ANALISIS DUKUNGAN INSTITUSI TERHADAP PENYELENGGARAAN KANTIN SEHAT PADA MAHASISWA DI UNIVERSITAS NEGERI DAN SWASTA DI JAKARTA
Notice bibliographique
Résumé
Masalah gizi ganda terus meningkat di berbagai negara termasuk di Indonesia. Salah satu kelompok yang berkontribusi dalam kondisi ini adalah mahasiswa. Ketersediaan kantin sehat di kampus menjadi faktor penyebab utama rendahnya status gizi mahasiswa. Penelitian ini bertujuan untuk mengetahui dukungan institusi terhadap peyelenggaraan kantin sehat pada mahasiswa di Universitas negeri dan swasta di Jakarta. Penelitian ini menggunakan desain studi analitik observasional dengan menggunakan metode cross sectional. Subjek penelitian ini adalah mahasiwa Negeri dan mahasiswa Swasta di Jakarta. Teknik pengambilan sampel yang digunakan adalah accidental sampling dengan jumlah responden sebanyak 114 responden yang terdiri dari 57 mahasiswa Perguruan Tinggi Negeri dan 57 mahasiswa Perguruan Tinggi Swasta. Data diambil pada bulan Oktober-November 2017 dengan menggunakan kuesioner yang diadaptasi dari Ontario Society of Nutrition Professionals in Public Health (OSNPPH). Data ini dianalisis dengan menggunakan analisis multivariat logistic ganda. Penelitian ini menunjukkan bahwa didapatkan nilai OR pada dukungan institusi sebesar 4,246 (95% CI: 1,933 – 9,326). Berdasarkan persepsi mahasiswa, dukungan institusi berpeluang 4 x lipat terhadap penyelenggaraan kantin sehat dibandingkan dengan yang tidak mendapatkan dukungan ististusi. Oleh karenanya, perlu adanya dukungan kebijakan penyelenggaraan kantin sehat dan penyediaan fasilitas di kampus dalam menunjang pemenuhan gizi mahasiswa.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».