MétaCan
Menu
Retour à la cohorte
Enregistrement W3169213865 · doi:10.29244/agrokreatif.7.2.162-167

M Pengembangan Pompa Irigasi Pertanian Menggunakan Energi Listrik Tenaga Surya di Desa Duri, Slahung, Ponorogo

2021· article· en· W3169213865 sur OpenAlexaff
Didik Riyanto, Yoyok Winardi, Mohammad Muhsin

Notice bibliographique

RevueAgrokreatif Jurnal Ilmiah Pengabdian kepada Masyarakat · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering and Technology Innovations
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésIrrigationAgricultural engineeringAgricultureEnvironmental scienceAgricultural machineryWater resource managementEngineeringAgricultural scienceEnvironmental engineeringGeographyAgronomy

Résumé

récupéré en direct d'OpenAlex

Community service program To develop agricultural irrigation is carried out in Duri village, Slahung sub-district, Ponorogo district. Agriculture in Duri village has been dependent on irrigation from the rain so agricultural activities only rely on the availability of water during the rainy season, while the potential for water from groundwater with a depth of 20 m has not been able to be utilized optimally because it is constrained by relatively expensive equipment and technology. For this reason, a community service program is carried out which aims to meet the irrigation needs of farmers. The method of implementing activities consists of an inventory of data related to the conditions and needs of materials to be applied with technology, technology design, technology application, training in the use of technology, and evaluation. The result of the activity is a program of implementing an irrigation pump with solar cell electricity that is applied to one of the farmer groups' fields, namely a water pump that is able to lift water from a depth of 20 m with a water discharge of 1080 L/hour and is able to last for 2 hours. able to meet water needs in the dry season and can be used to grow crops on a small scale such as vegetable crops on a land area of 100 m.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0600,006

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 Opus0,007
Tête enseignante GPT0,190
Écart entre enseignants0,183 · 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'étudeSans objet
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgrokreatif Jurnal Ilmiah Pengabdian kepada MasyarakatMême sujetEngineering and Technology InnovationsTravaux en français237 207