Notice bibliographique
Résumé
Dalam mewujudkan pembangunan ekonomi baik pembangunan nasional maupun pembangunan daerah salah satunya dapat dilihat dari segi pembangunan sektoral, dimana pendekatan pembangunan sektoral adalah pencapaian sasaran pembangunan suatu wilayah yang meliputi seluruh kegiatan yang dikelompokkan atas sektor atau lapangan usaha. Kabupaten Pasaman merupakan salah satu kabupaten diantara 12 kabupaten yang berada di provinsi Sumatera Barat. Kabupaten Pasaman berada pada posisi ke 18 atau pada posisi kedua terendah yaitu sebesar 5 persen. Pembangunan di suatu wilayah seharusnya dilakukan pada sektor-sektor yang merupakan sektor unggulan. Sektor unggulan sebagai motor pengggerak sektor lainnya, oleh karena itu tujuan penelitian ini untuk menentukan sektor unggulan perekonomian Kabupaten Pasaman. Metode analisis yang digunakan yaitu metode analisis Location Quotient, Model Rasio Pertumbuhan, Overlay, dan Tipologi Klassen. Dari hasil analisis diketahui bahwa sektor pertanian, kehutanan dan perikanan sebagai sektor unggulan yang maju dan berkembang cepat tetapi dengan laju pertumbuhan yang rendah di kabupaten Pasaman.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,250 | 0,107 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».