MétaCan
Menu
Retour à la cohorte
Enregistrement W4408478508 · doi:10.28946/sc.v31i1.3422

Pola Bussines To Bussines Dalam Pengadaan Tanah Bagi Pembangunan Bandar Udara Kediri

2024· article· en· W4408478508 sur OpenAlexaff
Agnesya DIva Safitria, Widhiana Hestining Puri, Koes Widarbo

Notice bibliographique

RevueSimbur Cahaya · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueUrban Transport Systems Analysis
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusiness

Résumé

récupéré en direct d'OpenAlex

The issuance of Presidential Regulation Number 109 of 2020 on the Third Amendment to Presidential Regulation Number 3 of 2016 on Accelerating the Implementation of National Strategic Projects aims to increase infrastructure development in Indonesia. One of the realizations is through government cooperation with business entities. Airports are infrastructure that requires land in its development through land acquisition. This research uses a qualitative method with a descriptive analysis approach. The data collection techniques were observation, interview, and document study. The results of the research are the process and progress of the implementation of land acquisition for the construction of Kediri Airport which is carried out through the business to business (B2B) pattern and the stage pattern. Problems in land acquisition include the existence of parties other than the land acquisition team involved in it, lack of understanding of the land acquisition mechanism, no coordination from the party that requires land with the Ministry of ATR / BPN, and people who reject the value of compensation both when doing the B2B pattern and the pattern of land acquisition stages for the public interest. So that data verification, community and village apparatus guidance, coordination related to land acquisition for the construction of Kediri Airport with the Kediri District Land Office, and settlement through location determination to resolve problems in B2B for people who reject the value of compensation and consignment for people who reject compensation during the pattern stage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,003
Tête enseignante GPT0,190
Écart entre enseignants0,187 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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 revueSimbur CahayaMême sujetUrban Transport Systems AnalysisTravaux en français237 207