Training of Disaster Risk Reduction (DRR) Facilitators for Prospective Volunteer Students of Widya Dharma University Klaten
Notice bibliographique
Résumé
Bencana alam gempa bumi tahun 2006 di Yogyakarta dan sekitarnya menimbulkan banyak korban jiwa. Besarnya jumlah korban disebabkan oleh kerasnya goncangan gempa dan gempa bumi susulan yang kekuatannya jauh lebih besar. Pasca gempa, penduduk masih mencari korban di reruntuhan bangunan, terperangkap dan tertimpa bangunan. Berdasarkan fenomena yang terjadi di masyarakat, maka kami sebagai civitas akademika tergerak memberikan Pelatihan Pengurangan Risiko Bencana (PPRB) kepada calon fasilitator mahasiswa Unwidha yang akan diterjunkan ke Desa di seluruh Kabupaten Klaten. Tujuan pengabdian ini adalah untuk mengurangi besarnya korban jiwa ketika terjadi bencana di Kabupaten Klaten, dan dapat mengurangi Risiko fatal yang diakibatkan bencana di bidang ekonomi, sosial, dan lingkungan. Metode yang dilakukan adalah penyampaian materi dengan ceramah disertai tanya jawab dari peserta, kemudian demonstrasi dan praktik. Kegiatan program pengabdian kepada masyarakat ini menghasilkan prosedur operasional manajemen pengurangan Risiko bencana dan terwujudnya Relawan Tangguh Bencana yang dapat mengimplementasikan manajemen pengurangan Risiko bencana.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,008 |
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 ».