Film Sebagai Media Edukasi: Peningkatan Kesadaran Masyarakat Tentang Kebersihan Lingkungan
Notice bibliographique
Résumé
Sungai Citarum dinobatkan sebagai salah satu sungai terkotor di dunia. Sungai yang terletak di Jawa Barat ini memiliki peran yang cukup besar bagi kehidupan penduduknya. Selain sebagai sumber air minum, irigasi pertanian, perikanan, pembangkit tenaga listrik untuk kota Bandung, Jakarta, Purwakarta dan sekitarnya, Citarum juga merupakan pemasok air utama untuk kegiatan industri. Lebih dari 27 juta orang memanfaatkan sungai ini sebagai sumber kehidupan, termasuk sekitar 1.500 pabrik yang ada di sekitarnya serta beberapa waduk PLTA. Sudah banyak pengabdian kepada masyarakat dilakukan untuk wilayah sungai Citarum, namun belum Nampak hasil yang signifikan dan belum ada yang menggunakan film sebagai media pendidikan. Film sebagai media pendidikan diharapkan dapat meningkatkan transfer ilmu pengetahuan, mengubah mindset yang selama ini berlaku tentang polusi sungai Citarum –dari yang semula membiarkan bahkan menerima dengan “pasrah” kehidupan yang terpolusi seperti itu—berubah menjadi kesadaran yang lebih meningkat dari masyarakat di tepi sungai Citarum. Film sebagai kritik sosial juga diharapkan dapat mendorong masyarakat di sekitar wilayah sungai Citarum untuk menciptakan sendiri ide-ide kreatif dan gagasan-gagasan baru untuk mengubah lingkungan yang tidak sehat, sebelumnya, menjadi lingkungan yang sehat dengan air bersih sebagai sumber kehidupan. Menggunakan Taxonomy Bloom sebagai kerangka dan strategi pengabdian, pelaksanaan pengabdian ini akan memiliki dua tahapan kegiatan, yaitu aktivitas sayembara dan aktivitas penghargaan (awarding) - pemutaran (movie screening). Aktivitas pertama (UNPAR Movie Award 2019) diadakan mulai bulan Februari sampai Juli 2019. Sayembara UNPAR Movie Award ini ditujukan untuk mahasiswa di Perguruan Tinggi di Bandung dan masyarakat umum. Faktor utama yang dinilai dari pembuatan film adalah kreativitas, orisinalitas, dan pesan yang hendak disampaikan. Dari 65 peserta yang mendaftar, 33 materi film pendek telah diterima oleh panitia, dan sedang dilakukan penilaian terhadap film-film tersebut oleh para juri yang kompeten di bidangnya. Selama proses penjurian, panitia juga telah melakukan movie gathering and film screening, dengan mengundang Jay Subijakto dan Oscar Matulloh sebagai pembicara. Jay merupakan sutradara film dokumenter berjudul “Banda: The Dark Forgotten Trails” yang piawai di bidangnya. Pada acara movie gathering sekaligus technical meeting tersebut, pembicara membagikan tips mengenai cara-cara membuat film pendek (documentary) yang baik. Aktivitas kedua dilaksanakan sesudah pemilihan pemenang diumumkan di bulan Agustus, yaitu mulai bulan September sampai November 2019; dengan melakukan yaitu pemutaran film-film pemenang sayembara di lokasi –kampus UNPAR dan wilayah pemukiman Citarum-- tertentu. Melalui pesan dan nilai-nilai yang disampaikan melalui film-film ini diharapkan masyarakat penonton, khususnya masyarakat di Jawa Barat yang hidup dan dihidupi sungai Citarum, dapat menambah dan meningkatkan aspek kognitif, aspek afektif dan psikomotoriknya. Dengan demikian, kesadaran masyarakat tentang pentingnya kebersihan lingkungan dengan sumber air yang bersih sebagai konsumsi keseharian dapat dijiwai dan diterapkan. Pemberdayaan masyarakat di Jawa Barat, khususnya yang bermukim di sepanjang sungai Citarum, dalam rangka menjaga kebersihan lingkungan dapat ditingkatkan. Pengabdian kepada masyarakat ini direncanakan untuk dilanjutkan di tahun 2020, dengan menayangkan film-film baru (dokumenter atau fiksi –based on true story) hasil produksi bersama dengan masyarakat yang tinggal di wilayah Citarum, untuk diputar di stasiun televisi lokal atau nasional. Dengan begitu, masyarakat diharapkan memiliki pilihan tontonan yang lebih bervariasi dan mengedukasi. Kata kunci: sungai Citarum, film, media pendidikan, pemberdayaan masyarakat
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,107 | 0,020 |
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 ».