Pemetaan Komoditas Basis di Kecamatan Polongbangkeng Utara Kabupaten Takalar
Notice bibliographique
Résumé
The policy for commodity development in Polongbakeng Utara District has not been able to optimize its natural resource potential. One of the efforts to optimize this potential is the identification of food crops basis commodities by potential mapping in each village in Polongbangkeng Utara District. This study aims to identify the food crops commodity which is a basis commodity and to make the basis commodities mapping in Polongbangkeng Utara District. The analytical method used is LQ analysis and Ar-GIS mapping. The results showed that the food crops commodities which were the basis commodities in Polongbangkeng Utara District were rice, corn, green beans, cassava and sweet potatoes. Palleko is a village that has the most basis commodities with 4 basis commodities, namely rice, green beans, cassava and sweet potato. Rice and sweet potato commodities are the most basis commodities because they are the basis for 12 villages out of 18 villages in Polongbangkeng Utara district. Base commodity mapping was carried out on 5 food crop commodities. Mapping results show that there are more non-basis commodity polygons (50 polygons) than basis commodity polygons (40 polygons).
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».