DATABASE INOVASI DAERAH KOTA MALANG TAHUN 2020
Notice bibliographique
Résumé
Masa depan inovasi daerah merupakan isu krusial yang mulai muncul sejak lima tahun awal pelaksanaan otonomi daerah. Inovasi merupakan salah satu pilar penting untuk meningkatkan daya saing kinerja pemerintahan. Tujuan utama dari penelitian ini adalah mengetahui keberlanjutan inovasi daerah Kota Malang. Guna mencapai tujuan tersebut, penelitian ini menggunakan metode analisis observasional (observational analysis). Hasil studi ini menunjukan dari ke-13 inovasi yang digagas oleh 12 Perangkat Daerah (PD), sebanyak 9 inovasi yang mengalami perkembangan (blooming), dan 4 inovasi stagnan (tidak berkembang). Studi ini mengidentifikasi penghambat berkembangnya inovasi daerah Kota Malang diantaranya; Pertama, rendahnya tingkat ketersediaan alokasi anggaran yang memadai dan pengelolaan dan pertanggungjawaban anggaran yang masih terbatas. Kedua, konsistensi dalam mengembangkan SDM pengelola inovasi masih rendah. Ketiga, minimnya pemanfaatan data, informasi, dan pengetahuan terkait kinerja inovasi. Keempat, tidak tersedianya unit khusus yang didedikasikan untuk terus mengembangkan inovasi. Kelima, aspek legal formal yang menjamin keberlangsungan inovasi belum tersedia.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,021 |
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 ».