Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,005 |
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 découle