DETERMINAN PEREKONOMIAN DI KABUPATEN/KOTA PROVINSI BALI TAHUN 2018 – 2022
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk menganalisis pengaruh tenaga kerja, kriminalitas, pendidikan, dan pengeluaran pemerintah terhadap pembangunan ekonomi di Provinsi Bali. Regresi data panel digunakan untuk penelitian ini, yang mencakup penggabungan data cross-sectional dari 9 kabupaten/kota di Provinsi Bali selama lima tahun (2018-2022) dengan menggunakan teknik Ordinary Least Square dengan data sekunder. Adapun data penelitian bersumber dari situs resmi BPS Provinsi Bali. Penelitian ini menghasilkan temuan terkait dengn nilai ambang batas signifikansi sebesar 5% (0,05), hal ini mengartikan bahwa tenaga kerja, pendidikan, dan investasi pemerintah memiliki pengaruh yang baik (positif) terhadap pertumbuhan ekonomi di Provinsi Bali dari tahun 2018 hingga 2022. Di sisi lain, indeks kriminalitas memiliki pengaruh negatif, namun tidak ada satupun dari variabel ini yang memiliki pengaruh parsial yang substansial terhadap pertumbuhan ekonomi Bali pada tahun 2018-2022
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».