Ketahanan Penduduk Usia 7-18 Tahun untuk Menuntaskan Pendidikan di Provinsi Jawa Tengah Tahun 2022
Notice bibliographique
Résumé
Pemerintah Indonesia telah mengupayakan agar masyarakatnya dapat mengenyam pendidikan setidaknya hingga jenjang pendidikan menengah melalui program wajib belajar 12 tahun. Namun, belum sepenuhnya penduduk di Indonesia dapat menyelesaikan pendidikan 12 tahun. Hal tersebut mengindikasikan adanya kejadian putus sekolah dan mempengaruhi ketahanan penduduk untuk menuntaskan pendidikan. Provinsi Jawa Tengah merupakan salah satu provinsi yang capaian rata-rata lama sekolahnya perlu mendapat perhatian sebab memiliki RLS terendah di Kawasan Barat Indonesia dengan RLS tahun 2022 mencapai 8,38 tahun. Penelitian ini bertujuan untuk mengetahui gambaran umum putus sekolah dan ketahanan untuk menuntaskan pendidikan pada penduduk usia 7-18 tahun di Provinsi Jawa Tengah tahun 2022 serta faktor-faktor yang memengaruhinya. Metode yang digunakan adalah analisis ketahanan hidup dengan data yang bersumber dari Susenas Maret 2022. Hasil penelitian dengan loglogistik AFT menunjukkan bahwa jenis kelamin, pendidikan KRT, lapangan usaha KRT, status kemiskinan, dan daerah tempat tinggal berpengaruh signifikan terhadap ketahanan penduduk usia 7-18 tahun untuk menuntaskan pendidikan.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,008 |
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 ».