Utilization of big data and cloud computing platforms for the smooth processing of financial ac-counting system data and its implications for the success of village development
Notice bibliographique
Résumé
This research aims to analyze the direct and indirect influence of the use of Big Data and Cloud Computing Platforms on the smooth processing of financial accounting system data and its implications for the success of village development. This research used quantitative methods, using Saturation sampling techniques, and obtained a sample of 131 respondents who were village financial information system operators, consisting of 131 villages in Pringsewu Regency, Lampung Province, Indonesia. The data collected from the surveys was then analyzed using Structural Equation Modeling-Partial Least Squares (SEM-PLS). The research and data analysis demonstrate that Cloud Computing Platforms significantly enhance the efficiency of processing financial accounting system data. Additionally, Cloud Computing Platforms have a direct and positive influence on the success of village development. Moreover, the efficient handling of financial accounting system data directly and significantly impacts the progress of village development. Furthermore, the application of Big Data has a direct and substantial impact on the effective processing of data in financial accounting systems, as well as on the achievement of success in village development. Ultimately, the efficient data processing of the Financial Accounting System serves as a partial intermediary between the utilization of Big Data and Cloud Computing Platforms, and the achievement of village development in Pringsewu Regency, Lampung Province, Indonesia. Because the independent variable is able to significantly influence both directly and indirectly the dependent variable.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».