Notice bibliographique
Résumé
Komite Nasional Keselamatan Transportasi menyatakan bahwa 32 persen kasus kecelakaan penerbangan di Indonesia terjadi di bandar udara dan penyebab utama adalah karena licinnya landas pacu dan data dari ICAO menyatakan bahwa dari tahun 2006 sampai dengan 2012 kecelakaan penerbangan di bandar udara diseluruh dunia 59 persen diakibatkan karena landas pacu yang kurang memadai dan untuk mengatasi hal tersebut, Internasional Civil Aviation Organization (ICAO) mengeluarkan kebijakan tentang pembentukan runway safety team diseluruh bandar udara. Lokasi pengambilan data opini penumpang/ survei adalah di bandar udara Adi Sucipto Yogjakarta dari tanggal 12-14 Agustus 2013 dan metode yang digunakan dalam menganalisis data adalah dengan menggunakan analisis Deskriftif Kualitatif untuk menggambarkan hasil inventarisasi identifikasi bidang-bidang yang berhubungan dengan keselamatan penerbangan sedang analisis fish bone digunakan untuk mengetahui penyebab-penyebab utama dari kecelakaan penerbangan di landas pacu. Hasil dari analisis menunjukkan bahwa kecelakaan penerbangan di bandar udara bahwa 37 persen adalah karena landas pacu licin, bergelombang, tergenang air dan adanya rubber deposit (lapisan ban pesawat yang tersisa akibat kikisan landas pacu) dan sisanya diakibatkan oleh faktor manusia sebanyak 31 persen, faktor cuaca dan lingkungan sebesar 23 persen dan faktor management/peraturan sebesar 9 persen. Kata kunci : kecelakaan, penerbangan, landas pacu.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,009 |
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 ».