MétaCan
Menu
Retour à la cohorte
Enregistrement W2736484648 · doi:10.34010/jamika.v2i2.670

PERSEPSI MASYARAKAT TENTANG CITRA KOTA CIMAHI SEBAGAI KAWASAN MILITER

2018· article· id· W2736484648 sur OpenAlexaff
Rifiati Safariah

Notice bibliographique

RevueJurnal Manajemen Informatika (JAMIKA) · 2018
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueCommunity-based Tourism Development and Sustainability
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Citra Kota Cimahi Sebagai Kawasan Militer telah dicanangkan pada bulan Februari tahun 2010 yang lalu, pencanangan ini dilakukan oleh pihak pemerintah Kota Cimahi beserta jajaran instansi militer terkait. Sementara itu masyarakat dapat saja mempunyai persepsi yang berbeda tentang citra kota. Oleh karena itu tujuan dari studi ini adalah mengidentifikasi Citra Kota Cimahi sebagai kawasan militer berdasarkan persepsi masyarakat. Identifikasi Citra Kota Cimahi dilakukan dengan melakukan analisis deskriptif terhadap variabel identitas kota, elemen pembentuk citra kota, serta harapan masyarakat Kota Cimahi. Pengumpulan data dilakukan dengan studi literatur dan penyebaran kuesioner kepada 100 responden warga Kota Cimahi.Kesimpulan dari penilitian ini adalah Citra Kota Cimahi sebagai Kota Militer cukup kuat dalam penilaian masyarakat Kota Cimahi. Kawasan militer merupakan identitas kota yang paling banyak dipilih oleh masyarakat dari aspek potensi (27%) dan sejarah (91%). Selain itu, dalam menentukan elemen rancang kota pembentuk Citra Kota Cimahi sebagai kawasan militer, masyarakat memiliki persepsi yang berbeda-beda. Namun demikian, terdapat beberapa elemen rancang kota yang paling menonjol dan dikenal baik oleh masyarakat. Untuk menguatkan Citra Kota Cimahi sebagai Kota Militer, masyarakat memiliki harapan untuk diadakannya event dan perayaan militer yang digelar secara rutin di Kota Cimahi, dan didirikannya museum militer di Kota Cimahi.

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 enseignants0,021
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,005

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 Opus0,017
Tête enseignante GPT0,283
Écart entre enseignants0,266 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Manajemen Informatika (JAMIKA)Même sujetCommunity-based Tourism Development and SustainabilityTravaux en français237 207