MétaCan
Menu
Retour à la cohorte
Enregistrement W4364374329 · doi:10.18280/ijsdp.180303

Public Policy Management in Determining the Feasibility of the Smart City Project in Malang, Indonesia

2023· article· en· W4364374329 sur OpenAlexvenueno aff
Andy Fefta, Fadly Usman, Agus Dwi Wicaksono, Dadang Meru Utomo, Keisuke Murakami

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesJapan Student Services Organization
Mots-clésBusinessEnvironmental planningEnvironmental resource managementArchitectural engineeringEnvironmental economicsEngineeringEnvironmental scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The Internet has increasingly become a critical part in digital era, the Internet has changed how we interact through social media, access information and public services, and navigate spatially.This article argues that adopting a Smart City concept to meet the needs of urban residents should be done in a careful and sustainable manner.Using the city of Malang in the East Java Province as a case study, the research employees a spatial of SWOT analysis, Pentagon Assets Analysis, and 3D IPA.The results showed a disparity of Internet access amongst Malang City residents.The Pentagon Assets results identified that the residents' social and financial capital is still conventionally trying to fulfill their basic needs.Likewise, the spatial SWOT analysis showed that the Internet coverage area was still constrained by the infrastructure network and basic urban infrastructure.This was also supported by the results of the 3D IPA analysis, which showed that most residents have not received good and proper internet network services.The paper offers several public policy implications in the context of the Smart City development.It concluded that policymakers should consider several aspects such as fulfilling basic urban services, increasing community capacity, or fulfilling Smart City development.

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)0,001
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 enseignants0,013
Score d'incertitude au seuil0,186

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,053
Tête enseignante GPT0,286
Écart entre enseignants0,233 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetSmart Cities and TechnologiesTravaux en français237 207