DIGITAL STORYTELLING SEBAGAI METODE CAPTURE PENGETAHUAN ADAT MINANG: PELUANG DAN TANTANGAN DI ERA 5.0
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The digital transformation in the era of Society 5.0 encourages the integration of technology with cultural preservation, including efforts to sustain Minangkabau indigenous knowledge traditionally passed down orally. Local wisdom such as pepatah-petitih (proverbs), kaba (epic tales), and pantun (poetic expressions) represents forms of tacit knowledge that are at risk of disappearing due to generational gaps and the lack of systematic documentation. This article explores two key questions: how can digital storytelling (DST) function as a knowledge capture method for Minangkabau traditional knowledge, and what are the opportunities and challenges involved in this process? This study uses a qualitative approach, including literature review, reflective analysis, and case studies of cultural narrative digitization initiatives within local communities and academic libraries. Findings indicate that DST is effective in transforming oral knowledge into digital formats that are both communicative and participatory, especially through the involvement of youth, librarians, and traditional leaders. Major opportunities include community collaboration and the use of digital platforms such as YouTube, institutional repositories, and social media. However, challenges include technological limitations, metadata standardization, and cultural sensitivity in documentation. This study concludes that digital storytelling can serve as a bridge between technology and tradition, provided that it is supported by information literacy policies, community training, and multi-stakeholder collaboration. The model offers strong potential to sustain Minangkabau indigenous knowledge in an increasingly digital and global context.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle