MétaCan
Menu
Retour à la cohorte
Enregistrement W4381730247 · doi:10.37695/pkmcsr.v5i0.1510

WORKSHOP PENGUATAN MANAJEMEN MEDIA DIGITAL DI DESA WISATA SIDOWAYAH, KLATEN, JAWA TENGAH

2022· article· id· W4381730247 sur OpenAlexaff
Eka Nada Shofa Alkhajar, Sri Herwindya Baskara Wijaya, Ina Primasari, Henricus Hans Setyawan Prabowo, Joko Suranto, Aryanto Budhy Sulihyantoro, Deniawan Tommy Candra, Dwi Tiyanto

Notice bibliographique

RevueProsiding Konferensi Nasional Pengabdian Kepada Masyarakat dan Corporate Social Responsibility (PKM-CSR) · 2022
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Desa Wisata saat ini menjadi salah satu tren pariwisata di Tanah Air. Dengan memanfaatkan potensi lokal, banyak desa berlomba mempercantik diri agar bisa menjadi destinasi wisata. Hadirnya beragam teknologi digital utamanya internet dan media sosial menjadikan pariwisata desa-desa wisata di Tanah Air kian semarak. Namun, pandemi COVID-19 menjadikan banyak desa wisata di Indonesia ikut terdampak akibat penurunan jumlah wisatawan, salah satunya Desa Sidowayah, Kecamatan Polanharjo, Kabupaten Klaten, Jawa Tengah.
 Terkait dengan itu, untuk meningkatkan kembali kekuatan citra (branding) Desa Sidowayah sebagai destinasi wisata, maka Research Group D3 Komunikasi Terapan Sekolah Vokasi Universitas Sebelas Maret (UNS) Surakarta menyelenggarakan workshop penguatan manajemen media digital desa wisata. Kegiatan ini diselenggarakan pada Selasa, 5 Juli 2022 di Pendopo Umbul Siblarak, Desa Sidowayah, Klaten. Kegiatan dihadiri sekitar 20 peserta dari kalangan badan usaha milik desa, kelompok sadar wisata, pengelola media digital desa dan karang taruna.
 Materi kegiatan berupa penyegaran prinsip-prinsip manajemen profesional dalam tata kelola media digital desa wisata secara profesional meliputi perencanaan, pengorganisasian, pelaksanaan dan pengevaluasian. Selain itu, disampaikan tentang strategi teknis pembuatan media konten untuk berbagai platform media sosial.

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)0,012
score de la tête « metaresearch » (Gemma)0,019
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,019
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0120,003
Communication savante0,0040,003
Science ouverte0,0030,005
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,089
Tête enseignante GPT0,289
Écart entre enseignants0,200 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProsiding Konferensi Nasional Pengabdian Kepada Masyarakat dan Corporate Social Responsibility (PKM-CSR)Même sujetSMEs Development and Digital MarketingTravaux en français237 207