MétaCan
Menu
Retour à la cohorte
Enregistrement W4412467587 · doi:10.22487/peweka.v2i1.13

Perubahan Harga Lahan di Kelurahan Baiya Pasca Penetapan Kawasan Ekonomi Khusus (KEK) Palu

2023· article· id· W4412467587 sur OpenAlexaff
Chalifah Chalifah, Aziz Budianta, Khairin Rahmat

Notice bibliographique

RevueJurnal PeWeKa Tadulako · 2023
Typearticle
Langueid
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Pembangunan ataupun perkembangan suatu wilayah pasti akan memiliki pengaruh pada wilayah sekitarnya juga sama halnya dengan penetapan Kawasan Ekonomi Khusus Palu pada Kelurahan Baiya pasti berdamapak pada wilayah sekitar Kelurahan Baiya. Penelitian ini sendiri bertujuan untuk mencari tahu pengaruh dari Kawasan Ekonomi Khusus Palu terhadap perubahan harga lahan di Kelurahan Baiya yang dilihat dari penetapan kawasan ekonomi khusus dan juga perubahan penggunaan lahan dari tahun sebelum adanya penetapan Kawasan Ekonomi Khusus hingga tahun eksisting saat ini secara periodik. Penelitian ini menggunakan jenis penelitian kualitatif dengan teknik analisis data perubahan penggunaan lahan dan perubahan harga lahan. Berdasarkan hasil analisis yang dilakukan bahwa Kelurahan Baiya mengalami perubahan penggunaan lahan serta perubahan harga lahan dari sebelum adanya Kawasan Ekonomi Khusus hingga setelah adanya Kawasan Ekonomi Khusus. Perubahan yang terjadi tersebut dikarenakan Kawasan Ekonomi Khusus memiliki pengaruh terhadap harga lahan pada Kelurahan Baiya yang mana hal ini juga didukung oleh perubahan penggunaan lahan yang ada pada wilayah tersebut dan juga didukung oleh faktor-faktor perubahan harga lahan lainnya seperti faktor fisik wilayah, faktor sosial wilayah, faktor lokasi dan aksesibilitas wilayah, dan lain lain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,282
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,024

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 Opus0,033
Tête enseignante GPT0,225
Écart entre enseignants0,192 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal PeWeKa TadulakoMême sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207