MétaCan
Menu
Retour à la cohorte
Enregistrement W4372255198 · doi:10.59141/comserva.v1i1.90

Pelatihan dan Pendampingan Digitalisasi Ekonomi Pada Usaha Mikro Kecil Menengah (UMKM) di Desa Cinunuk Kecamatan Cileunyi Kabupaten Bandung

2021· article· id· W4372255198 sur OpenAlexaff
Maman Suryaman, Edi Kusniadi

Notice bibliographique

RevueCOMSERVA Jurnal Penelitian dan Pengabdian Masyarakat · 2021
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Dampak pandemi COVID-19 terhadap perekonomian menuntut pemerintah mengambil langkah reaksi cepat dalam menyelamatkan perkonomian masyarakat yang salah satunya adalah melakukan Transformasi Digital (digitalisasi ekonomi) yakni interaksi sosial yang sebelumnya lebih banyak dilakukan secara langsung (fisik) beralih ke interaksi tidak langsung (non-fisik) dengan tujuan memperoleh model Digitalisasai Ekonomi yang rendah interaksi langsung, membuat Sistem system pengelolaan usaha ntuk menghasilkan produktivitas dan efisiensi , melakukan Perubahan prilaku pelaku usaha dengan memanfaatkan teknologi digital dalam bentuk pelatihan dan pendampingan. Pelatihan dan pendampingan tersebut, diselenggarakan Di Desa Cinunuk kecamatan Cileunyi kabupaten bandung dengan peserta pelaku usaha konveksi yang ada di daerah tersebut dengan jumlah peserta 44 orang melalui zoom Meeting dengan materi Pemahaman PP 7 tahun 2021 tentang Pemberdayaan, perlindungan Koperasi dan UMKM, Pengetahuan dan pemahan tentarng Usaha Kredit Rakyat (KUR) dan KUPEDES, cara membuat dan menggunakan aplikasi untuk mengurangi interaksi langsung, cara membuat dan menggunakan aplikasi pencatatan dan pembukuan menggunakan mikrosoft excel untuk usaha konveksi. Hasil pelatihan dan pendampingan tersebut menghasilkan aplikasi digital untuk mengurangi interaksi langsung dengan pemesan, penyedia bahan dan bagian produksi serta aplikasi untuk pencatatan dan pembukuan dengan mikrosoft excel untuk memudahkan pelaku usaha melakukan pencatatan dan pembukuan yang selama ini masih bersipat manual.

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 consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,001
Communication savante0,0070,005
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,039
Tête enseignante GPT0,265
Écart entre enseignants0,226 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCOMSERVA Jurnal Penelitian dan Pengabdian MasyarakatMême sujetSMEs Development and Digital MarketingTravaux en français237 207