MétaCan
Menu
Retour à la cohorte
Enregistrement W2642449628 · doi:10.26623/jdsb.v17i1.503

PENGEMBANGAN KAWASAN INDUSTRI DALAM MEMAKSIMALKAN PENDAPATAN ASLI DAERAH (PAD) DI KOTA SEMARANG SUATU PERSPEKTIF KONSEP PEMBANGUNAN BERKELANJUTAN

2015· article· id· W2642449628 sur OpenAlexaff
Muhammad Junaidi

Notice bibliographique

RevueJurnal Dinamika Sosial Budaya · 2015
Typearticle
Langueid
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Di Kota Semarang terdapat 9 (sembilan) kawasan Industri tersebut adalah kawasan industry Wijayakusuma, Kawasan Industri Terboyo, Kawasan Industri Lamicitra Nusantara, dan Kawasan Industri Bukit Semarang Baru, Lingkungan industri Kecil Bugangan Baru, Kawasan Industri Guna Mekar Tambak Aji, Kawasan Industri Candi, Kawasan Industri Tugu, dan Kawasan Industri Sinar Centra Cipta. Tingkat okupansi sembilan kawasan industri seluas 1.029 hektare di kota itu mencapai 75%. Namun pada sisi lain persoalan yang kemudian mengemuka adalah masalah lingkungan hidup.Materi dan muatan yang terkandung dalam Peraturan Pemerintah No 24 Tahun 2009 tentang Kawasan Industri yang kemudian dijabarkan dalam Peraturan Daerah Pemerintah Kota Semarang No 14 tahun 2011 tentang Rencana Tata dan Ruang Wilayah telah baik. Namun yang perlu diperhatikan adalah bagaimana kemampuan pemerintah daerah saat ini untuk menjabarkan kebijakan tersebut di lapangan. Indicator adanya ketidak konsistenan tersebut adalah terdapat pembiaran atas pembuangan limbah pada beberapa lokasi kawasan industri.Selayaknya dengan pengembangan kawasan industri, pemerintah secara sadar menjadi dipermudah dalam melakukan pengontrolan apabila terjadinya penyimpangan. Namun jika pemerintah tidak serius dan hanya berorientasi keuntungan semata, maka akan dikhawatirkan menimbulkan problematika di kemudian hari yaitu persoalan dilema dan ketimpangan pembangunan yang utamanya diharapkan dapat dijalankan pada masa yang akan datang.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0370,011

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,246
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Dinamika Sosial BudayaMême sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207