |
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 ».