A Year of Covid-19: A Long Road to Recovery and Acceleration of Indonesia's Development
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
2020 is the year of Covid-19, Indonesia feels the enormity of this pandemic in various aspects of development. The Indonesian economy during the year slowed down to minus 5.3 percent in the second quarter of 2020 and in aggregate growth was minus 2.1 percent in 2020. The target of development planning in the National Medium Term Development Plan (Rencana Pembangunan Jangka Menengah/RPJMN) 2020-2024 was revised through the updating of the Government Work Plan (Rencana Kerja Pemerintah/RKP) in 2020, with the main priority of overcoming Covid-19. Then development began to be intensified in 2021 to pursue national priority targets that were abandoned due to Covid-19. The 2020 State Budget allocates around IDR 937.42 trillion for the prevention of Covid-19, including the accumulated APBD (Regional Revenue and Expenditure Budget) IDR 86.32 trillion, which makes the deficit financing for that year reach IDR 1,226.8 trillion. The Covid-19 pandemic control policy through Large-Scale Social Restrictions Policy (Pembatasan Sosial Berskala Besar/PSBB) has had ups and downs, especially when coupled with the new normal policy. The Policy for Limiting Micro Community Activities (Pemberlakuan Pembatasan Kegiatan Masyarakat/PPKM) as a substitute for PSBB was implemented in early February and the parallel national vaccination program is expected to support accelerated development as outlined in the RKP 2021. In 2021, the Covid-19 pandemic is still high in the world, and the acceleration of development proclaimed by the government gets a stretch of road that extends to be traversed.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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