MétaCan
Menu
Retour à la cohorte
Enregistrement W4411777792 · doi:10.58184/mestaka.v4i1.576

Pelatihan Olahan Minuman Jeruk Siam Di Desa Mensere Kecamatan Tebas Kabupaten Sambas

2025· article· en· W4411777792 sur OpenAlexaff
Kiki Kristiandi, Kamila Kamila, Oktavia Nurmawaty Sigiro, Sangkala Sangkala, Sudirman Masara’T, Beryaldi Agam

Notice bibliographique

RevueMESTAKA Jurnal Pengabdian Kepada Masyarakat · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Siamese oranges are part of the abundant agricultural products in Sambas Regency. Siamese orange farming is able to become the main supplier for West Kalimantan, but during post-harvest the condition of Siamese oranges is uncontrolled, causing an unstoppable abundance in the market and causing a decrease in the price of Siamese oranges. The purpose of this community service is to provide training in processing Siamese oranges in Mensere Village, Sambas Regency. The approach method used is the provision of materials, modules, direct technical processing and discussion sessions. The results obtained from the activity were that the participants were happy with this training, besides that each participant could enjoy the processing process that had been practiced directly during the training and commented positively on the training that had been given. Training in processing drinks with Siamese oranges as raw materials is expected to foster skills and foster an entrepreneurial spirit in processing Siamese oranges. Another impact is to provide reinforcement of information on the condition of Siamese oranges, in addition to helping to increase creativity in overcoming the growth rate of Siamese oranges which during post-harvest cannot be stopped by the market.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,201

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0600,008

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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,212 · 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 revueMESTAKA Jurnal Pengabdian Kepada MasyarakatMême sujetManagement and Optimization TechniquesTravaux en français237 207