MétaCan
Menu
Retour à la cohorte
Enregistrement W2902771569 · doi:10.32831/jik.v7i1.194

Hubungan Motivasi Terhadap Kinerja Kader Pada Program Gerakan Menekan Angka Kematian Ibu Dan Bayi (Gemakiba) Di Kelurahan Sukorame Kota Kediri Wilayah Kerja Puskesmas Sukorame

2018· article· en· W2902771569 sur OpenAlexaff
Triatmi Andri Yanuarini, Retno Wulandari, Suwoyo Suwoyo

Notice bibliographique

RevueJurnal Ilmu Kesehatan · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Quality and Satisfaction
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineChecklistPopulationEnvironmental healthPsychology

Résumé

récupéré en direct d'OpenAlex

The indicator that can be used to measure of status health mother in certain region such as using number of maternal mortality (Angka Kematian Ibu / AKI). AKI is one of indicator that sensitive about quality and an access to facility health service. One of factor that contributed to maternal mortality is factors that complicate of process handling emergency such as TIGA TERLAMBAT. It used to press AKI, the government made programs. The program is Program Perencanaan Persalinan dan Pencegahan Komplikasi (P4K) and Kediri was held program Gerakan Menekan Angka Kematian Ibu dan Bayi (GEMAKIBA). The aim of this research is to know the relationship of motivation performance cadre at GEMAKIBA’s program at Sukorame district Kediri city region performance of clinic Sukorame. The research design is survey analytic. The approach is cross sectional, the population is 45 persons of cadre. The sampling uses simple random sampling with 41 respondences of cadre that fulfil of inclusive criteria. The instrument used questioner to assess of motivation, checklist to assess of performance and recapitulation sheet to make a note the result of data. Then the data was analyzed with correlation spearman rank that showed there is a relathionship between motivation and performance cadre at GEMAKIBA’s program. Based on the result of the research above it should be became a material to maintain and enhance motivation for more comprehensive program’s outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,450
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Ilmu KesehatanMême sujetHealthcare Quality and SatisfactionTravaux en français237 207