MétaCan
Menu
Retour à la cohorte
Enregistrement W4200409981 · doi:10.6000/1929-4409.2021.10.190

Abuse of Power on Managing the Health Care Services Policy for the Indonesian National Army Forces and its Implication on Marginalized Soldier’s Health

2021· article· en· W4200409981 sur OpenAlexvenueno aff
Ida Bagus Purwalaksana, Sumartono Sumartono, Bambang Santoso Haryono, Wike Wike, Bambang Slamet Riyadi

Notice bibliographique

RevueInternational Journal of Criminology and Sociology · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Quality and Satisfaction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth policyPublic healthPublic relationsSanctionsHealth careDocumentationSociologyService (business)MedicineBusinessPolitical scienceNursingLawMarketingComputer science

Résumé

récupéré en direct d'OpenAlex

This research aims to understand the abuse of power on managing the health service policy and its implication that is very significant in reducing marginalized soldiers’ health due at the ontological level and sociological level. The problem is very interesting to be analyzed by conducting a qualitative research method based on public policy theory, abuse of power theory, and health services theory. Data were collected through in-depth interviews, observation, and documentation related to managing the health service policy cases in Indonesia. Data were analyzed by using interactive models are data reduction, data display, data verification, and supported by triangulation. The results were based on ontological level and sociological level using public policy perspective and power perspective for improving health service policy and practice for The Indonesian Army Forces. Vision and mission of public policy on managing health service policy are needed for providing information to stakeholders related, regarding the regulations and sanctions in health service policy. This result provides inputs for making better regulation on health service policy in Indonesia for state agencies as public officials and practitioners.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,144
Tête enseignante GPT0,502
Écart entre enseignants0,358 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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 revueInternational Journal of Criminology and SociologyMême sujetHealthcare Quality and SatisfactionTravaux en français237 207