MétaCan
Menu
Retour à la cohorte
Enregistrement W4244816476 · doi:10.31227/osf.io/6ektv

ANALISIS TINGKAT PELAYANAN DAN KENYAMANAN JALUR PEDESTRIAN DI JALAN GAJAH MADA, DIPONEGORO DAN PAHLAWAN BERDASARKAN PERSEPSI PENGGUNA

2019· preprint· id· W4244816476 sur OpenAlexaff
Jelita Citrawati Jihan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueid
DomaineEngineering
ThématiqueUrban Transport Systems Analysis
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Jalan Gajah Mada, Diponegoro dan Pahlawan merupakan kawasan yang memiliki tingkat keramaian yang tinggi karena adanya pusat kegiatan perdagangan, jasa dan perkantoran di Sidoarjo. Permasalah yang terjadi di jalan tersebut adalah banyaknya parkir liar dan rusaknya jalur pedestrian. Penelitian ini bertujuan untuk mengetahui kondisi fisik jalur pedestrian, mengetahui tingkat pelayanan serta tingkat kenyamanan berdasarkan persepsi pengguna. Metode penelitian menggunakan deskriptif kualitatif dan kuantitatif dengan teknik analisis LOS (Level Of Service) dan AHP (Analysis Hierarcy Process). Metode pengumpulan data dilakukan dengan cara survey lapangan, sebar kuisioner dan dokumentasi. Hasil dari penelitian ini ialah kondisi fisik jalur pedestrian di Jalan Gajah Mada, Diponegoro dan Pahlawan telah sesuai dengan pedoman. Jika ditinjau dari tingkat pelayanan Jalan Gajah Mada tergolong tingkat B, sedangkan Jalan Diponegoro dan Pahlawan tergolong tingkat pelayanan A. Para pengguna merasa aman dan nyaman saat berjalan di jalur pedestrian Jalan Gajah Mada, Diponegoro dan Pahlawan. Arahan pengembangan untuk jalur pedestrian berdasarkan hasil AHP yaitu alternatif 1 (satu) relokasi area parkir agar tidak menggunakan jalur pedestrian 40,8%, alternatif 2 (dua) Perbaikan kondisi fisik jalur pedestrian 42% dan alternatif 3 (tiga) Peningkatan keterseediaan elemen pendukung jalur pedestrian 17,2%.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,004

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 Opus0,016
Tête enseignante GPT0,219
Écart entre enseignants0,203 · 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'étudeObservationnel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Transport Systems AnalysisTravaux en français237 207