Urgensi Pendekatan Multi dan Inter-disiplin Ilmu dalam Penanggulangan Bencana
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The intensity and serious impact of disasters threaten human life, including in Indonesia. A series of natural disasters such as floods, landslides, earthquakes, and tsunamis in the past decade have claimed thousands of lives and damaged property and destroyed social and cultural structures. Current pandemic as non-natural disaster also shows that Covid-19 become among deadliest of disasters. With the unpredictable characteristics of disaster events (especially natural and pandemic), it is urgent to find a collaboration model for effective disaster management. As a concept, an approach and a method disaster management is not a monodisciplinary, but cross-disciplinary, whether it is multidisciplinary, interdisciplinary or transdisciplinary. Using a description and information analysis approach using secondary data through the literature review, this study discusses the link and contribution issues of disaster management. The results of the discussion show that apart from being multidisciplinary, disaster management is also interdisciplinary and transdisciplinary. In the disaster management cycle, there are important roles that differ between multidisciplinary, interdisciplinary, and transdisciplinary. This preliminary finding may be useful for researchers, policy makers, disaster managers and others to start cooperating in reducing disaster risk. A more comprehensive and in-depth study is needed to see the relationship between disaster management and related sciences for strengthening disaster management in the future.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 découle