STUDI POLA PEMANFAATAN RUANG TERBUKA PUBLIK DI UNIVERSITAS NEGERI JAKARTA (KAMPUS A) BERDASARKAN KEMAMPUAN PETA MENTAL MAHASISWA PENDIDIKAN GEOGRAFI TAHUN ANGKATAN 2016
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui pola pemanfaatan ruang terbuka publik berdasarkan peta mental mahasiswa Program Studi Pendidikan Geografi,Universitas Negeri Jakarta. Peta mental adalah peta yang diambil dari pikiran manusia (cognitive map) mengenai lingkungan yang dilihatnya. Permasalahankerap terjadi ketika menggambarkan peta mental yang disebut sebagai distorsi atau pergeseran dari keadaan sebenarnya baik secara fisik maupun makna dari lingkungan sendiri. Upaya pemahaman mengenai Ruang Terbuka Publik (Public Open Space) berdasarkan peta mental di wilayah kampus A UniversitasNegeri Jakarta dilakukan untuk megetahui interaksi manusia dengan lingkungan fisik dan sosialnya. Pada ruang lingkup kampus, ruang terbuka publikmerupakan ruang tempat bertemunya interaksi berupa aktivitas-aktivitas oleh mahasiswa. Metode yang digunakan dalam analisis data penelitian adalahkualitatif deskriptif dan kualitatif rasionalistik. Angket (kuisioner) yang digunakan dalam penelitian ini menggunakan pertanyaan terbuka menggunakantipologi stimulus grafis (gambar denah UNJ) dan nonverbal (pertanyaan seputar peta tersebut). Hasil yang diperoleh berdasarkan hasil kuesioner dari 69responden mahasiswa Program Studi Pendidikan Geografi tahun angkatan 2016, sebagai berikut: Teater Terbuka, Tugu/Plaza UNJ, dan lapangan rumputdibelakang Tugu/Plaza UNJ yang umum disebut sebagai Taman/Bukit Teletubbies merupakan Ruang-ruang Terbuka Publik yang paling banyak diketahui dengan persentase 74%, 72%, dan 55%. Sedangkan, intensitas pemanfaatan tidak selalu berbanding lurus dengan banyaknya responden yang mengetahui Ruang Terbuka Publik (RTP) tersebut. Teater Terbuka hanya memiliki intensitas pemanfaatan sebesar 8,7%. Pola pemanfaatan Ruang Terbuka Publik berdasarkan mahasiswa pendidikan geografi tahun angkatan 2016 berorientasi pada pusat kampus dan Fakultas Ilmu Sosial yang merupakanpusat kegiatan mahasiswa tersebut.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,003 |
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 ».