Bibliographic record
Abstract
Artikel ini bertujuan mengukur kesempatan anak usia 7-18 tahun di Kalimantan Timur dalam mendapatkan akses pendidikan. Pengukuran kesempatan menggunakan Human Opportunity Index (HOI)yang dikembangkan oleh Bank Dunia. Indeks ini digunakan untuk melihat keadaan di luar kendali seorang anak dan menentukan kesempatan mereka untuk mendapatkan pendidikan. Hasil analisis data Survei Sosial Ekonomi Nasional Maret 2020 menunjukkan hampir seluruh anak usia 7-15 tahun di Kalimantan Timur telah dapat mengakses pendidikan dasar. Namun demikian, masih terdapat ketimpangan kesempatan terhadap akses pendidikan menengah pada anak usia 16-18 tahun. Tidak terdapat perbedaan akses pendidikan antara anak laki-laki dan perempuan di kedua jenjang pendidikan. Faktor latar belakang keluarga, yakni pendidikan kepala keluarga dan kondisi ekonomi, serta tempat tinggal anak menjadi faktor yang berpengaruh terhadap ketimpangan akses menuju pendidikan menengah. Tingkat ketimpangan akses pendidikan menengah lebih rendah di wilayah perdesaan dibandingkan wilayah perkotaan. Reformasi kebijakan di bidang pendidikan sangat diperlukan untuk menghilangkan keterkaitan antara akses pendidikan anak dengan keadaan di luar kontrol seorang anak, seperti latar belakang keluarga atau tempat tinggal. Kebijakan yang bisa diambil antara lain memperbanyak jumlah sekolah menengah, serta meningkatkan akses transportasi dan infrastruktur jalan untuk mempermudah akses pendidikan.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.035 | 0.006 |
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".