MétaCan
Menu
Retour à la cohorte
Enregistrement W4400734656 · doi:10.35166/jipm.v3i1.27

Road Safety for Persons with Disabilities in Palembang

2020· article· en· W4400734656 sur OpenAlexaff
Nurussama Nurussama, Rizki Fitri Amalia

Notice bibliographique

RevueJournal of Infrastructure Policy and Management · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban Transport Systems Analysis
Établissements canadiensOptech (Canada)
Organismes subventionnairesnon disponible
Mots-clésTransport engineeringBusinessPsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

According to the Ministry of Social Affairs No. 178/HUK/2016, there are 245,716 persons with care home-based social welfare problems spread across Indonesia and 5,824 care homes throughout the country. The regional governments, assisted by the central government, build public facilities that can accommodate the needs of citizens with disabilities who are often neglected. One of concrete results of development is when there is equitable development where all elements of the population can feel the impact of the development, including the disability community. Palembang as an organizer of international events still has problems with transportation and facilities for road users. The purpose of this study is to analyze the effect of safety of facilities and infrastructure on public transportation users in Palembang (a case study of persons with disabilities in Palembang). The methods used are quantitative and qualitative and the sampling method used is purposive sampling and 148 saturated samples. Based on the results of the study, it can be concluded that all variables of facilities and infrastructure are proven to be significant, but several variables such as road facilities, pedestrian bridges (JPO) have weak relationships, and persons with disabilities are considerably helped by Trans Musi conductors. Transmission conductors are considered very attentive to the needs of passengers from waiting for arrival to stop. The results of this study are expected to contribute to improving facilities and infrastructure, especially for persons with disabilities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Infrastructure Policy and ManagementMême sujetUrban Transport Systems AnalysisTravaux en français237 207