Target Pencapaian Rencana Umum Keselamatan Jalan (RUNK Jalan) di Provinsi Jawa Timur pada Tahun 2012
Notice bibliographique
Résumé
Jawa Timur merupakan provinsi tertinggi dalam jumlah korban meninggal dunia (4575 jiwa)akibat kecelakaan lalulintas dalam tahun 2010. Dalam tahun 2011 ternyata jumlah kecelakaanmeningkat, mengapa? Rupanya target RUNK jalan (Rencana Umum Nasional Keselamatan)belum tercapai karena belum diterapkan. Mungkin hal ini disebabkan oleh karena belum adanyasosialisasi yang efektif tentang RUNK sehingga pihak pengatur belum menerapkan RUNK secaraterkoordinir dan selaras, dan pengguna jalan masih kurang sadar bahayanya kecelakaan dijalan danbelum waspada dalam berlalu lintas. Berdasarkan analisis data yang terkumpul dalam pelatihancara menghitung target RUNK, dengan menggunakan lima parameter analisis, yaitu jumlahkejadian kecelakaan, tingkat kecelakaan, tingkat fatalitas (CFR), indeks fatalitas per kendaraanbermotor dan indeks fatalitas per populasi, ternyata beberapa kota dan kabupaten mempunyai datajumlah korban fatal yang tinggi, diatas nilai rata-rata RUNK dan secara umum kondisi kecelakaanlalulintas tahun 2011 lebih jelek dari kondisi tahun 2010.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,003 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».