MétaCan
Menu
Retour à la cohorte
Enregistrement W4391583699 · doi:10.22146/ijg.79811

The Regionalism of Borders in Indonesia (Case Study: Sebatik Island, Indonesia)

2023· article· en· W4391583699 sur OpenAlexfundno aff
Agung Satriyo Nugroho, R. Rijanta, Purwo Santoso, Muh Aris Marfai

Notice bibliographique

RevueIndonesian Journal of Geography · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCross-Border Cooperation and Integration
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Gadjah MadaMcGill University
Mots-clésRegionalism (politics)GeographyEconomic geographyPolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

Border management has, on the one hand, grown beyond the conceptual limit that is the terminological definition of borders as lines separating countries to also factor in their development as areas. On the other, it should aim to strengthen state sovereignty and improve the welfare of its citizens. Tese ofen lead to the dichotomy between security and prosperity in border management approaches. Regionalism is an approach used to create regional integration across national borders, but this concept is strongly influenced by the interests of states on each side of the border. Terefore, this research explores if spatial interaction between border communities is controlled by the regionalism concept introduced by the state or, instead, grows organically as part of regionalization due to livelihoods that require border crossings. It used a case study of Sebatik Island in the Indonesia-Malaysia border area. Te qualitative research design applied exploratory principles on the spatial interaction pattern formed between border communities and then synthesized the identified units of information on transboundary activities while considering government-issued policies on border management. Results showed that regionalism was only minimally implemented in managing the border area. It means that border landscapes in Indonesia are organically formed on the micro-scale even though the perspective of regionalism has long been adopted at the regional level, i.e., ASEAN.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,351
Écart entre enseignants0,330 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndonesian Journal of GeographyMême sujetCross-Border Cooperation and IntegrationTravaux en français237 207