MétaCan
Menu
Retour à la cohorte
Enregistrement W4283780774 · doi:10.56354/jendelainovasi.v5i1.110

ANALISIS SEKTOR UNGGULAN UNTUK MEWUJUDKAN KOTA MAGELANG YANG MAJU DAN BERDAYA SAING

2022· article· id· W4283780774 sur OpenAlexaff
Erika Febrianti, Sudati Nur Sarfiah

Notice bibliographique

RevueJurnal Jendela Inovasi Daerah · 2022
Typearticle
Langueid
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economic and Spatial Analysis
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusiness administrationBusinessPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex


 
 
 
 Mengidentifikasikan sektor unggulan menjadi penting untuk dilakukan terutama dalam menentukan strategi pembangunan ekonomi ke depannya. Oleh karenanya, penelitian ini dilakukan dalam rangka meningkatkan daya saing ekonomi Kota Magelang sebagaimana visi Kota Magelang yang tercantum dalam RPJPD tahun 2005-2025 yaitu “Magelang sebagai Kota Jasa yang Berbudaya, Maju dan Berdaya Saing dalam Masyarakat Madani”. Metode yang digunakan adalah analisis gabungan dari Location Quotient (LQ) statis dan dinamis, Shift-share, Model Rasio Pertumbuhan (MRP), Overlay dan Tipologi Klassen. Hasil penelitian menunjukkan terdapat 4 (empat) sektor yang masuk ke dalam sektor maju dan berkembang pesat; Pengadaan Listrik dan Gas; Transportasi dan Pergudangan; Administrasi Pemerintahan, Pertahanan, dan Jaminan Sosial Wajib; dan Jasa Pendidikan. Strategi pembangunan ekonomi untuk meningkatkan daya saing ekonomi Kota Magelang dapat dilakukan dalam jangka pendek, menengah, dan jangka panjang.
 
 
 

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,691
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,029
Tête enseignante GPT0,212
Écart entre enseignants0,184 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Jendela Inovasi DaerahMême sujetRegional Economic and Spatial AnalysisTravaux en français237 207