Penggunaan Metode Logika Fuzzy Mamdani untuk Menentukan Potensi Bakat dan Keterampilan Siswa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Educational management in the implementation of the educational process in high schools wants its graduates to get jobs or continue their studies later according to their abilities. But in reality it is not as beautiful as expected, some alumni students who continue their studies to college drop out of their studies because the majors they take at college do not match the interests and talents of the students or do not match the abilities of the students, so that it is very important to find out the intelligence, interests and talents of the students early so as not to be late in recognizing and developing the potential of the students based on the intelligence, interests and talents of each student. This study aims to identify talents that are more dominant than the skills possessed by students by calculating the Fuzzy Logic method which can help students determine majors related to their talents after graduating from school, so that it can reduce cases of wrong majors faced by students after determining their majors at college. The problem solving used in this study uses the Fuzzy Logic method with the aim of determining the most dominant skill value of a student against the criteria of Sports, Language, Communication, Writing, and Singing based on alternative skills of Physical Fitness, Music, Social, Art, and Leadership. This research will produce the best rule that is expected to be used as a Decision Support System in determining talent based on student skills that can be used as a recommendation to determine the major to be chosen in college. The results obtained in this study are to determine the most appropriate rule and 5 rules are obtained for the application of Fuzzy Logic to determine the most dominant talent from student skills.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle