EFEK INTERAKSI KINERJA DAN SENSE OF HUMOR PENYULUH SOSIAL PADA PENINGKATAN PARTISIPASI MASYARAKAT DALAM PROGRAM KESEJAHTERAAN SOSIAL DI INDONESIA
Notice bibliographique
Résumé
Penelitian bertujuan untuk menganalisis pengaruh kinerja, sense of humor, dan interaksi antara kinerja dan sense of humor penyuluh sosial pada partisipasi masyarakat dalam program pembangunan kesejahteraan sosial di Indonesia. Penelilitian ini menggunakan metode survey kuantitatif dan melibatkan 124 penyuluh sosial sebagai responden yang tersebar di beberapa provinsi di Indonesia. Instrumen pengumpulan data menggunakan kuisioner kinerja penyuluh sosial, multidimensional sense of humor, dan partisipasi masyarakat. Analisis data menggunakan Moderating Structural Equation Modeling (MSEM). Hasil penelitian menemukan pengaruh positif interaksi kinerja dan sense of humor penyuluh sosial pada peningkatan partisipasi masyarakat dalam program kesejahteraan sosial di Indonesia. Penelitian ini juga menemukan pengaruh positif kinerja penyuluh sosial pada partisipasi masyarakat, pengaruh positif sikap terhadap humor pada penggunaan humor coping, pengaruh positif pengembangan kualitas penyuluhan pada partisipasi masyarakat dalam perencanaan program
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».