MétaCan
Menu
Retour à la cohorte
Enregistrement W3118302095 · doi:10.20527/jiep.v3i1.2223

ANALISIS KETIMPANGAN PEMBANGUNAN DI KAWASAN BANUA ANAM DITINJAU DARI ASPEK EKONOMI,SOSIAL,DAN ANGGARAN

2020· article· en· W3118302095 sur OpenAlexaff
Aldi Aldi, Ahmad Yunani

Notice bibliographique

RevueJIEP Jurnal Ilmu Ekonomi dan Pembangunan · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésInequalityTypologyIndex (typography)Human development (humanity)GeographyHuman Development IndexRegional developmentRegional scienceSocioeconomicsSociologyEconomic growthEconomicsMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is (1) to find out the Development Inequality in the Banua Anam Region (2) See the Inequality in the Development of the Banua Anam Region (2) Which regency has the highest and lowest IPD. The method used in this research is quantitative descriptive analysis and Analysis of Development Planning Techniques. The results of the Tabalong and Balangan Research included developed but depressed areas, for Tapin. Hulu Sungai Selatan, Hulu Sunga Tengah, and Hulu Sungai Utara enter developed developed areas including developing regions. Inequality in the Banua Anam region is still high, areas of increasing inequality are Tabalong and Balangan. Economic Aspects are the most dominant in creating inequality. The highest Regional Development Indexes are Tabalong, Balangan, and Tapin,Keywords: Development Inequality, Regional Development Index, IndexWilliamson, Klassen Typology, Human Development Index

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,082
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 GPT0,217
Écart entre enseignants0,182 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJIEP Jurnal Ilmu Ekonomi dan PembangunanMême sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207