Opini: Perusahaan perkebunan di Indonesia kerap menyalahi aturan hukum. Bagaimana mereka bisa lolos begitu saja?
Notice bibliographique
Résumé
Berbagai kajian menunjukkan bahwa perusahaan-perusahaan perkebunan di Indonesia biasa menyalahi aturan hukum hingga mengakibatkan kerusakan besar terhadap lingkungan alam dan membahayakan masyarakat pedalaman. Ini bukanlah cerminan dari tidak adanya hukum yang mengatur jalannya perusahaan. Namun, ini dikarenakan wilayah Indonesia yang diduduki perusahaan perkebunan diatur dengan serangkaian aturan tak tertulis, yang memungkinkan perusahaan untuk mengendalikan pejabat pemerintahan demi kepentingan mereka sendiri. Artikel opini ini ditulis oleh Tania Li, seorang profesor di Universitas Toronto dan peneliti di Pusat Kajian Asia Tenggara, Universitas Kyoto, Jepang, yang telah melakukan banyak penelitian mendalam tentang kehidupan masyarakat pedalaman di Indonesia. Isi artikel ini mencerminkan pandangan penulis sendiri, dan tidak sepenuhnya mewakili pandangan The Gecko Project.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,010 |
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 ».