MétaCan
Menu
Retour à la cohorte
Enregistrement W4377819308 · doi:10.59637/jsti.v17i2.149

Kajian Dampak Keberadaan Pasar Induk Kota Medan Terhadap Pertumbuhan Permukiman Disekitarnya Studi Kasus : Kelurahan Lau Cih Kec. Medan Tuntungan

2014· article· id· W4377819308 sur OpenAlexaff

Notice bibliographique

RevueJurnal Sains dan Teknologi ISTP · 2014
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueCoastal Management and Development
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Perkembangan suatu kota pada umumnya terjadi karena adanya perkembangan penduduk, kegiatan perekonomian penduduk, dan interaksi antara kota dengan wilayah lain. Perkembangan suatu kota atau daerah pun di pengaruhi oleh keberadaan pasar tradisional yang secara bersamaan bertumbuh dan berkembang pada kota atau daerah tersebut. Keberadaan pasar, tentu menjadi salah satu faktor pendorong perkembangan suatu kota dimana pasar dapat membentuk struktur ekonomi kota. Perubahan penggunaan lahan dan perkembangan permukiman di sekitar Pasar Induk Lauchi Medan Tuntungan yang telah terjadi diduga di pengaruhi oleh keberadaan Pasar Induk Lauchi Medan Tuntungan yang menyebabkan perkembangan jumlah penduduk dan peningkatan kegiatan ekonomi penduduk. peneliti bertujuan mengkaji faktor yang mempengaruhi perkembangan penggunaan lahan permukiman dengan adanya pasar Induk Kota Medan di Kelurahan Lau Cih, Kecamatan Medan Tuntungan dengan menggunakan metode overlay peta dan analisis kuantitatif deskriptif. Dari hasil penelitian ini menemukan adanya perkembangan penggunaan lahan permukiman di sekitar pasar Induk Kelurahan Lau Cih sebesar 1% dari Tahun 2017 – Tahun 2021, dan perkembangan penggunaan lahan permukiman di sekitar pasar Induk Kelurahan Lau Cih juga di pengaruhi oleh keberadaan pasar Induk Lauchi, Tuntungan Medan.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,013
Tête enseignante GPT0,221
Écart entre enseignants0,208 · 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'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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Sains dan Teknologi ISTPMême sujetCoastal Management and DevelopmentTravaux en français237 207