MétaCan
Menu
Retour à la cohorte
Enregistrement W3088864553 · doi:10.30736/je.v5i2.513

Pemanfaatan Quantum GIS Cloud Untuk Pemetaan Polygon Area Kandang Peternakan di Wilayah Kabupaten Probolinggo

2020· article· en· W3088864553 sur OpenAlexaff
Moch Nur Qomaruddin, Amalia - Herlina, Sulistiyanto Sulistiyanto

Notice bibliographique

RevueJE-UNISLA · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueMultimedia Learning Systems
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésLivestockAnimal husbandryAgricultural scienceGeographyGeographic information systemBusinessCartographyForestryAgricultureEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Department of Husbandry and Animal Health (Disnakkeswan) Probolinggo, is a government agency that has data on livestock, one of which is the location mapping data for the stables. This data is needed by Disnakkeswan and the general public to find information on the location of the livestock sheds in the Probolinggo district. Currently, the data on the location of the cage which is owned by the agency is still in the form of excel table data. This creates difficulties for the Animal Husbandry and Animal Health Service (Disnakkeswan) and the general public when looking for information on the location of the livestock pen. Among other things, the difficulty made them have to waste time finding the location of the farm stables. Given the roles and responsibilities of the Department of Animal Husbandry and Animal Health (Disnakkeswan) Probolinggo Regency above, an application is needed that will support or facilitate this task. The information presented in the Geographical Information System mapping the location of livestock stalls is the location of the co-ordinates for beef cattle, dairy and ducks. which can provide information about the location (stables) of the farm in the form of a map using a geographic information system with QGis Cloud.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0380,015

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 Opus0,035
Tête enseignante GPT0,243
Écart entre enseignants0,208 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJE-UNISLAMême sujetMultimedia Learning SystemsTravaux en français237 207