Bibliographic record
Abstract
1. Perkenalan. 2. Roh kehidupan. 3. Roh kehidupan menjauhi tubuh. 4. Pemelihara atau penguat roh kehidupan. 5. Kembaran. 6. Bersin. 7. Bersin saat berangkat. 8. Arti buruk bersin. 9. Nilai mimpi. 10. Saat seseorang terjatuh dalam mimpi. 11. Bermimpi terjatuh. 12. Bermimpi ada sesuatu yang rusak. 13. Arti mimpi gigi tanggal dan rambut dipotong. 14. Bermimpi kehilangan sesuatu. 15. Memimpikan pemakaman. 16. Bermimpi menyeberangi sungai, memanjat pohon atau gunung. 17. Bermimpi memberi dan menerima. 18. Mimpi bermain-main dan berzina. 19. Kontras dalam mimpi. 20. Bermimpi berburu dan memancing. 21. Bermimpi tentang fenomena alam. 22. Menyingkirkan mimpi. 23. Bentuk roh kehidupan. 24. Kunang-kunang sebagai manifestasi dari yang tidak berwujud. 25. Kupu-kupu sebagai perwujudan dari yang tak berwujud. 26. Bayangan sebagai penampakan dari yang tanpa tubuh. 27. Ular sebagai manifestasi dari yang tidak berwujud. 28. Buang air kecil dan besar. 29. Bahaya urin dan feses. 30. Efek menguntungkan dari urin dan feses. 31. Sihir dengan air seni dan feses. 32. Air mata. 33. Nafas dan air liur. 33a. Air mani dan darah haid. 34. Kekuatan di rambut kepala. 35. Melonggarkan dan mengikat rambut. 36. Hubungan keluarga melalui rambut. 37. Rambut, bagian dari dirinya. 38. Saat memotong rambut dilarang. 39. Ilmu sihir dengan rambut. 40. Pakaian sebagai bagian dari manusia. 41. Pengaruh yang timbul dari perbuatan salah. 42. Tindakan merugikan yang dilakukan manusia dan hewan. 43. Perbuatan nakal anjing. 44. Tindakan kenakalan kucing dan unggas. 45. Pengaruh jahat yang berasal dari tumbuhan. 46. Melangkahi sesuatu. 47. Seekor anjing melompati manusia. 48. Asal usul puntiana. 49. Terjadinya puntiana. 50. Keberadaan puntiana. 51. Kejahatan yang dilakukan puntiana. 52. Penolak puntiana. 53. Kisah seorang puntiana. 54. Seni hitam. 55. Vampir dan penyihir. 56. Bagaimana seorang penyihir dikenali. 57. Bagaimana seni hitam diajarkan. 58. Kantu. 59. Kejahatan yang dilakukan kantu. 60. Pengobatan terhadap ilmu sihir. 61. Tindakan pencegahan. 62. Nasib sang penyihir. 63. Kisah para penyihir. 64. Hiropu. 65. Gompi. 66. Mengusir penyakit dari dalam tubuh. Pengaturan kepala. 67. Melali. 68. Menebus roh kehidupan yang hilang. 69. Menawarkan boneka. 70. Melongga di Bada'. 71. Mohompo di Bada'. 72. Membiarkan wakilnya pergi. 73. Penyakit. 74. Cacar. Hantu cacar. 75. Saat penyakit cacar datang. 76. Dilarang selama epidemi. 77. Orang yang meninggal karena penyakit cacar. 78. Gondok dan kebodohan (Bada'. Besoa; toko': Napu: bea; Rampi': wuu ntoko: Koro: toko: Kulawi: ponte: Pakawa: ponte: Kaili dan Sigi: kawua). 79. Perkembangan penyakit gondok. 80. Demensia. 81. Obat-obatan. 82. Obat-obatan yang dikenal secara umum. 83. Obat-obatan di Bada'. 84. Mengusir dan menangkal penyakit menular. 85. Menghapuskan penyakit dari desa. 86. Mengusir penyakit dalam kapal. 87. Mopaura di Pakawa. 88. Mopaura di antara kelompok Kulawi dan Koro. 89. Mopaura di daerah Lore. 90. Waktu larangan setelah mopaura. 91. Anjing berkorban karena sakit di antara kelompok Lore. 92. Anjing kurban karena sakit pada kelompok Rampi’. 93. Anjing kurban karena sakit di kalangan kelompok Koro. 94. Anjing kurban karena sakit pada kelompok Kulawi. 95. Anjing kurban karena sakit di kelompok Sigi. 96. Anjing kurban karena sakit di kelompok Kaili. 97. Anjing kurban karena sakit di kelompok Pakawa. 98. Penyembuhan dengan tangisan burung hantu. 99. Motawolo di Banawa. 100. Cara belajar motawolo. 101. Ramalan. Nama untuk itu. 102. Ramalan dengan burung belibis. 103. Ramalan dengan depa. 104. Ramalan dengan rentang. 105. Tali ramalan. 106. Ramalan dengan kelapa, jahe dan kunyit. 107. Ramalan dengan biji jagung. 108. Ramalan lainnya.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.142 | 0.066 |
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".