MétaCan
Menu
Retour à la cohorte
Enregistrement W4413370343 · doi:10.56354/jendelainovasi.v8i2.229

UPAYA STRATEGIS MENGGAIRAHKAN PASAR TRADISIONAL SEBAGAI PUSAT PEREKONOMIAN DI KOTA MAGELANG

2025· article· en· W4413370343 sur OpenAlexaff
Ratna Haryanti

Notice bibliographique

RevueJurnal Jendela Inovasi Daerah · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCommunity-based Tourism Development and Sustainability
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

Traditional markets in Magelang City face significant challenges from competition with modern markets and the emergence of online shopping, which affect the local economy and community welfare. These markets serve as important centers for economic activity, job creation, price stabilization of essential goods, and support for small and medium enterprises (SMEs). The decline in market activity due to modernization threatens SMEs and access to goods at affordable prices. Government efforts to promote traditional markets remain suboptimal, mainly due to limited involvement and support. This study uses a policy evaluation approach with Grid Analysis and the preparation of policy recommendations with Interpretative Structural Modeling. The main findings of this research reveal that collaboration between the trade and tourism sectors, as well as the use of digital technology to promote traditional markets, are crucial steps to strengthen the existence of traditional markets in Magelang City. This study recommends increasing government efforts to promote traditional markets through collaboration with the tourism sector. These efforts are carried out by integrating sectoral programs between regional government institutions, in order to position traditional markets as the main tourist destination, thereby revealing the number of visitors and various other positive impacts.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,259
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,324
Écart entre enseignants0,305 · 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 tête enseignante, pas un consensus.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Jendela Inovasi DaerahMême sujetCommunity-based Tourism Development and SustainabilityTravaux en français237 207