Analisis Faktor-Faktor Yang Mempengaruhi Minat Berwirausaha Pada Masyarakat Di Era Digital Di Kabupaten Nias Selatan
Notice bibliographique
Résumé
Perkembangan teknologi yang masif telah mengantar kita pada era digital, sebuah periode di mana informasi dan konektivitas menjadi tulang punggung kehidupan, mengubah lanskap ekonomi dan kesempatan kerja bagi Masyarakat di Nias Selatan yang kini melihat kewirausahaan sebagai jalur karier menjanjikan di tengah ketatnya persaingan profesional tradisional. Fenomena ini memicu kebutuhan mendalam untuk memahami apa yang mendorong atau menghambat minat Masyarakat dalam terjun ke dunia bisnis di tengah gelombang transformasi digital. Berdasarkan analisis mendalam terhadap persepsi dan pengalaman Masyarakat di Nias Selatan, dapat disimpulkan bahwa minat berwirausaha pada Masyarakat di era digital merupakan konstruk kompleks yang dibentuk oleh interaksi dinamis antara faktor-faktor internal dari diri Masyarakat dan faktor-faktor eksternal dari lingkungannya. Era digital secara signifikan telah membuka babak baru dalam lanskap kewirausahaan, menyajikan peluang sekaligus tantangan unik yang memengaruhi keputusan Masyarakat. penelitian ini menemukan bahwa: peluang digital seperti akses pasar yang luas, modal awal yang relatif rendah, fleksibilitas waktu, dan kemudahan belajar melalui sumber daya online, secara universal diakui sebagai daya tarik utama yang memicu minat berwirausaha. Namun, Masyarakat juga menyadari tantangan seperti persaingan ketat, isu kepercayaan konsumen, dan kebutuhan literasi digital yang berkelanjutan.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».