Perencanaan Perbaikan Infrastruktur Jalan Oleh Pemerintah Kota Pekanbaru Tahun 2023
Notice bibliographique
Résumé
Provinsi Riau merupakan provinsi kedua yang memiliki jalan rusak terbanyak di Indonesia (berdasakan data BPS 2022), yaitu mencapai 633km. Kota Pekanbaru sebagai ibukota Provinsi tentunya memiliki jalan utama penting. Dari 1.277km jalan di Kota Pekanbaru, terdapat 400km jalan rusak, Pada tahun 2023, pemerintah Pekanbaru merencanakan dan melakukan program perbaikan jalan berupa pengaspalaan ulang (overlay). Adapun tujuan penelitian ini untuk mendeskripsikan bagaimana Perencanaan Perbaikan Infratruktur Jalan Oleh Pemerintah Kota Pekanbaru Tahun 2023. Dengan menggunakan metode penelitian kualitatif dan untuk pengumpulan data, peneliti menggunakan studi pustaka (library research). Pendekatan yang dipakai menggunakan konsep manajemen pemerintah (planning). Hasil dari penelitian ini adalah pemerintah kota Pekanbaru sudah melaksankan manajmen pemerintahn dengan baik, melalui perencanaan perbaiakan jalan dengan tambal sulam dan overlay dengan target dan sasaran waktu dan jelas. Namun, dibutuhkan mekanisme pemantauan, evaluasi dan pengawasan dalam melaksanakan perencanaan perbaikan jalan rusak di Kota Pekanbaru.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,023 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».