Notice bibliographique
Résumé
1. Varietas padi dan pengupasannya. 2. Lesung, alu dan penampi. 3. Memasak nasi. 4. Penyajian makanan. 5. Waktu makan. 6. Sila sehubungan dengan makan. 7. Siapa yang tidak boleh makan nasi. 8. Cara penyiapan nasi. 9. Jagung, jali dan jawawut sebagai bahan makanan. 10. Umbi-umbian sebagai makanan. 11. Sagu. Asal usul Metroxylon. 12. Budidaya pohon sagu. 13. Mencuci sagu. 14. Sagu dari pohon aren. 15. Cara pembuatan sagu. 16. Sagu dalam kehidupan sehari-hari. 17. Sayuran sebagai lauk pauk. 18. Daging dan ikan sebagai lauk pauk. 19. Pohon buah-buahan yang penting untuk makanan. Pohon kelapa (kayuku). 20. Kelapa sebagai makanan dan kesaktiannya. 21. Pisang (loka), papaya (Carica papaya). 22. Kastanye liar (kasa). 23. Bumbu untuk lauk pauk. 24. Tebu dan Gula. 25. Madu sebagai makanan. Kekuatan ajaib lebah. 26. Tuak (baru). Sebaran pohon palem aren. 27. Pemilik pohon aren. 28. Cara kerja pohon aren. 29. Apa yang mempengaruhi hasil pohon. 30. Pesta Pohon Aren. 31. Tuak dalam kehidupan sehari-hari. 32. Penggunaan ajaib dari pohon aren. 33. Minuman keras. Ara. Pongasi . 34. Mengunyah sirih sebagai kemewahan. 35. Mengunyah sirih dalam kehidupan sehari-hari. 36. Penggunaan keajaiban sirih. 37. Pohon pinang (Areca catechu). 38. Gambir (gambe, catechu). 39. Kapur sebagai bahan unsur sirih. 40. Penanaman dan budidaya tembakau. 41. Dimana tembakau diperoleh. 42. Penggunaan bahan tembakau. 43. Kekuatan yang dianggap berasal dari tembakau.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,216 | 0,093 |
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 ».