Optimalisasi Peran Daerah Tujuan Guna Mendukung Peningkatan Ekonomi Dan Status Perkembangan Kawasan Transmigrasi
Notice bibliographique
Résumé
Capaian status perkembangan pada 152 kawasan transmigrasi belum mengalami peningkatan yang signifikan. Hasil evaluasi tahun 2023, dari 52 kawasan prioritas nasional didapatkan persentase kawasan transmigrasi prioritas nasional yaitu; 5,76% kawasan berdaya saing, 65,38% kawasan mandiri, dan 28% kawasan berkembang. Sedangkan 100 kawasan prioritas Kementerian didapatkan kawasan transmigrasi prioritas Kementerian yaitu; 0% kawasan berdaya saing, 23% kawasan mandiri, dan 77% kawasan berkembang. Olehnya, perlu dilaksanakan langkah-langkah konkrit untuk meningkatkan ekonomi dan status perkembangan kawasan transmigrasi baik dari keselarasan regulasi, dukungan pemerintah daerah serta sinergi dan kolaborasi antar pemangku kepentingan. Revisi atas lampiran Undang-undang 23 tahun 2014 tentang Pemerintahan Daerah adalah langkah tepat agar selaras dengan Undang-Undang 29 tahun 2009 tentang Ketransmigrasian untuk memberi peran dan ruang gerak pemerintah daerah yang lebih luas dalam mengembangkan wilayah yang merata dan berkeadilan.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,004 |
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 ».