MétaCan
Menu
Retour à la cohorte
Enregistrement W3116553706 · doi:10.29122/jstmb.v15i2.4502

REGIONAL PLANNING AND DEVELOPMENT BASED ON DISASTER RISK REDUCTION IN BANTEN PROVINCE

2020· article· en· W3116553706 sur OpenAlexaff
Novian Andri Akhirianto

Notice bibliographique

RevueJurnal Sains dan Teknologi Mitigasi Bencana · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésDisaster risk reductionTypologyVulnerability (computing)GeographyEnvironmental planningUnit (ring theory)HazardBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Banten Province is one of the areas prone to disaster, because it has various hazards of disaster. On the other side, the process of regional development continues as well as all human activities. To handling these problems, disaster risk reduction efforts are needed by taking into account the regional developments. The purposes of this research are to identify the level of disaster risk, the level of regional development, and to find out the relationship between disaster risk and the level of regional development in Banten Province. This research was conducted using the literature study method, by searching and studying various literatures. Data analysis was performed using scoring techniques and an integrated model of the relationship between regional development and disaster risk, with the unit of analysis is district/ city. The results showed that there were 2 typologies of the relationship between disaster risk and regional development in Banten Province, 5 districts/ cities (Pandeglang Regency, Lebak Regency, Tangerang Regency, Serang Regency and Tangerang City) in typology I (high) and 3 districts/ cities (Cilegon City, Serang City, and Tangerang Selatan City) in typology III (low). Keywords: hazard, vulnerability, capacity, disaster risk, regional development, banten province.

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 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 enseignants0,156
Score d'incertitude au seuil0,521

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)0,0000,000

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 Opus0,037
Tête enseignante GPT0,277
Écart entre enseignants0,239 · 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 tête enseignante, 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 revueJurnal Sains dan Teknologi Mitigasi BencanaMême sujetDisaster Management and ResilienceTravaux en français237 207