MétaCan
Menu
Retour à la cohorte
Enregistrement W3014566725 · doi:10.31294/swabumi.v8i1.7543

Implementation of the Resilient Village at Gunung Geulis Village, Sukaraja Sub-regency, Bogor, West Java

2020· article· en· W3014566725 sur OpenAlexaff
Admiral Musa Julius, Nrangwesthi Widyaningrum, Ainun Najib, Andi Ahmad Aminullah, Hani Syarifah, Hendro Pratikno, Ifad Fadlurrahman, Khairunnisa Adri, Tego Suroso, Rizkia Mutiara Ramadhani, I Dewa Ketut Kerta Widana

Notice bibliographique

RevueSwabumi · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geophysical Studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésDisaster risk reductionEmergency managementEnvironmental planningCapacity buildingBusinessGeographyDisaster areaEnvironmental resource managementRisk managementSocioeconomicsPolitical scienceSociologyFinanceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This study aims to analyze (1) the participation of the community of Gunung Geulis Village, particularly vulnerable groups, in managing resources in order to reduce disaster risk; (2) increasing the capacity of citizens and officials on disaster management and (3) the performance of the Village DRR forum. This study uses a qualitative method. The subjects of this study were Gunung Geulis village secretaries using the interview method. The results showed (1) personnel from the disaster management forum planted trees on landslides prone area and made archery embankments, (2) Gunung Geulis Village as a program implementer of Disaster Resilient Village had been actively conducting routine and ongoing training every once a month in an effort capacity development on disaster management, (3) the Disaster Risk Reduction (DRR) forum of Gunung Geulis village has carried out passive mitigation efforts such as making mapping and analysis of disaster risk, even though there is no document compiled. DRR personnel also carry out mitigation and early warning efforts through information through pamphlets, brochures, and other village meetings. In addition, active mitigation efforts have been made by the DRR team.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,221
Écart entre enseignants0,205 · 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'étudeObservationnel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSwabumiMême sujetGeological and Geophysical StudiesTravaux en français237 207