MétaCan
Menu
Retour à la cohorte
Enregistrement W3094552140 · doi:10.20961/shes.v3i1.45057

Analysis of Landslide Vulnerability in Agribusiness Development Efforts Environmental Insight in Ngargoyoso District

2020· article· en· W3094552140 sur OpenAlexaff
Setya Nugraha, Gentur Adi Tjahjono

Notice bibliographique

RevueSocial Humanities and Educational Studies (SHEs) Conference Series · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueQ Methodology Applications
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésLandslideZoningHectareGeographyLand useVulnerability (computing)Sustainable developmentAgribusinessSustainabilityWater resource managementUnit (ring theory)Land developmentAgricultureHydrology (agriculture)Environmental scienceGeologyCivil engineeringGeotechnical engineeringEngineeringMathematicsEcology

Résumé

récupéré en direct d'OpenAlex

The area of Ngargoyoso Subdistrict, Karanganyar Regency, has geosphere conditions that have the potential to be developed for agribusiness crops, but are prone to landslides. In it’s development, it is necessary to integrate considerations of productivity and land sustainability by considering the carrying capacity of the land through the identification of landslide vulnerabilities. The objectives of this research are: (1) To determine the vulnerability of landslides in the Ngargoyoso District, (2) To determine the direction of land conservation for sustainable agricultural land development in Ngargoyoso District. The unit of analysis is in the form of land unit which is the result of overlapping between rock, soil, slope and land use units. The method of determining landslide vulnerability uses the scoring method of landslide determining parameters. The results of the research were (1) high landslide susceptibility area of 4,797.25 hectares (78.13%), moderate landslide susceptibility area of 1,343.26 hectares (21.87%), and (2) conservation directions in the form of zoning for seasonal agricultural land and manufacturing. terracing by paying attention to the slope and depth of the solum.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,329
Tête enseignante GPT0,413
Écart entre enseignants0,083 · 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'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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Humanities and Educational Studies (SHEs) Conference SeriesMême sujetQ Methodology ApplicationsTravaux en français237 207