Investigating the effect of technology-based village development towards smart economy: An application of variance-based structural equation modeling
Notice bibliographique
Résumé
Indonesia is a country dominated by rural areas. Addressing rural poverty is a priority of the Indonesian government work program and an effort to achieve the Sustainable Development Goals (SDGs). One of the actual programs dealing with poverty is a digital village which is implemented in a smart village ecosystem. Since 2018, Indonesia has initiated various pilots of smart village projects. The success of a smart village is closely related to citizen science. The purpose of this research was to build a citizen science prospect model for a smart economy in a smart village ecosystem using Structural Equation Model – Partial Least Square (SEM-PLS) approach. This study proposes a novelty of measuring villagers' readiness to build a smart economy in a smart village ecosystem based on the strength of community support. We propose an assessment of the prospect of developing a smart economy in a smart village through the citizen science level that integrates exogenous variables of community support for the environment, citizen character, empowerment, entrepreneurship, innovation, and the smart economy. The citizen science model towards a smart economy showed a high level of predictive relevance, which was 87,2%. The citizen science model towards a smart economy can also explain empirical data with a GoF value of 0,488. This research showed that the indicators of Information Communication Technology (ICT), ICT literacy, access to education and research and development (R & D) facilitation, motivation for smart villages, and innovation in villages were driven by family participation. The collaboration with the private sector, local government, and communities drive the village's smart economy. The SEM PLS approach has not been widely used in research on the smart village component, especially the relationship between citizen science and the smart economy. Therefore, this research can fill the gap in smart village research, which is still dominated by a descriptive approach.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».