Model Pengembangan Ketahanan Pangan Berbasis Pisang Melalui Revitalisasi Nilai Kearifan Lokal
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
This research aims to find” Food Endurance Development Model Based on Banana with Revitalisation Local Wisdom Value Reinforcement” . This model serve the purpose of basis for formulate public policy and education efforts and advocation public in the field of food to push national food endurance. Approach research that used in this qualitative research with qualitative descriptive design. Subject research is bapeda, development, agriculture official, farmer, elite figure, farmer group at regency Lumajang, Malang, and Blitar. Technique sampling that used snowball sampling. Data collecting method that used documentation, indepth interview, observation participatory, and limited discussion. Research data that got to analyzed with qualitative analysis (content analysis, and domain analysis). Based on research result inferential: 1) found banana production profile unity, distribution, consumption, and local wisdom character at regency Lumajang, Malang, and Blitar, 2) local wisdom character can be made principal focus in the effort develop food endurance based on banana, and 3) several important components and strategic of food endurance development model based on banana: a) local wisdom (foodstuff use reinforcement based on local, woman character, society/religion figure character, food self-supporting village, environment friendly agriculture, agriculture multiculture, and planning based on society), b) local government character (wisdom development prima tani, pilot projecting, capitalization, assistance, and tool of productions-distributions-marketing-consumption), and c) and character BPTP, BBMP, DUDI (pilot development projecting, capitalization, assistance, and system reinforcement productions-distributions-marketing-consumption).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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