MétaCan
Menu
Retour à la cohorte
Enregistrement W4402423151 · doi:10.54066/jptis.v2i3.2349

Penentuan Kelayakan Pemberian Bantuan BBM pada Nelayan menggunakan Metode Vikor

2024· article· en· W4402423151 sur OpenAlexaff
Anisa Putri Pratiwi, Relita Buaton, Melda Pita Uli Sitompul

Notice bibliographique

RevueJurnal Penelitian Teknologi Informasi dan Sains · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Agroindustry Studies
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Fishermen is a term for people whose daily work is catching fish or other biota that live on the bottom or surface of the water. Fishermen can also discuss and share experiences in overcoming problems in the fisheries and marine sector to meet the needs of fishermen. The government of the Fisheries and Marine Service is required to support the need for subsidized fuel for fishermen. The increase in fuel oil (BBM) has an impact on the operational costs of fishermen, because BBM is one of the main components in the daily activities of fishermen, with the high price of BBM, fishermen will face an increase in operational costs that they must spend to carry out fishing activities. This can reduce the income earned by fishermen, because higher costs will affect the profits that fishermen get from the sale of fish. So the Fisheries and Marine Service of Langkat Regency Provides Assistance for Fishermen in Langkat Regency, from the many assistance that have been distributed in this thesis I took a sample of the Fishermen of Secanggang Village. Based on the research conducted, the results obtained were that the first alternative that was a priority to receive subsidized fuel assistance for fishermen in Langkat Regency with a Q value = 0 and was entitled to be recommended. And the next priority was the second alternative with a Q value = 0.492.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,721
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,225
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Penelitian Teknologi Informasi dan SainsMême sujetAgriculture and Agroindustry StudiesTravaux en français237 207