PENGEMBANGAN SISTEM INFORMASI PENJAMINAN MUTU (SIMANTU) LLDIKTI WILAYAH IV
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
SPMI (Sistem Penjamin Mutu Internal) merupakan acuan bagi perguruan tinggi dalam menilai mutu kinerja dan penyelenggaraan pendidikan tinggi secara internal. SPMI penting untuk diperhatikan oleh perguruan tinggi agar mampu berkompetisi secara positif dengan perguruan tinggi lain di dalam maupun di luar negeri agar mampu meningkatkan pengelolaan dan penyelenggaraan pendidikan tinggi perguruan tinggi tersebut. Untuk dapat menilai ketercapaian masing-masing standar SPMI, DIKTI menyediakan aplikasi pemetaan perguruan tinggi untuk dapat melihat info grafik kinerja penyelenggaraan pendidikan tinggi di seluruh perguruan tinggi di Indonesia. Akan tetapi, dalam pelaksanaannya masih terdapat perguruan tinggi yang belum mengisi dan melengkapi dokumen-dokumen SPMI, sehingga hasil pemetaan yang dilakukan belum sepenuhnya mencerminkan kinerja perguruan tinggi secara faktual. Permasalahan yang sering dihadapi oleh perguruan tinggi dalam melaksanakan penilaian mutu internal adalah tidak terorganisirnya berkas dan dokumen administrasi SPMI. Hal tersebut dapat terjadi karena pengelola kampus tidak memiliki referensi yang cukup tentang bagaimana penyelenggaraan dan dokumentasi administrasi SPMI yang baik. Berdasarkan analisis permasalahan tersebut, dalam menunjang aktivitas pengelolaan dan penyelenggaraan perguruan tinggi, diperlukan adanya kolaborasi dan kerjasama diantara perguruan tinggi, yang difaslitatori oleh pemerintah dalam hal ini diwakili oleh LLDIKTI. Adanya aplikasi Sistem Penjaminan Mutu (SIMANTU) diharapkan dapat mengingatkan dan membantu LLDIKTI dan PT untuk mempersiapkan proses pendataan dalam kegiatan reakreditasi, melalui layanan portal informasi, pangkalan data (resource sharing), riwayat kegiatan, dan bilik konsultasi secara online.
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 | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.002 | 0.007 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.001 | 0.003 |
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