Notice bibliographique
Résumé
BAB IA. DAERAH DAN RAKYAT. Wilayah Poso. Jalan penghubung antara wilayah kelom-pok Toraja Timur dan wilayah kelompok Toraja Barat. Tawailia Deskripsi negara. 128. Sumber air panas. 129. Jalan. 130. Desa-desa. 131. Warga. Populasi. 132. Asal To Payapi. 133. Koro Ue. 134. To Loina. 135. Tolelembunga dan masyarakat Tawailia. 136. To Lompu. 137. Hubungan dengan Sigi. Tuwu nsagu (Tuwu njagu). 138. Pemerintahan Sigi. 139. Perang. 140. To Mene. 141. Pemerintahan. Napu 13 Jalan. 143. Deskripsi dataran. Bagian utara. 144. Dataran Hambu. 145. Dataran Selatan. 146. Negara bagian Napu yang berawa. 147. Sistem sungai menurut Abendanon. 148. Depresi dan strata lokal. 149. Bijih besi. 150. Emas. 151. Tamungku Molo. 152. Sumber air panas. 153. Penduduk. 154. To Atuloi, To Beloka. 155. Membendung Hambu. 156. Belut di Rano. 157. Hilangnya To Atuloi. 158. Toroa atau To i kupi. 159. To Lompu. 160. Monyet. 161. Raksasa. Buriro. 162. Ntalinga dan Banta Watu. 163. Penduduk Napu selanjutnya. 164. To Winua. 165. Kedatangan To i Langi. 167. Pangeran To Huku. 168. Kursi batu. Kursi kayu di kuil. 169. Datu yang terkenal kejam. 170. Kematian To Huku. Koro Ue. 171. To Mene. 172. Wuasa dan Lindu. 173. To Pekurehua. 174. Tempat dan populasi saat ini. 175. Angka kelahiran. 176. Datu To Pekurehua. 177. Asal Usul Kepalanya sendiri. 178. Pangeran dari Mowumbu. Tomopoasa. 179. Perang di zaman dahulu. 180. Singkana. 181. Guma ngkoana. 181a. Cerita lain tentang perang dengan Sigi. 182. Pemerintahan Sigi. 183. Perang To Napu. 184. Kedatangan Pemerintah. 185. Napu di bawah Pemerintahan. 186. Pembagian pemerintahan. 187. Koloni. 188. Misi. Besoa Jalan dari Napu menuju Besoa. 190. Deskripsi Dataran Besoa. 191. Besoa dulunya sebuah danau. 192. Tomamutu. 193. Sumber air panas. 194. Orang Liar. 195. Monyet. 196. Raksasa. 197. Tangga Menuju Surga. 198. Dua suku Besoa. 199. To Besoa. 200. Kembalinya To Besoa. 201. Pangeran dari Sigi. 202. To Longkea. 203. Kedatangan To Mene. 203a. Pengepungan. 204. To Huku. 205. Kedatangan Kegubernuran Hindia Belanda. 206. Koloni. 207. Kekuatan populasi. Bada' Jalan. 209. Gambaran umum. 210. Sumber air panas. 211. Kedatangan Pemerintah. 212. To Bada' itu berasal dari mana?213. Orang Liar dan Kera. 214. Manuru'215. Hubungan Bada' dengan Waibunta. 216. Hubungan Bada' dengan Sigi. 217. Desa-desa. 218. Nama-nama desa. 219. Lingkungan di desa-desa. 220. Sepe. 221. Kejatuhan Sepe. 222. Perang Bada' dengan Kulawi. 223. Perang dengan Pada-Seko. 224. Perang dengan Rampi'. 225. Perang dengan Pos. 226. Perang dengan Kinadu. 227. Perang dengan Dolago. 228. Bertengkar satu sama lain. 229. Perang dengan Waibunta. Rampi'-Leboni Jalan dari Bada' ke Leboni. 231. Leboni dulunya sebuah danau. 232. Desa-desa yang tenggelam. 233. Sumber air panas. 234. Jalan Menuju Rampi'. 235. Manusia pertama. 236. Penduduk Rampi'-Leboni. 237. Lowa. 238. Kadedua. 239. Monyet. 240. Raksasa. 241. Perang. 242. Perang dengan Waibunta. 243. Pembayaran Upeti kepada Waibunta. 244. Sulewata dari Leboni. 245. Leboni dan Rampi' di bawah Pemerintah.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,249 | 0,167 |
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 ».