TINJAUAN KRITIS PENERAPAN PERENCANAAN PARTISIPATIF PADA PROYEK JKEGIATAN IDENTIFIKASI PENGEMBANGAN POTENSI DAERAH IRIGASI LENGGI KABUPATEN PATI
Bibliographic record
Abstract
Pengembangan potensi daerah irigasi merupakan suatu bagian tindak lanjut terhadap adanya suatu potensi yang terdapat di daerah irigasi. Pengembangan potensi bertujuan untuk memanfaatkan sumber daya alam yang terdapat di sekeliling masyarakat dengan menggunakan teknologi yang relevan dengan kebutuhan dan meningkatkan kesejahteraan petani serta mengurangi kesenjangan antar wilayah. Identifikasi pengembangan potensi Daerah Irigasi Kabupaten Pati yang mengembangkan potensi Daerah Irigasi Lenggi sebagai aspek lain yang dapat dikembangkan lebih lanjut sehingga dapat berguna untuk menambah perekonomian petani atau masyarakat sekitar. Pembahasan ini disusun dengan melihat dari sudut pandang praktikan dalam suatu instansi dengan membandingkan antara kondisi di lapangan dengan teori terkait. Praktikan melihat dari sudut pandang substansi dalam Identifikasi pengembangan potensi Daerah Irigasi Kabupaten Pati. Substansi yang akan dijelaskan yakni mengenai konsep Perencanaan Partisipatif, yang nantinya diterapkan pada penyusunan rencana pengembangan potensi pada Daerah Irigasi Lenggi dalam Identifikasi Pengembangan Potensi Daerah Irigasi Lenggi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.008 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".