PENGUKURAN INDIKATOR KINERJA DAERAH KOTA MALANG
Notice bibliographique
Résumé
Pengukuran Indikator Kinerja Daerah (IKD) dimaksudkan untuk mengidentifikasi ukuran keberhasilan pencapaian visi dan misi kepala daerah dan wakil kepala daerah yang ditetapkan menjadi Indikator Kinerja Utama (IKU) daerah dan indikator kinerja penyelenggaraan pemerintahan daerah. Pada dokumen Perubahan RPJMD Kota Malang Tahun 2018-2023 terdapat perubahan target pada beberapa Indikator Kinerja Daerah yang didasarkan pada hasil evaluasi capaian kinerja sampai dengan Tahun 2020, serta intervensi target karena adanya pandemi Covid-19 yang belum terprediksi berakhirnya. Pengukuran Indikator Kinerja Daerah Kota Malang pada Tahun 2022 ini diharapkan dapat menggambarkan kinerja pemerintah daerah secara umum dalam penyelenggaraan urusan pemerintahan daerah. Tujuan dari penelitian ini adalah untuk mengukur capaian sembilan indikator kinerja daerah, yaitu Indeks Pembangunan Manusia, Angka Kemiskinan, Persentase Penurunan PPKS, Indeks Pembangunan Gender, Indeks Pembangunan Masyarakat, dan Indeks Modal Sosial. Teknik analisis yang digunakan adalah analisis pengukuran capaian sembilan indikator kinerja daerah. Hasil dari analisis ini, yaitu terdapat tiga indikator yang telah memenuhi target Perubahan RPJMD Kota Malang Tahun 2018-2023, yaitu Indeks Pembangunan Manusia, Indeks Pendidikan, dan Indeks Kesehatan. Sementara itu, enam indikator lainnya masih belum memenuhi target yang telah ditetapkan.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 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 ».