MétaCan
Menu
Retour à la cohorte
Enregistrement W4361244655 · doi:10.25157/ag.v5i1.10005

EDUKASI DAN PENDAMPINGAN KEGIATAN PRODUKSI SAMILER DALAM UPAYA MENINGKATKAN MUTU PRODUKSI DAN PEMASARAN DIGITAL

2023· article· id· W4361244655 sur OpenAlexaff
Septi Budi Sartika, Ardent Dhamar Kenda, Raden Muhammad Syamsul Huda, Arbiya Maghfiroh Rohmi, Isnaini Dwi Aprillia

Notice bibliographique

RevueAbdimas Galuh · 2023
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Kegiatan pengabdian ini bertujuan untuk memberikan edukasi dan pendampingan dalam kegiatan produksi Samiler sebagai upaya untuk meningkatan mutu produksi dan pemasaran digital industri rumahan kerupuk Sameiler di Desa Wonosunyo, Kecamatan Gempol, Kabupaten Pasuruan. Kegiatan edukasi dan pendampingan dilakukan melalui 3 tahapan yaitu perencanaan, pelaksanaan, dan evaluasi tindak lanjut. Pada kegiatan perencanaan, dilakukan analisis situasi dan potensi desa Wonosunyo dalam hal produksi kerupuk Samiler yang merupakan kuliner khas setempat. Pada tahap pelaksanaan dilakukan edukasi melalui seminar dan pendampingan mulai dari proses pembuatan produk, pengawasan mutu, dan pemasaran digital. Hasil kegiatan ini meliputi 1) adanya analisis situasi dan potensi desa Wonosunyo yaitu kuliner khas kerupuk Samiler, 2) edukasi dilakukan melalui sosialisasi materi rangkaian kegiatan produksi meliputi kualitas dan pemasaran dengan menggunakan media sosial Facebook, dan 3) adanya evaluasi tindak lanjut kegiatan selanjutnya antara lain penguatan laporan keuangan sehingga akan tercatat Laba Rugi dan Harta dan adanya alat produksi yang mampu mempercepat dan lebih higienis. Kegiatan pendampingan selanjutnya diarahkan pada kualitas produksi pada variasi bentuk dan rasa kerupuk Samiler serta memperluas jejaring pemasaran, misalnya Tik Tok Live, Istagram, dan sebagainya.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,030
Tête enseignante GPT0,283
Écart entre enseignants0,253 · 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.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAbdimas GaluhMême sujetSMEs Development and Digital MarketingTravaux en français237 207