MétaCan
Menu
Retour à la cohorte
Enregistrement W4280637242 · doi:10.32832/astonjadro.v11i2.6174

IMPACT OF ABRATION ON LAND USE IN COASTAL AREA BULELENG REGENCY

2022· article· en· W4280637242 sur OpenAlexaff
Luh Putu Gita Ari Parwati, Ngakan Ketut Acwin Dwijendra, Ni Ketut Agusintadewi

Notice bibliographique

RevueASTONJADRO · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal Management and Development
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésCoastal erosionMangroveGeographyAbrasion (mechanical)Environmental scienceLand useVulnerability (computing)Environmental resource managementErosionWater resource managementAgroforestryFisheryCivil engineeringGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

Coastal damage due to abrasion and wave erosion in Buleleng Regency is very potential, even information from the Buleleng Regency Marine Service released information that the length of the coast in Buleleng Regency which has been damaged is not less than 5 km. Abrasion and wave erosion resulting in erosion of the coastline and will continue to affect land use. In this study using quantitative methods with analysis stages consisting of, among others, land use and analysis of the impact of abrasion on land use. The analysis carried out is a Geographic Information System (GIS) based analysis in accordance with the needs of the research in spatial terms. The conclusions obtained from this study are the types of land use that exist in the Coastal District of Buleleng Regency are in the form of airports, lakes / reservoirs, forests, mangroves, stretches of beach sand, ports, plantations / gardens, paddy fields, rivers, moor and shrubs. The abrasion that occurs in the Coastal Zone of Buleleng Regency every year with vulnerability during 2013 - 2019 has an impact on land use changes. This can be seen through the results of overlapping overlay analysis and seeing the area of land use that has changed.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,077
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,215 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASTONJADROMême sujetCoastal Management and DevelopmentTravaux en français237 207