KETERLIBATAN MAHASISWA KEDOKTERAN UNIVERSITAS SEBELAS MARET DALAM UPAYA MITIGASI WABAH COVID-19 DI KOMUNITAS
Notice bibliographique
Résumé
Wabah COVID-19 merupakan bencana nonalam yang terjadi secara global sejak awal tahun 2020. Laju penularan yang cepat dan kemungkinan komplikasi yang fatal menyebabkan tingginya angka kematian akibat COVID-19. Sejak penemuan kasus pertama COVID-19, berbagai upaya penanganan dan penanggulangan COVID-19 terus dilakukan. Keberhasilan pengembangan vaksin COVID-19 memberikan harapan baru dalam eradikasi COVID-19, namun disisi lain dapat mengganggu stabilitas dalam masyarakat dikarenakan kebijakan yang terus berganti demi tercapainya target cakupan vaksin dalam waktu singkat, kurangnya pengetahuan masyarakat terhadap kebijakan yang berlaku, serta rentannya terjadi misinformasi di kalangan masyarakat. Oleh karena itu, diperlukan sumber daya manusia tambahan untuk dapat memaksimalkan pelayanan kesehatan dalam penanganan dan penanggulangan COVID-19. Mahasiswa kedokteran memiliki kedudukan yang strategis untuk dilibatkan dalam upaya mitigasi wabah COVID-19. Hal ini dikarenakan mahasiswa kedokteran telah mendalami ilmu-ilmu kedokteran dasar dan berstatus sebagai bagian dari komunitas itu sendiri. Institusi pendidikan kedokteran, salah satunya Fakultas Kedokteran Universitas Sebelas Maret mewadahi mahasiswanya untuk berperan dalam komunitas sesuai dengan kompetensi yang dimiliki melalui penyelenggaraan KKN Tematik yang bertepatan dengan pelaksanaan program Serbuan Vaksinasi COVID-19 Universitas Sebelas Maret.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,084 | 0,017 |
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 ».