MétaCan
Menu
Retour à la cohorte
Enregistrement W3095330272 · doi:10.21776/ub.ecsofim.2020.008.01.01

Qualitative Loop Analysis of Social-Ecological Connectivity: The Case of Bima Bay, West Nusa Tenggara

2020· article· en· W3095330272 sur OpenAlexaff
Munawar Munawar, Luky Adrianto, Mennofatria Boer, Zulhamsyah Imran, Andi Zulfikar

Notice bibliographique

RevueECSOFIM (Economic and Social of Fisheries and Marine)/ECSOFiM (Economic and Social of Fisheries and Marine) · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and Coastal Ecosystems
Établissements canadiensEncana (Canada)
Organismes subventionnairesLembaga Pengelola Dana Pendidikan
Mots-clésBayNonprobability samplingStatisticEnvironmental resource managementEcosystemGovernorTourismGeographyEnvironmental scienceEcologyMathematicsStatisticsEngineeringBiologySociology

Résumé

récupéré en direct d'OpenAlex

The coastal area of Bima Bay will continuously experience increased development for the next few years along with its city development as “Waterfront City” and as a tourism village by the decision letter of the West Nusa Tenggara governor. The data used in this research are primary and secondary data with a purposive sampling method. The analysis results show that: 1) the basic network model does not significantly differ from the simulation model, 2) loop analysis based on seven scenario simulations combines six nodes with the assumption that if node Up, Ad, Hp, P, and Jv is unavailable, so the nodes gaining negative effect are Tt, Ti, Sp, II, Ic, and Dw. Sustainable management effort of the ecosystem in Bima Bay by observing the network connection between SES components to find out the component giving positive and negative effects in management policy-making. The simulation model using the goodness of fit test for model statistic obtains p-value 0.96 which means H0 received since p-value 0.96 > 0.05 points. There need sustainable efforts to maintain the Bima Bay ecosystem by observing the impact of network relation across the components in SES to find out the component with positive and negative impact in making management policies.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,240
Écart entre enseignants0,221 · 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'étudeQualitatif
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECSOFIM (Economic and Social of Fisheries and Marine)/ECSOFiM (Economic and Social of Fisheries and Marine)Même sujetMarine and Coastal EcosystemsTravaux en français237 207