The Impact of Regional Educational Development Policies on Poverty Reduction in North Sumatra Province
Notice bibliographique
Résumé
This study aims to evaluate the impact of educational development on poverty reduction in districts and cities of North Sumatra Province, Indonesia.The main focus of this study is to assess the influence of education budget realization on the Regional Education Development Index (REDI), the contribution of REDI and GRDP percapita to poverty reduction, and to develop the Regional Development of Education Index (RDEI) as a policy evaluation tool based on education.The methodology employed includes multiple regression analysis with classical assumption tests and the construction of an education index based on the conditional weighted product method.The research results show that 62% of the variation in REDI can be explained by the 20% realization of the education budget, while 62% of the variation in the poverty index at the regional level is explained by REDI, GRDP per capita, and other related variables.Medan City has the highest RDEI score in North Sumatra (67.22), far above the provincial average (52.14),reflecting the excellent educational performance in this area.The main contribution of this study is the development of RDEI, which provides a more comprehensive policy evaluation tool.It can be used to maximize the effectiveness of education budget allocation and promote improvements in educational policies to support regional development and poverty reduction in a more optimal way.This research makes an important contribution to the literature on educational policy and poverty reduction, particularly by integrating education-based index evaluation with regional development policy.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».