IDENTIFIKASI TEMPAT TINGGAL, BEKERJA/DOMISILI DAN TUJUAN BERLIBUR PENDUDUK DENGAN DATA TWITTER
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
Twitter merupakan salah satu jejaring sosial yang sangat populer dan banyak diminati kalangan masyarakat di seluruh dunia. Dengan menggunakan informasi pada tweet akun-akun di sosial media ini kita dapat memperkirakan letak tempat tinggal serta tempat domisili dari penduduk di suatu wilayah, khususnya Jabodetabek. Penelitian ini memperkirakan jumlah penduduk yang tinggal di suatu wilayah serta tempat domisilinya di wilayah Jabodetabek berdasarkan tweet yang dilakukan. Pengolahan data untuk peneletian ini menggunakan software berikut bahasa pemrograman R, serta aplikasi lai sebagai penunjang. Berdasarkan data yang ada dapat diketahui bahwa pengguna twitter pada bulan februari 2014 paling banyak bertempat tinggal di daerah Bekasi diikuti oleh jakarta timur dan jakarta pusat. Penduduk bekasi sendiri paling banyak berdomisili atau melakukan aktivitasnya di daerah Jakarta terutama Jakarta pusat.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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