MétaCan
Menu
Retour à la cohorte
Enregistrement W4323287919 · doi:10.20884/1.ki.2022.14.1.4178

THE UTILIZATION OF GEO VISUALIZA THE UTILIZATION OF GEO VISUALIZATION TO DETERMINE THE FINAL WASTE DISPOSAL LOCATIONS IN BANYUMAS REGENCY

2022· article· en· W4323287919 sur OpenAlexaff
Siti Nurhayati, Kuswanto Kuswanto, Mohamad Syafei

Notice bibliographique

RevueKesmas Indonesia · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEdcuational Technology Systems
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésPopulationGeographic information systemWaste disposalEnvironmental scienceWaste managementGeographyCartographyEngineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The increasing population in Banyumas Regency has consequently impacted on the increasing amount of waste to manage. The old final waste disposal places are no longer capable to hold the amount of waste produced by the people of Banyumas Regency. Thus, Banyumas Regency has recently been in the emergency state dealing with its waste management. Banyumas Regency requires new final waste disposal locations since the old ones are no longer feasible. Thus, it is required to find new final waste disposal locations. This research employed a descriptive method with a spatial approach. The geographic information system (GIS) was performed to determine the final waste disposal locations by using the weighing and scoring method followed with the overlay maps. Those maps included the administrative map, river map, land-use map, waste-risk area map, flood-prone-area, landslide-prone area, earthquake-prone-area, fault map, slope map, rainfall map, and population density map. The results of this research show that the alternative final waste disposal locations in Banyumas Regency are best located in Kalibagor district covering the areas of Srowot, Kalisorga Wetan, Petir, and Pajerukan Village; while in Purwojati district covering the area of Purwojati and Karangtalun Kidul Village. Keywords: spatial analysis, Final Waste Disposal, waste

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,063
Tête enseignante GPT0,320
Écart entre enseignants0,257 · 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'étudeSans objet
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 revueKesmas IndonesiaMême sujetEdcuational Technology SystemsTravaux en français237 207