MétaCan
Menu
Retour à la cohorte
Enregistrement W4313232942 · doi:10.5614/sostek.itbj.2022.21.3.7

Analysis of Digital Supply Chain Management in the Development of Export Products for Rattan Crafts in Cirebon

2022· article· en· W4313232942 sur OpenAlexfundno aff
Elsa Silvia Nur Aulia

Notice bibliographique

RevueJurnal Sosioteknologi · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesHumanities Research Group, University of Windsor
Mots-clésRattanCraftHandicraftBusinessProduct (mathematics)JavaFurniture industryGovernment (linguistics)Agricultural economicsCommerceGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

This research is motivated by the fact that in Cirebon West Java, which is the largestrattan craftsman area in Indonesia, was found that there are many unresolved obstaclesin the development of rattan craft products that will be exported to several countries.The obstacles include the supply chain or the availability of raw materials, the lackof capital for small and medium industry (IKM) stakeholders, and the lack of humanresources management (HRM) as a form of regeneration for rattan craft craftsmen.This study used a qualitative approach where data were collected through observation,documentation, and interviews. The results of this study show that the problems facedby rattan handicraft producers are: 1) a lack of availability of raw materials caused bylong shipping distances, such as from Sulawesi and Kalimantan to Cirebon; 2) a lackof capital that can be absorbed by small entrepreneurs to continue to be able to run thisrattan craft business because of the lack of attention given to small entrepreneurs fromboth the government of Cirebon and the World Bank. 3) the lack of human resourcemanagement for rattan handicraft producers due to the lack of interest from the youngergeneration and the lack of a training platform for the younger generation to continuethis rattan craft relay from time to time.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,082
Score d'incertitude au seuil0,325

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,032
Tête enseignante GPT0,293
Écart entre enseignants0,260 · 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 tête enseignante, 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal SosioteknologiMême sujetSMEs Development and Digital MarketingTravaux en français237 207