MétaCan
Menu
Retour à la cohorte
Enregistrement W4389919376 · doi:10.47776/praxis.v2i2.756

PENDAMPINGAN RINTISAN UMKM KERUPUK IKAN DI DESA SELETRENG KECAMATAN KAPONGAN KABUPATEN SITUBONDO

2023· article· id· W4389919376 sur OpenAlexaff
Angga Dimas Hermawan, Rizqi Ainur Hendrawan, Sari Rahmawati Putri, Amelia Wulandari, Bambang Sugiarto, Krisna Arga Saputra

Notice bibliographique

RevuePRAXIS Jurnal Pengabdian kepada Masyarakat · 2023
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsForestryHumanitiesGeographyArt

Résumé

récupéré en direct d'OpenAlex

Desa Seletreng Kecamatan Kapongan Kabupaten Situbondo ialah suatu wilayah dengan geografis pesisir pantai. Kondisi semacam itu tentunya memberikan limpahan hasil laut yang kemudian secara tidak langsung akan memunculkan usaha rumahan pengolah hasil perikanan. Usaha yang ada masih berupa usaha rintisan rumahan atau baru melakukan produksi berskala kecil. Adanya usaha kecil atau UMKM yang baru terbentuk tentu memiliki beberapa permasalahan yang membutuhkan pendampingan dan penguatan. UMKM yang baru berdiri pada umumnya masih belum mempunyai legalitas, bahan baku utama yang berupa ikan yang telah dipilih hanya diperoleh pada musim tertentu, dan kurangnya kemampuan dalam aspek branding maupun digital marketing. Penguatan UMKM ini memiliki tujuan agar UMKM yang baru berdiri mampu bersaing dan berkualitas dengan cara 1) Pendampingan dalam pengurusan legalitas UMKM berupa Nomor Induk Berusaha, SPP-IRT, dan Sertifikasi Halal, 2) Inovasi bahan baku pengganti, 3) Pendampingan dan pelatihan dalam membranding produk dan digital marketing. Pengabdian yang dilakukan dalam program KKN UNEJ Membangun Desa (UMD) memiliki target capaian, yaitu UMKM yang telah mendapatkan pendampingan maupun penguatan dapat bersaing dan memiliki kualitas tinggi. Keberlanjutan juga menjadi sorotan serius agar UMKM dalam segi pemasaran dapat terus berjalan, yaitu dengan memberikan pelatihan terhadap pelaku usaha dalam pengoperasian market place.

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)0,005
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), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,306
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0040,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,007

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 Opus0,030
Tête enseignante GPT0,284
Écart entre enseignants0,254 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRAXIS Jurnal Pengabdian kepada MasyarakatMême sujetSMEs Development and Digital MarketingTravaux en français237 207