Bibliographic record
Abstract
1. Asal padi, dicuri dari surga. 2. Beras jatuh dari langit. 3. Padi dimuntahkan ayam jantan. 4. Padi itu dibawa atau ditemukan oleh manusia. 5. Pengenalan budidaya padi sawah. 6. Hak atas tanah. 7. Seorang asing membuka ladang di wilay-ah suku lain. 8. Menentukan waktu untuk memulai pekerjaan di lapangan. 9. Konstelasi Ayam Jantan. 10. Perhitungan waktu. 11. Hari-hari bulan kamariah. 12. Mengusir dosa (moandu sala) dan pesta di bengkel (mopatawi). 13. Dukun pertanian (sando mpojamaa). 14. Pilihan tanah untuk lapangan. 15. Pembagian lahan yang tersedia. 16. Ramalan sebelum bekerja di lapangan. 17. Dalam perjalanan ke lapangan. 18. Tempat mombakati. Pohon Pokae. 19. Kegiatan pertama. Mombakati. 20.Pongkaresi. 21. Pengolahan sawah secara kolektif (mesale). 22. Menebang semak belukar (moawu). 23. Penebangan pohon (monowo). 24. Mengusir hujan. 25. Membakar kayu tebangan (monunju). 26. Momboru. 27. Membersihkan tanah (mokuasi). 28. Perawatan benih padi. 29. Waktu penanaman. 30. Pesta menjelang tanam (molanggo). 31. Pengorbanan di molanggo. 32. Pengobatan benih padi. 33. Membuat lubang pertama untuk tanaman. 34. Alat Penggali Lobang (ipaho). 35. Menanam ladang. 36. Perempuan penyalur benih padi. 37. Setelah penanaman selesai. Makanan. 38. Pembuatan pagar (mowaya). 39. Untuk apa tanah berpagar berfungsi. 40. Menyiangi (mewawo) ladang. 41. Tahapan pertumbuhan padi. 42. Membujuk hujan. 43. Peraturan selama menanam padi. 44. Saat padi terancam penyakit. 45. Jiwa padi (tanoana mpae) sebagai burung (jeekuli). 46. Upacara untuk memacu pertumbuhan padi (mopariu, montopu, mompapekaa). 47. Cara agar padi cepat matang. 48. Perjuangan melawan serangga berbahaya. 49. Perjuangan melawan burung padi (dena). 50. Perjuangan melawan tikus. 51. Pertanian dan sastra. Teka-teki. 52. Bercerita. 53. Cerita tentang Roh Padi. 54. Hari-hari menjelang panen. 55. Herba Panen. 56. Pemimpin perempuan saat panen (tadu mpomota). 57. Keranjang panen (pepe,wuwu) dan staf pimpinan. 58. Menjelang panen. 59. Jalan pertama ke lapangan. 60. Pesua mpedonggo. 61. Tadulako mpae. 62. Membawa pulang padi baru. Pesta panen sementara (mangore). 63. Menumbuk padi baru. 64. Memasak dan membagikan beras baru. 65. Makan nasi baru. 66. Pembantu wanita saat panen. 67. Jalannya panen. 68. Memotong, menjemur, dan menghitung padi. 69. Apa yang diharamkan saat pemotongan padi. 70. “Mengukur” ladang (mombantu). 71. Penggunaan kata pengganti. Bahasa panen. 72. Lagu panen (molinga, mobolingoni). 73. Motawanggu, litani panen. 74. Pernikahan improvisasi antara laki-laki dan perempuan. 75. Mopasangke. 76. Pesta panen. Persiapan. 77. Memotong telinga terakhir di ladang. 78. Di gubuk di ladang tunggul. 79. Makan panen dan kembali ke desa. 80. Mengangkut padi ke desa. 81. Lumbung padi (ala). 82. Penyimpanan beras. 83. Moloresi. 84. Tanaman yang ditanam di ladang bersama padi. Jagung. 85. Menanam jagung. 86. Saat jagung tumbuh. 87. Tahapan pertumbuhan jagung. 88. Memakan jagung muda. 89. Mengumpulkan jagung. 90. Coix agrestis dan Setaria italica (jole kojo dan wailo). 91. Tanaman umbi-umbian. 92. Sayuran. 93. Tumbuhan polongan. 94. Rempah-rempah. Jahe (kuya). 95. Kunyit (Curcuma longa, kuni). 96. Cordyline terminalis (soi). 97. Kaempferia rotunda (kudu). 98. Wunga. 99. Labu (taku). 100. Bambu (woyo).
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.585 | 0.421 |
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".