MétaCan
Menu
Retour à la cohorte
Enregistrement W4313815653 · doi:10.18280/ijdne.170608

Growth Morphology of Settlement on the Riverside Musi in Palembang

2022· article· en· W4313815653 sur OpenAlexvenueno aff
Bambang Wicaksono, Ari Siswanto, Widya Fransiska Febriati Anwar, Susilo Kusdiwanggo

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueArchitectural and Urban Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas SriwijayaUniversitas Brawijaya
Mots-clésHuman settlementLand reclamationHarmony (color)Settlement (finance)GeographyUrban morphologyEnvironmental planningUrban planningCivil engineeringArchaeologyBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

The growth of settlements on the banks of the Musi River, Palembang as a center of trade and government cannot be separated from the existence of rivers and their flows which then change the morphology of the riverbanks. The morphological development of the city formed as a result of riverbank reclamation is strongly influenced by endogenous and exogenous forces. Physical development by the community that is not in harmony with the river causes environmental problems that affect the quality of the residential environment. The research method uses a qualitative case study approach to explore information on the reality of the field in the research area. Each segment is analyzed for settlement growth which is formulated into four categories and then produces a theme. Overall, the morphology of the settlement growth of the Musi Riverside is in two patterns, namely with urban growth where the riverside settlement area has a cluster and linear pattern that has an impact on the economic growth of the settlement and is not in harmony with the morphology of the riverbank with all its mixing activities. Furthermore, linear growth, where the growth of suburban settlements is only concentrated in areas that provide road access, and riverside land is still a water catchment area.

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)0,001
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 enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,226
Écart entre enseignants0,206 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetArchitectural and Urban StudiesTravaux en français237 207