SPK Penilaian Kinerja Dosen Menggunakan Metode Multy Attribute Utility Theory
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
Dosen merupakan pendidik profesional dan ilmuwan yang mempunyai tugas utama untuk mengembangkan, mentransformasikan, dan menyebarluaskan berbagai ilmu pengetahuan melalui pendidikan, penelitian, dan pengabdian kepada masyarakat. Universitas Pohuwato adalah Perguruan Tinggi Swasta baru yang terdapat di Pohuwato yang selalu berupaya dalam meningkatkan Mutu Internal secara berkelanjutan agar dapat bersaing dengan perguruan tinggi lain. Salah satu upaya yang dapat dilakukan adalah melakukan evaluasi terhadap Kinerja Dosen. Maka solusi yang dapat membantu dalam menyelesaikan penilaian kinerja dosen yaitu dibuatlah sebuah sistem pendukung keputusan menggunakan Metode Multy Attribute Utility Theory (MAUT), Metode ini memberikan penilaian hasil akhir dengan melakukan perengkingan dari Nilai Alternatif tertinggi ke terendah. Sistem ini sudah melalui pengujian sistem untuk menghindari kesalahan sistem pengujian White Box dan pengujian Black Box. Berdasarkan hasil pengujian white box disimpulkan bahwa sistem pndukung keputusan ini bebas dari kesalahan program dengan total Cyclomatic Complexity = 7, Region =6, dan independent Path = 7.
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 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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