PEMBUATAN APLIKASI “AWAS BANG” UNTUK MENINGKATKAN EFISIENSI KEPENGAWASAN PADA SEKOLAH BINAAN DI KABUPATEN BANGKALAN
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Penelitian yang didesain sebagai penelitian dan pengembangan ini bertujuan mendeskripsikan proses, hasil, dan respons pengawas terhadap pembuatan aplikasi AWAS BANG untuk meningkatkan efisiensi kepengawasan pada sekolah binaan di Cabang Dinas Pendidikan Kabupaten Bangkalan. Pengumpulan data dilakukan melalui studi pustaka, angket, dan wawancara. Melalui tahapan pengumpulan informasi, perancangan, pembuatan aplikasi, uji coba, dan revisi dihasilkan sebuah aplikasi kepengawasan berbasis VBA Macro Excel yang dinamai AWAS BANG (Aplikasi Pengawas Bangkalan). Dampak dari penggunaan aplikasi tersebut berupa efisiensi kepengawasan. Hal itu terindikasikan dari respons pengawas melalui angket. Dari hasil angket diketahui bahwa semua pengawas sekolah di Cabang Dinas Pendidikan Kabupaten Bangkalan merasa terbantu karena tugas kepengawasan menjadi lebih efisien. Selain itu, komunikasi antara pengawas dan sekolah binaan juga menjadi lebih mudah. Para pengawas berharap dilakukan pengembangan aplikasi pada aspek supervisi lain. Dengan demikian, dapat disimpulkan bahwa AWAS BANG dapat meningkatkan efisiensi kepengawasan pada sekolah binaan di Cabang Dinas Pendidikan Kabupaten Bangkalan. Untuk itu disarankan agar aplikasi ini juga digunakan pengawas di daerah lain. Disarankan pula untuk melakukan pengembangan aplikasi ini agar semakin baik dan sempurna.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
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 it