PEMBERDAYAAN MASYARAKAT PEMBUDIDAYA IKAN MELALUI PENGAWASAN DI DESA BASARANG KABUPATEN KAPUAS
Bibliographic record
Abstract
Desa Basarang memiliki beberapa kelompok perikanan yang cukup potensial, sehingga sebagai Salah satu fungsi pengawas perikanan diharapkan mampu melaksanakan pengawasan dan bimbingan penerapan standar pembudidayaan ikan guna meningkatkan keberhasilan yang berkelanjutan dalam pembudidayaan ikan. Keberhasilan usaha budidaya perikanan harus didukung dengan sarana dan prasarana yang memadai, teknologi yang tepat guna kondisi lingkungan yang layak dan ketrampilan pelaku usaha. Salah satu fungsi pengawas perikanan diantaranya adalah melaksanakan pengawasan dan bimbingan penerapan standar pembudidayaan ikan guna meningkatkan keberhasilan yang berkelanjutan dalam pembudidayaan ikan. Tujuan dari pelaksanaan pengawasan ini adalah untuk mendapatkan data dan informasi seputar kegiatan budidaya perikanan agar sesuai dengan teknologi anjuran dengan mengacu pada Standar Operasional Prosedur (SOP) yang ditentukan dan kaidah cara budidaya ikan yang baik (CBIB). Dari hasil pengawasan pada kolam di Desa Basarang ini secara umum untuk sistem pengelolaan budidaya yang dilakukan oleh 6 unit usaha cukup baik, sarana dan prasarana pembudidaya kurang memadai, untuk rekaman data dan pencatatan data kualitas air tidak ada, sehingga perlu adanya pendampingan teknis yang baik dengan objek pengawasan ini agar dapat ditinjau untuk disertifikasi kembali.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.049 | 0.017 |
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".