MétaCan
Menu
Retour à la cohorte
Enregistrement W2976092930 · doi:10.24843/bum.2019.v18.i03.p09

Upaya Peningkatan Produktivitas dan Keuntungan Hasil Tangkap dengan Mengubah Nelayan Buruh Menjadi Nelayan Pemilik

2019· article· id· W2976092930 sur OpenAlexaff
Yuliana Anastasia Ngamel, Wellem Anselmus Teniwut

Notice bibliographique

RevueBuletin Udayana Mengabdi · 2019
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueMarine and Coastal Ecosystems
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Membangun dari daerah merupakan program utama dari pemerintahan Presiden Joko Widodo, maka program Ipteks Bagi Masyarakat (IbM) ini bertujuan untuk mendukung program pemerintah dengan meningkatkan produktivitas dan perekonomian nelayan tangkap di Dusun Duroa, Kota Tua, Provinsi Maluku dengan mengkonversi status mereka dari nelayan tangkap buruh menjadi nelayan pemilik dan memberikan modal, pelatihan, penyuluhan serta pendampingan. Program ini penting sebagai inisiasi untuk meningkatkan perekonomian nelayan tangkap Dusun Duroa yang sebagian besar nelayan tangkap yang berada di wilayah ini merupakan nelayan buruh. Hasil dari program ini sudah terlihat dampaknya dimana keuntungan nelayan tangkap meningkat sangat signifikan karena hasil yang didapatkan seluruhnya masuk ke nelayan tangkap dan produktivitasnya juga meningkat dengan teknik tangkap yang sesuai dengan perairan di sekitar wilayah desa Durua.
 Kata Kunci: IbM, Pengabdian, Nelayan Tangkap, Produktivitas.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,761
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,019

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 Opus0,007
Tête enseignante GPT0,201
Écart entre enseignants0,194 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuletin Udayana MengabdiMême sujetMarine and Coastal EcosystemsTravaux en français237 207