BIMBINGAN SATUAN PENDIDIKAN AMAN BENCANA BAGI GURU DAN TENAGA KEPENDIDIKAN PASCA BENCANA DI KOTA PALU, SIGI DAN DONGGALA
Notice bibliographique
Résumé
Indonesia adalah salah satu negara dengan potensi alam yang melimpah Meskipun demikian Inonesia memiliki potensi bencana alam tertinggi di Dunia. Salah satu aspek kehidupan yang rentan bencana adlalah lembaga pendidikan. Dalam bidang pendidikan pemerintah menerapkan program pendidikan aman bencana yang dikenal dengan Satuan Pendidikan Aman Bencana (SPAB). Tujuan penelitian ini adalah untuk meningkatkan pemahaman dan kemampuan lembaga pendidikan di Palu dan Sigiuntuk menerapkan Satuan Pendidikan Aman Bencana. Untuk mewujudkan pendidikan tangguh bencana terdapat tiga komponen utama, yaitu pertama; fasilitas sekolah aman. kedua; manajemen Bencana di Sekolah. Dan ketiga; pendidikan pencegahan danpengurangan resiko bencana. Pendekatan yang digunakan penelitian ini adalaheducational approach atau pendekatan edukasi, serta pendekatan partisipatori.Adapun metode penelitian adalah mixed method. Berdasarkan hasil penelitian. Ratarata pemahaman tentang penerapan Satuan Pendidikan Aman Bencana di kota Palu dan Kabupaten Sigi sangat rendah. Hal tersebut terlihat dari hasil pre tes di atas 90%. Akan tetapi setelah kegiatan bimbingan pemahaman responden meningkat secara signifikan yaitu di kategori 100%. Secara analisis kualitatif dapat disimpulkan bahwa kemampuan penerapan SPAB sangat baik.
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 | 0,001 | 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 | 0,004 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,011 |
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 ».