MétaCan
Menu
Retour à la cohorte
Enregistrement W4383877000 · doi:10.20473/jbk.v12i1.2023.84-90

SEXUAL BEHAVIOR DETERMINANT FACTOR IN ADOLESCENTS IN KEBAYORAN LAMA SELATAN VILLAGE IN 2020

2023· article· en· W4383877000 sur OpenAlexaboutno aff
Muti Afrida, Thresya Febrianti

Notice bibliographique

RevueJurnal Biometrika dan Kependudukan · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent Health and Behaviors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPornographySnowball samplingPsychologyQuarter (Canadian coin)Social psychologyDevelopmental psychologyCuriosityGeographyMedicine

Résumé

récupéré en direct d'OpenAlex

Future threats are posed by the high prevalence of risky sexual behavior in adolescents. The purpose of this study is to examine the factors influencing sexual behavior among adolescents in Kelurahan Kebayoran Lama Selatan in 2020. The research study design used a cross-sectional with a total sample of 194 respondents. The sampling technique was snowball sampling and the analysis used was descriptive. It shows that half of all adolescents have risky behavior, namely 165 people (85.1%), but a quarter of them have non-risk behavior (14.9%). The distribution of majority of respondents has peer influence 25.3%, more information sources in watching pornography on friends 43.3%, internet mass media that is often seen 36.6%, the frequency of pornography in the category is sometimes 39.7%, partner pornography when alone 24.2% and their lover/girlfriend 17.5%, the reasons for watching pornography were 28.4% of curiosity and 16.0% of sexual desire, and the role of good parents in educating children 95.4%. Sexual behavior in adolescents in Kebayoran Lama Selatan Village shows that there are still many teenagers who engage in risky sexual behavior. This research is expected to facilitate the needs of adolescents so that they can channel their energy and make good use of their free time.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,010
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,423
Écart entre enseignants0,344 · 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.

Devis d'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Biometrika dan KependudukanMême sujetAdolescent Health and BehaviorsTravaux en français237 207