MétaCan
Menu
Retour à la cohorte
Enregistrement W4402065155 · doi:10.58411/dfnbj343

ANALISIS KELAYAKAN PENANGANAN PELESTARIAN CAGAR BUDAYA KOTA MALANG

2022· article· id· W4402065155 sur OpenAlexaff
Bidang Infrastruktur dan Kewilayahan

Notice bibliographique

RevuePANGRIPTA · 2022
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueCommunity-based Tourism Development and Sustainability
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésChemistry

Résumé

récupéré en direct d'OpenAlex

Dalam pelestarian cagar budaya diperlukan sebuah penilaian atas cagar budaya dan usulan penanganannya, sehingga proses pelestarian cagar budaya dilaksanakan sesuai dengan etika pelestarian dan tepat sasaran. Analisis kelayakan penanganan pelestarian ini bertujuan menilai kondisi fisik dan non fisik cagar budaya untuk mengetahui kelayakan penanganan cagar budaya, sehingga diketahui kelayakan penanganan setiap cagar budaya, untuk kemudian dirumuskan rekomendasi-rekomendasi yang menjadi dasar penanganan untuk setiap cagar budaya yang dikaji. Penilaian kelayakan berdasarkan kriteria-kriteria fisik dan non fisik, yang selanjutnya menjadi variabel dan diberi bobot dan skor. Dari hasil penilaian di peroleh struktur cagar budaya yang memiliki skor kelayakan penanganan tertinggi adalah Buk Gluduk, yaitu sebesar 172 dan yang terendah adalah jembatan Majapahit dengan skor 155. Skor tertinggi 184 untuk bangunan dimiliki Gereja Kathedral Ijen, sedangkan skor terendah dimiliki oleh bangunan MI KH. Badrussalam sebesar 133. Skor tertinggi dimiliki oleh kawasan Bundaran Tugu, yaitu sebesar 108 dan skor terendah dimiliki oleh kawasan jalan pulau-pulau sebesar 98. Strategi preservasi digunakan untuk melindungi objek cagar budaya dengan nilai signifikansi tinggi atau Golongan A. Sedangkan strategi konservasi lebih diarahkan untuk objek cagar budaya dengan nilai signifikansi sedang atau Golongan B. Sebaliknya untuk objek cagar budaya dengan nilai signifikansi rendah diarahkan menggunakan strategi demolisi.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,069

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,264
Écart entre enseignants0,246 · 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'étudeSans objet
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePANGRIPTAMême sujetCommunity-based Tourism Development and SustainabilityTravaux en français237 207