MétaCan
Menu
Retour à la cohorte
Enregistrement W2906807955 · doi:10.31328/wy.v1i2.746

IMPLEMENTASI AFFIRMATIVE ACTION KUOTA PEREMPUAN DALAM PARTAI POLITIK DAN LEMBAGA PERWAKILAN RAKYAT DAERAH (Studi di Wilayah Kota Malang)

2018· article· en· W2906807955 sur OpenAlexaff
Sirajuddin Sirajuddin, Adiloka Sudjono

Notice bibliographique

RevueWidya Yuridika · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndonesian Election Politics and Participation
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésAffirmative actionLegislaturePolitical sciencePoliticsContext (archaeology)LawPublic administrationSociologyGeography

Résumé

récupéré en direct d'OpenAlex

In the 2009 legislative general election, there were 793 definitive candidates, consisting of 528 men and 265 women. Therefore, the average percentage of definitive female candidates from the whole parties was 33% and in general it seems that the percentage was above 30%. But, an affirmative action as stated on the law on the election of the house of representative members in Malang city in 2009 was not reached, since the number of the elected female legislative representative was still under quota of 30%. Factors causing such less optimum affirmative action in political parties and the house of representative in Malang city are as follows: (1) the political context dominated by men so that the women’s interest was less accommodated. (2) the social context dominated by men so this resulted in masculine practices and (3) the cultural context dominated by a patriarchal tradition resulting a social construction on the division of men and women, and the legal factor through the decision of the constitutional court that did not condition the legislative candidates based on the highest voters, instead of the number order. Kata Kunci: affirmative action, perempuan, partai politik, lembaga perwakilan rakyat daerah

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,080
Tête enseignante GPT0,408
Écart entre enseignants0,329 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWidya YuridikaMême sujetIndonesian Election Politics and ParticipationTravaux en français237 207