Analisis Perubahan Pola Persebaran Permukiman di Negeri Ureng Kecamatan Leihitu
Bibliographic record
Abstract
Pentingnya pola permukiman dalam kehidupan manusia dalam berbagai aspek tidak dapat diabaikan begitu saja. Pemahaman dan pemahaman yang baik mengenai permukiman dapat meningkatkan kualitas hidup, pengelolaan sumber daya lingkungan, dan pembangunan ekonomi. Negeri Ureng merupakan salah satu Negeri adat yang memiliki pola permukiman berdasarkan Marga. Namun, seiring dengan berjalannya waktu pola permukiman Negeri Ureng mulai mengikuti administrasi dan tidak lagi berdasarkan pada batas tanah marga. Penelitian ini bertujuan untuk menganalisis perubahan pola persebaran permukiman di Negeri Ureng Kecamatan Leihitu. Metode yang digunakan adalah Analisis Pemetaan Partisipasi dan Analisis NNA. Hasil dari penelitian ini menunjukkan bahwa Perubahan Pola Permukiman di Negeri Ureng diawali dengan masuknya Masyarakat Buton di tahun 2006-2010 yang kemudian melakukan jual beli tanah dengaan masyarakat Negeri Ureng untuk mendapatkan tempat tinggal, Perubahan ini mengakibatkan pola Permukiman yang awalnya berdasarkan pada Batas Tanah Marga kini di bagi menjadi 5 RT dan 3 Dusun salah satunya Dusun Waepula
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".