MétaCan
Menu
Back to cohort
Record W4404916915 · doi:10.25071/2563-2418.69

Bab VI. Perang

2022· article· id· W4404916915 on OpenAlexvenueno aff
Albert Kruyt, Nicolaus Adriani

Bibliographic record

VenueLOBO Annals of Sulawesi Research · 2022
Typearticle
Languageid
FieldSocial Sciences
TopicReligion and Sociopolitical Dynamics in Nigeria
Canadian institutionsnot available
Fundersnot available
KeywordsGeology

Abstract

fetched live from OpenAlex

1. Perang dan penyebab langsungnya. 2. Perseteruan antara Toraja Timur dan To Kinadu. 3. Perseteruan Toraja Timur dengan To Wana dan To Loinang. 4. Pasukan besar dan kecil keluar. 5. Wanita dan perang. 6. Tuduhan (tadea). 7. Ajaibnya pengayauan. 8. Tetap akan netral. 9. Panggilan untuk bantuan. 10. Perlengkapan prajurit. Pedang. 11. Metode pengujian pedang. 12. Tombak dan perisai. 13. Senjata. 14. Busur dan anak panah. 15. Siapa tadulako itu? 16. Tadulako dihormati. 17. Larangan bagi tadulako. 18. Pekerjaan tadulako. 19. Pahala tadulak. 20. Tali cangkang (batu rangka). 21. Di mana tali kerang berasal. 22. Penggunaan untaian kerang. 23. Untaian kerang musuh. 24. Mimpi tentang untaian kerang. 25. Jimat (gongga) orang biasa. 26. Batu di gongga. 27. Benda lain di gongga. 28. Untaian Jimat (gongga) yang berasal dari hewan. 29. Obat perang. 30. Penetapan hari yang baik. 31. Mimpi. 32. Tumbuk perbekalan. 33. Hadiah yang menyertainya, bayari. 34. Ramalan dengan telur. 35. Meramalkan dengan ayam. 36. Ramalan dengan seekor anjing. 37. Ramalan dengan Untaian Ramalan. 38. Ramalan dengan bambu. 39. Pertanda sehubungan dengan keberangkatan. 40. Berpamitan di kuil. 41. Keberangkatan pasukan. 42. Suara burung. 43. Pertanda yang diberikan oleh hewan. Pentingnya fenomena alam. 44. Pemberian makanan pasukan dalam perjalanan ke musuh. 45. Kehidupan di bivak. 46. Banyak hal yang harus diperhatikan dalam perjalanan. 47. Mereka yang tetap tinggal di rumah. Morame. 48. Pandu. 49. Malapa manu. 50. Kembalinya pengintai. 51. Memanggil jiwa musuh. 52. Memasak nasi serangan. 53. Penjagaan perkemahan. 54. Bersumbunyi sebelum penyergapan. 55. Kecerobohan pihak-pihak yang bertikai. 56. Mengepung desa. 57. Keberanian. 58. Para wanita di desa diserang. 59. Kebingungan karena ketakutan (tontoa). 60. Desa yang terkepung. 61. Penyerahan desa. 62. Men-yimpulkan perdamaian. 63. Menjadikan persekutuan. 64. Kerugian dalam perang. 65. Apa yang dilakukan dengan orang yang terbunuh. 66. Gagal Sukses. Musala. 67. Kepala dan kulit kepala. 68. Apa yang dilakukan dengan tengkorak. 69. Apa yang dilakukan dengan kulit kepala. 70. Tawanan perang. 71. Tawanan perang di suku baru. 72. Pulang ke desa. 73. Takut pada jiwa (angga) orang yang terbunuh. 74. Pertemuan dengan desa-desa tertinggal. 75. Kesurupan. 76. Pembuatan towugi. 77. Memasuki kuil. Pesta kuil, moganda. 78. Pengembalian setelah ekspedisi yang gagal. 79. Merobu. 80. Moento. 81. Pesta pengayau (mompeleleka). 82. Towugi dibawa ke lobo. 83. Memerangi barang-barang pakaian. 84. Seruan roh desa (mesomba, mebao). 85. Tindakan terakhir dari pesta pengayauan (moarosi). 86. Akhir pesta. Motoe. 87. Penghargaan untuk pria.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.469
Threshold uncertainty score0.757

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.004
Meta-epidemiology (narrow)0.0020.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.002
Science and technology studies0.0030.001
Scholarly communication0.0080.005
Open science0.0010.004
Research integrity0.0030.004
Insufficient payload (model declined to judge)0.4690.374

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.

Opus teacher head0.272
GPT teacher head0.505
Teacher spread0.233 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueLOBO Annals of Sulawesi ResearchSame topicReligion and Sociopolitical Dynamics in NigeriaFrench-language works237,207