MétaCan
Menu
Retour à la cohorte
Enregistrement W4380631704 · doi:10.6000/1929-4409.2020.09.211

Environmental Damage Due to Hazardous and Toxic Pollution: A Case Study of Citarum River, West Java, Indonesia

2022· article· en· W4380631704 sur OpenAlexvenueno aff
Bambang Slamet Riyadi, Syukra Alhamda, Sutrysno Airlambang, Ratih Anggreiny, Ariff Trisetia Anggara, Sudaryat

Notice bibliographique

RevueInternational Journal of Criminology and Sociology · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Conservation and Criminology Analyses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHazardous wasteChristian ministryEnvironmental healthWatershedEnvironmental pollutionEnvironmental scienceEnvironmental protectionEnvironmental planningMedicineWaste managementEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Until now, environmental crimes in the Citarum watershed, especially the disposal of hazardous and toxic waste (HTW) still occurs. Consequently, there are a countless number of disasters that are happening in a day. However, where is the social control of bureaucrats of the State Ministry for the Environment of the Republic of Indonesia? This research approach method was the qualitative method. The research results showed that the perpetrators of environmental damage to the Citarum watershed were not aware that the impact of environmental damage was more violent than other crimes. It was because this type of crime sometimes had unexpected impacts related to the intensity, duration, and extent of the area affected. Therefore, the efforts to prevent environmental crimes against the Citarum river water should cover various aspects. These include very strict supervision in terms of check and balance of the independent state institutions as well as the discretion given to the authorities in the disposal of hazardous and toxic waste into the Citarum River.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
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 Opus0,038
Tête enseignante GPT0,287
Écart entre enseignants0,250 · 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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Criminology and SociologyMême sujetWildlife Conservation and Criminology AnalysesTravaux en français237 207