MétaCan
Menu
Retour à la cohorte
Enregistrement W4411117685 · doi:10.70522/jad.v4i2.123

SOSIALISASI METODE PENYUBURAN TANAH UNTUK PENGENDALIAN KEKERINGAN DAN EROSI DI DESA MOLANIHU KECAMATAN BONGOMEME

2025· article· id· W4411117685 sur OpenAlexaff
Sri Rahayu Ayuba, Dewi Sartika T. Zees, Nursetiawati Nursetiawati

Notice bibliographique

RevueJurnal Abdimas Dosma. · 2025
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueAgricultural and Environmental Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceForestryGeography

Résumé

récupéré en direct d'OpenAlex

Penduduk desa Molanihu di Kecamatan Bongomeme, Kabupaten Gorontalo, menghadapi masalah yang signifikan karena kerugian kesuburan tanah yang disebabkan oleh kekeringan dan erosi. Ini memiliki dampak langsung pada ekonomi. Dengan kata lain, produktivitas pertanian adalah gaya hidup utama masyarakat. Kegiatan layanan ini membutuhkan optimalisasi alami persepsi dan pengetahuan petani dalam hal kesuburan tanah dengan cara alami, dan tidak boleh mencemari lingkungan. Sosialisasi dan pelatihan 30 petani akan dilakukan sebagai peserta utama dengan menggunakan metode penulisan kualitatif partisipatif. Sosialisasi mencakup penggunaan teknik yang terlibat dalam penggunaan pupuk organik, tanaman penanaman, pelestarian nutrisi tanah dan teknik hidrasi. Kegiatan ini meningkatkan pemahaman petani dan meningkatkan hasil yang lebih baik dalam kaitannya dengan metode kesuburan tanah. Menggunakan pupuk organik dapat meningkatkan struktur tanah, meningkatkan retensi kelembaban dan mengurangi laju erosi. Tingkat erosi semuanya memiliki efek positif pada kesuburan tanah dan hasil area pertanian. Namun, ia menghadapi hambatan untuk mengakses bahan baku dan kebutuhan akan lebih banyak pelatihan. Kegiatan ini menunjukkan bahwa ada fungsi partisipasi dalam pendidikan yang menciptakan kampanye yang meningkatkan pengelolaan lahan dengan cara yang berkelanjutan dan ramah lingkungan. Metode buah tanah organik tidak hanya memberi petani kapasitas, tetapi juga berinvestasi dalam dana untuk mengurangi polusi dan juga berinvestasi dalam bencana ekologis seperti kekeringan dan erosi.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,015
Tête enseignante GPT0,257
Écart entre enseignants0,242 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Abdimas Dosma.Même sujetAgricultural and Environmental ManagementTravaux en français237 207