MétaCan
Menu
Retour à la cohorte
Enregistrement W4403789853 · doi:10.36761/tambora.v8i2.4048

PENGEMBANGAN KONSEP AGROCEAN PARK INTEGRITY SEBAGAI REVOLUSI KETAHANAN PANGAN DAN EKOSISTEM PARIWISATA FUTURISTIK BERKELANJUTAN

2024· article· id· W4403789853 sur OpenAlexaff
Muhammad Haris Yulianto, Aisya Nazifa, Aris Setiawan, Lathief Nurmahmudi Wijaya, Muhammad Zahran Ammar

Notice bibliographique

RevueJurnal Tambora · 2024
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueCommunity-based Tourism Development and Sustainability
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusinessGeography

Résumé

récupéré en direct d'OpenAlex

Indonesia merupakan salah satu negara dengan lonjakan jumlah penduduk yang sangat pesat sehingga berdampak pada meningkatnya kebutuhan pangan terutama di perkotaan padat penduduk. Terdapat beberapa masalah yang dihadapi dalam mewujudkan ketahanan pangan di masa yang akan datang seperti lonjakan pertumbuhan penduduk, alih fungsi lahan, krisis air, serta krisis sumber daya manusia. Sebenarnya terdapat beberapa tawaran solusi seperti salah satunya urban farming, namun dalam penerapannya belum sepenuhnya optimal. Tujuan dari penulisan ini yaitu membuat pengembangan konsep inovatif terkait revolusi pertanian masa depan bawah air dengan mengoptimalisasi potensi sumber daya yang ada di Indonesia. Desain penelitian ini yaitu studi literatur atau kepustakaan sebagai metode utama untuk menciptakan konsep baru yang sistematis. Agrocean Park Integrity (API) menjadi konsep pengembangan revolusi ketahanan pangan, lingkungan, dan pariwisata berkelanjutan masa depan berkelanjutan dengan mengintegrasikan agrosektor sebagai tempat budidaya pangan, pendidikan, penyimpanan pangan, penelitian, dan pariwisata untuk mendukung ketahanan pangan, air, dan sumber daya. Dalam operasionalnya, konsep ini memanfaatkan potensi energi surya, energi angin, energi gelombang air laut sebagai sumber energi dan teknologi desalinasi air laut untuk menyuplai kebutuhan irigasi tanaman.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,376
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,005
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 Opus0,027
Tête enseignante GPT0,304
Écart entre enseignants0,277 · 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 TamboraMême sujetCommunity-based Tourism Development and SustainabilityTravaux en français237 207