Implementasi Metode Scoring System Sebagai Paramater dalam Memahami Kajian Ilmu Tasawuf Berbasis Android
Bibliographic record
Abstract
Ilmu tasawuf merupakan bagian dari syariat islam. Syariat dalam makna umum adalah keseluruhan ajaran islam. Tidak hanya ilmu tauhid dan ilmu fiqih yang harus dipelajari, tetapi ilmu tasawuf ini merupakan ilmu yang tidak dapat terpisahkan dari ilmu fiqih dan ilmu tauhid. Ilmu tasawuf adalah ilmu untuk mengetahui bagaimana cara mensucikan jiwa. Ilmu tasawuf didalam pembelajarannya berbeda dengan kedua displin ilmu tersebut, karena ilmu tasawuf bukan ilmu yang sekedar menghapal, tetapi juga ilmu yang harus diimplementasikan sehingga meresap ke dalam keruhanian seorang muslim dengan bimbingan seorang guru mursyid. Dalam pelaksanaannya, umat muslim membutuhkan bimbingan baik secara langsung maupun tidak langsung ataupun baik lahiriah maupun batiniah. Bimbingan secara lahiriah ini akan dapat diterapkan secara praktis dan bersifat mobile dengan menggunakan media android sebagai jembatan memahami ilmu tasawuf. Oleh karena itu, pada penelitian ini telah diimplementasikan menggunakan metode scoring system sebagai parameter dalam memahami kajian ilmu tasawuf berbasis android. Yang dilengkapi dengan latihan kemampuan pemahaman kajian mengenai ilmu tasawuf. Tujuannya adalah mampu meningkatkan kualitas keimanan seseorang dan mampu meningkatkan pemahaman kajian tasawuf, yang Sistem penilaiannya menggunakan metode pengukuran, yaitu metode scoring system. Metode scoring system adalah metode yang memberikan evaluasi terhadap kelayakan subjek tes dalam bentuk nilai.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.043 | 0.020 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".