Perkembangan dan Karakterisasi Desa-desa Pegunungan Jawa Tengah
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
The characteristics of mountain villages are very different from valley villages and plain villages, but socio-economically and environmentally related to each other. This study aims to analyze the level of development of physical facilities in mountain villages, analyze the village development index based on the dimensions of village development, and analyze the components of socio-economic, environmental, and developmental characteristics of mountainous villages in Central Java. Analysis of the level of development of mountainous village physical facilities used skalogram based on PODES 2018 data, village development index based on the dimensions of village development used the Village Index (ID) calculation formula, and analysis of the characteristics of the socio-economic, environmental, and developmental components of mountain villages used Principal Component Analysis (PCA). Results of the analysis of the level of development of the physical facilities of the mountainous villages show that 413 villages (67.81%) of the mountains are in the third hierarchical class (less developed). The category of village development based on the dimensions of development shows that mountain villages are included in the category of developing villages with an average value of ID 54.17. The components that best characterize the characteristics of mountainous villages are the potential for the danger of 21.9%, the availability of secondary school education facilities, health facilities, and the village development level of 16%, the component of trade facilities 5.8. %, the component of the availability of the micro-industry is 13.25%, and the component of the availability of health facilities are 8.8%.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 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