Peningkatan Literasi Pemasaran Digital untuk UMKM di Desa Pamboborang: Inisiatif Pengabdian Masyarakat
Notice bibliographique
Résumé
Upaya meningkatkan dukungan bagi Usaha Mikro, Kecil, dan Menengah (UMKM) di desa Pamboborang, Majene, Sulawesi Barat, sangat penting untuk mendorong pengembangan ekonomi lokal. Meskipun desa ini memiliki kekayaan sumber daya lingkungan dan pariwisata, UMKM masih menghadapi tantangan seperti akses pasar yang terbatas, literasi digital yang kurang memadai, serta ketergantungan pada metode pemasaran tradisional. Kegiatan penelitian berkonsep Community Engaged Study ini menilai dampak program pelatihan pemasaran digital yang bertujuan untuk memberikan pengetahuan dan keterampilan kepada pelaku UMKM untuk memanfaatkan media sosial, e-commerce, dan teknik dasar pemasaran digital. Pendekatan kualitatif digunakan dengan menggabungkan observasi partisipasif, wawancara mendalam, dan analisis konten terhadap aktifitas digital peserta sebelum dan sesudah pelatihan. Temuan penelitian menunjukkan adanya peningkatan signifikan dalam pemahaman dan penerapan strategi pemasaran digital oleh UMKM, yang ditunjukkan oleh meningakatnya keterlibatan pelanggan, jangkauan pasar yang lebih luas, serta variasi saluran penjualan yang bertambah. Hasil ini menunjukkan bahwa peningkatan literasi digital tidak hanya memperkuat ekonomi lokal, tetapi juga membantu mempertahankan pariwisata berbasis masyarakat dengan mempromosikan produk lokal secara efektif. Oleh karena itu, penelitian ini merekomendasikan pengembangan kebijakan dan program pemberdayaan jangka panjang yang mendukung transformasi digital UMKM di pedesaan, sejalan dengan tujuan pembangunan berkelanjutan. Penelitian ini menegaskan pentingnya pemberdayaan komunitas desa melalui inisiatif literasi digital yang terarah untuk membuka potensi ekonomi dan melestarikan warisan budaya di era digital.
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 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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,017 | 0,008 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».