Determinan Skor Pola Pangan Harapan di Indonesia Tahun 2022
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Tujuan kedua Sustainable Development Goals (SDGs) salah satunya mencakup perbaikan nutrisi untuk mengatasi kasus kelaparan yang banyak terjadi di dunia. Pemenuhan kebutuhan nutrisi dapat diperoleh dengan melakukan diversifikasi terhadap pangan. Di Indonesia, keragaman pangan digambarkan dengan skor Pola Pangan Harapan (PPH). Pada tahun 2022, skor PPH mengalami lonjakan yang substansial dibandingkan tahun sebelumnya yaitu sebesar 5,7 poin. Tujuan penelitian ini untuk menganalisis faktor-faktor yang memengaruhi Skor PPH dan kondisi keragaman pangan. Metode yang digunakan adalah analisis klaster dengan algoritma Bicluster CC dan regresi linear berganda. Hasil penelitian menunjukkan terdapat dua pengelompokkan wilayah di Indonesia yang terbagi menjadi wilayah dengan keragaman pangan tinggi di lima provinsi di Pulau Jawa dan wilayah dengan keragaman pangan yang rendah. Analisis yang telah dilakukan juga memperlihatkan adanya efek yang positif dari pengeluaran per kapita dan angka partisipasi sekolah terhadap skor PPH.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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.
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 découle