Prioritas Penanganan Lokasi Rawan Kecelakaan (LRK) di Provinsi Sumatera Utara
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Provinsi Sumatera Utara adalah provinsi ke lima dengan jumlah kecelakaan tertinggi setelahJawa Timur, Jawa Tengah, Jawa Barat, dan Sulawesi Selatan dengan jumlah korban meninggaldunia 1649 jiwa, korban luka berat 1759 jiwa, korban luka ringan 5897 jiwa, dan jumlahkerugian sebesar Rp.12.157.821.000,-. Begitu banyak lokasi kecelakaan yang terjadi berdasarkandata Polda Sumatera Utara. Oleh karena itu perlu dilakukan pemrioritasan penanganan lokasirawan kecelakan (LRK) di Provinsi Sumatera Utara. Jumlah kecelakaan dari 5335 kejadiankecelakaan kemudian dipilih menjadi 2587 kejadian berada di ruas Jalan Nasional, penyaringankejadian memenuhi kriteria ? 2 kejadian tiap lokasi menjadi 438 LRK, kemudian dilakukananalisis dengan metode angka ekivalen kecelakaan (AEK), tingkat kecelakaan (Tk), dan UpperControl Limit (UCL) sehingga diperoleh 52 LRK. Dengan penggabungan 24 lokasi tipikal danlokasi yang berdekatan maka dihasilkan 40 LRK. Selanjutnya 40 LRK tersebut disurvei rinci dandisusun Rencana Teknik Akhir yang lengkap termasuk Rencana Anggaran Biayanya. Padaakhirnya prioritas penanganan disesuaikan dengan dana yang tersedia.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle