Kontribusi Industri Tekstil dalam Penggunaan Bahan Berbahaya dan Beracun Terhadap Rusaknya Sungai Citarum
Notice bibliographique
Résumé
Indonesia merupakan Negara yang masuk dalam jajaran 10 besar pengeksporpakaian terbesar dunia dan pada tahun 2011 Indonesia merupakan negarapengekspor terbesar ke-11 di dunia. Indonesia adalah negara dengan ekonomiyang paling besar di Asia Tenggara, dan sektor tekstil menyumbang 8,9 persentotal ekspor Indonesia pada 2010. Tulisan ini akan melihat bagaimana kontribusisektor industri tekstil terhadap rusaknya Sungai Citarum. Metodologi penulisanini munggunakan pendekatan yuridis normatif yang diperkuat oleh kasus kegiatanindustri yang letaknya bersebelahan dengan Sungai Citarum. Sungai Citarummemiliki reputasi buruk sebagai sungai terkotor di dunia. Masalah kasat mataberupa sampah dan limbah domestik memang terlihat parah. Tetapi limbah daribahan berbahaya dan beracun yang digunakan dalam industri tekstil merupakansumber besar dari pencemaran dengan konsekuensi jangka panjang yang lebihserius, terutama di bagian hulu Sungai Citarum di mana terdapat 68 persen pabriktekstil.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,005 |
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.
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 ».