Strategi Percepatan Penghapusan Kemiskinan Ekstrem di Provinsi Sulawesi Tengah: Pendekatan Konvergensi dan Inovasi Program
Notice bibliographique
Résumé
Extreme poverty in Central Sulawesi remains a significant challenge that demands an integrated strategy. This study evaluates the effectiveness of government programs, including Gercep Gaskan Berdaya and PADUNGKU, in accelerating the eradication of extreme poverty. Secondary data from the 2023 P3KE Update and the 2024 BPS were analyzed using multiple linear regression. The findings reveal a 0.64% reduction in extreme poverty during the 2023-2024 period, with notable declines in Donggala (0.95%) and Poso (0.93%). The "Gercep Gaskan Berdaya" program, which combines cash assistance and entrepreneurial training, successfully increased the income of impoverished households; however, aid distribution often faced challenges in areas with limited access. Despite these efforts, Parigi Moutong and Poso districts still have the highest numbers of people living in extreme poverty, indicating a need for program intensification. While existing programs have shown positive outcomes, long-term success heavily depends on improving infrastructure access, enhancing cross-sectoral coordination, and providing better basic services. The convergence and innovation of socio-economic programs, along with improved infrastructure access, have proven effective, although challenges persist in remote areas. A comprehensive approach and enhanced coordination are required to meet the target of eradicating extreme poverty by 2024.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,004 | 0,000 |
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.
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 ».