MétaCan
Menu
Retour à la cohorte
Enregistrement W3213970157 · doi:10.18196/ppm.26.528

Pelatihan Penguatan Kapasitas Manajemen Organisasi Bagi Perempuan Di Kecamatan Buay Bahuga Kabupaten Way Kanan Provinsi Lampung

2021· article· id· W3213970157 sur OpenAlexaff
Rahayu Sulistiowati, Nana Mulyana, Selvi Diana Meilinda

Notice bibliographique

RevueProsiding Seminar Nasional Program Pengabdian Masyarakat · 2021
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Berbagai hasil riset menunjukkan bahwa selama ini partisipasi perempuan dalam pembangunan masihrendah. Rendahnya pengetahuan dan pemahaman kader pembangunan terutama perempuan karenakapasitasnya yang masih rendah, diantaranya tentang manajemen organisasi perempuan.Mempertahankan dan mengurus suatu organisasi agar tetap bisa berkembang secara dinamis pada erasekarang ini, merupakan tantangan tersendiri bagi pengurusnya. Beragam hal yang harus dicermati.Selain karena zamannya telah memasuki era globalisasi dan era informasi, juga karena bertambahnyaanggota yang harus diurus, menjamurnya organisasi sejenis, juga disebabkan munculnya lembagaswadaya masyarakat yang juga ikut mengontrol jalannya roda suatu organisasi. Hal ini yang menjadimasalah bagi para perempuan pengelola organisasi yang ada di kecamatan Buay bahuga Kab. WayKanan. Untuk itulah maka diperlukan sejumlah pelatihan untuk meningkatkan kapasitas kaderperempuan agar dapat mengelola organisasi dengan baik. Setelah adanya Pelatihan Penguatan KapasitasPerempuan dan manajemen organisasi Di Desa Kecamatan Buay Bahuga Kabupaten Way Kanan inidapat diketahui bahwa telah ada peningkatan rata-rata pemahaman peserta sebesar 11,8%. Meskipunhasil ini hanya menunjukkan peningkatan pengetahuan peserta, namun kegiatan ini memberikankontribusi yang cukup berarti untuk meletakkan dasar pemahaman kepada kader perempuan dalammanajemen dan organisasi sehingga menjadi kader yang berpartisipasi aktif dalam pembangunan.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil0,229

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,004

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 Opus0,026
Tête enseignante GPT0,288
Écart entre enseignants0,261 · 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'étudeSans objet
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProsiding Seminar Nasional Program Pengabdian MasyarakatMême sujetSMEs Development and Digital MarketingTravaux en français237 207