MétaCan
Menu
Retour à la cohorte
Enregistrement W3142498133 · doi:10.35790/jkp.v7i1.25205

PENGARUH PENDIDIKAN KEBENCANAAN BANJIR BANDANG TERHADAP KESIAPSIAGAAN MAHASISWA PROGRAM STUDI ILMU KEPERAWATAN FK UNSRAT

2019· article· en· W3142498133 sur OpenAlexaff
M. Andhy Nurmansyah, Andi Buanasasi

Notice bibliographique

RevueJurnal Keperawatan/Jurnal Keperawatan · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueEdcuational Technology Systems
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésFlash floodPreparednessRespondentFlood mythPsychologyEmergency managementGeographyMedical educationPolitical scienceMedicineArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract: Flash flood is one of the most frequent disasters in Indonesia. The city of Manado was included in the event of the worst banjir bandang disaster. Preparedness greatly impacts on disasters that occur. Given the sudden onset of disaster and detrimental to many aspects, preparedness is needed to anticipate disasters. Therefore we need emergency education and simulation training to improve preparedness. Location of research for students who live in prone to flash flood disasters. The aim was to determine the effect of flash flood disaster education on the preparedness of nursing science students in FK Unsrat. The research design was using a nonrandomized control group pretest - posttest design. Samples were 32 people using consecutive sampling technique. Methods of collecting data using knowledge and attitude questionnaires, early warning systems, emergency response plans and resource mobilization to measure respondent preparedness and statistical tests using the Wilcoxon test and Man Whitney test. The results of the study obtained a P-Value of 0,000 (≤ α = 0.05) which means that there is a significant difference. The conclusions of the results of this study indicate an increase in preparedness in nursing students after being given counseling and emergency simulation training.Keywords: Disaster Education, Flash Flood, PreparednessAbstrak: Banjir bandang adalah salah satu bencana yang paling sering terjadi di Indonesia. Kota Manado masuk dalam peristiwa bencana banjir bandang terparah. Kesiapsiagaan sangat berdampak terhadap bencana yang terjadi. Mengingat bencana yang datangnya secara mendadak dan merugikan banyak aspek, kesiapsiagaan sangat diperlukan untuk mengantisipasi bencana. Oleh sebab itu diperlukan pendidikan kebencanaan dan pelatihan simulasi darurat untuk meningkatkan kesiapsiagaan. Lokasi tempat penelitian pada mahasiswa yang tinggal di daerah rawan bencana banjir bandang. Tujuan untuk mengetahui pengaruh pendidikan kebencanaan banjr bandang terhadap kesiapsiagaan mahasiswa program studi ilmu keperawatan FK Unsrat. Metode penelitian yaitu menggunakan desain nonrandomized control group pretest – posttest design. Sampel berjumlah 32 orang menggunakan teknik consecutive sampling. Metode pengumpulan data menggunakan kuesioner pengetahuan dan sikap, sistem peringatan dini, rencana tanggap darurat dan mobilisasi sumber daya untuk mengukur kesiapsiagaan responden dan uji statistik menggunakan uji Wilcoxon dan uji Man Whitney. Hasil penelitian di dapat nilai P – Value sebesar 0,000 (≤ α =0,05) yang berarti ada perbedaan yang signifikan. Simpulan hasil penelitian ini menunjukkan adanya peningkatan kesiapsiagaan pada mahasiswa keperawatan setelah diberikan penyuluhan dan pelatihan simulasi darurat.Kata kunci : Pendidikan Kebencanaan, Banjir Bandang, Kesiapsiagaan

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,011
Tête enseignante GPT0,258
Écart entre enseignants0,247 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Keperawatan/Jurnal Keperawatan Même sujetEdcuational Technology SystemsTravaux en français237 207