MétaCan
Menu
Retour à la cohorte
Enregistrement W3137122515 · doi:10.24043/isj.157

Measuring accessibility and island development in Ambon City

2021· article· en· W3137122515 sur OpenAlexvenueno aff
Andiah Nurhaeny, Miming Miharja, Pradono Pradono, Puspita Dirgahayani

Notice bibliographique

RevueIsland Studies Journal · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal Management and Development
Établissements canadiensnon disponible
Organismes subventionnairesInstitut Teknologi BandungLembaga Pengelola Dana Pendidikan
Mots-clésGeographyPopulationDiversity (politics)Population growthEnvironmental planningRegional scienceEconomic geographyTransport engineeringEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Island studies has thus far mostly focused on the limitations, isolation and marginality of island communities. However, recent research into island cities, or urban island studies, provides an analytic lens or research perspective that can be used to understand an island’s diversity and to encourage researchers to identify island characteristics that have an impact on the function of cities and population centers on islands. One of the factors that inhibit the development of island cities is the limited availability of land area and resources, causing island city regions to depend on other regions to fulfill the population’s needs and provide basic services to the population, which puts islands in a vulnerable position because of transportation accessibility problems. This study was conducted using the Transit Opportunity Index (TOI) method to observe the relationship between transportation accessibility and economic growth in island city regions. The result of the analysis showed that transportation accessibility indirectly affects economic growth in every district/city in Maluku Province. Sea transportation accessibility better illustrates the condition of transportation accessibility of Ambon City and other districts/cities in Maluku Province compared to sea and air transportation accessibility.

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 enseignants0,055
Score d'incertitude au seuil0,109

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 Opus0,059
Tête enseignante GPT0,273
Écart entre enseignants0,214 · 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIsland Studies JournalMême sujetCoastal Management and DevelopmentTravaux en français237 207