MétaCan
Menu
Retour à la cohorte
Enregistrement W4392232083 · doi:10.18280/ijsdp.190228

Good Government Governance as a Moderator in Achieving Sustainable Development Goals in Indonesia

2024· article· en· W4392232083 sur OpenAlexvenueno aff
Heri Yanto, Amin Pujiati, Bestari Dwi Handayani, Abdul Rahim Ridzuan, J.S. Keshminder, M. Aulia Rachman

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSustainability, Governance, and Employment Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModerationSustainable developmentCorporate governanceGovernment (linguistics)BusinessSustainabilityEnvironmental planningEconomic systemEnvironmental economicsEnvironmental resource managementPolitical scienceEconomicsEnvironmental scienceComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

The goal of this study was to examine and assess the factors that affect Sustainable Development Goals (SDGs) study in Indonesia.Based on the context in this research, just the case in Indonesia, Economic Growth, the Human Development Index, and the Environmental Quality Index were the factors utilized in the study to assess the ability to fulfill the Sustainable Development Goals (SDGs).The effect of the Good Government Governance (GGG) variable as a moderating variable was also included in this study.The data used in this study were annual statistics from all provinces in Indonesia, namely 34 provinces from 2018 to 2021.The Warp-PLS 7.0 Structural Equation Modeling (SEM) software was used to analyze the hypotheses test in this investigation.The study's findings revealed that Economic Growth and Human Development Index have a substantial effect on the SDGs, however, the Environmental Quality Index variable had insignificant results.Furthermore, the Good Government Governance (GGG) variable considerably moderates the effect of economic growth, the Human Development Index, and the Environmental Quality Index on the Sustainable Development Goals (SDGs).

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,319
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,015
Tête enseignante GPT0,295
Écart entre enseignants0,281 · 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'étudeQualitatif
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetSustainability, Governance, and Employment StudiesTravaux en français237 207