MétaCan
Menu
Retour à la cohorte
Enregistrement W4384567148 · doi:10.33862/citradelima.v7i1.352

Hubungan Sumber Daya dan Struktur Birokrasi Protokol Kesehatan Terhadap Persepsi Penurunan Angka Kejadian Covid-19

2023· article· en· W4384567148 sur OpenAlexaff
Dewi Sayati, Atma Deviliawati, Hamyatri Rawalillah

Notice bibliographique

RevueCitra Delima Scientific journal of Citra Internasional Institute · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCOVID-19 Prevention and Impact
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceGynecologyHumanitiesMedicinePhilosophy

Résumé

récupéré en direct d'OpenAlex

The increase in the number of cases of COVID-19 is still happening every day, therefore, a very comprehensive effort is needed in managing the Covid-19 case and ways to break the chain of exposure. Based on data from the Covid-19 Handling Task Force as of March 31, 2022 globally, the total number of Covid-19 infections was 486,661,998 cases,active cases of covid-19 as many as 58,643,881 cases,and the death rate reached 6,161,174 people.This study aims to find out the relationship between resources and bureaucratic structure with the perception of a decrease in the number of Covid-19 cases at Bina Jaya Vocational School in 2022. The design of this study is descriptive analytic, using a cross sectional approach. The sample of this research is 71 respondents at SMK Bina Jaya Palembang, and the sampling technique uses accidental sampling. Resources are urgently needed to support the implementation, such as human resources who are actively involved in the policy process, the availability of facilities to support the policies that have been set, unitary system that gives centralized resources of authority to the national government as well as the bureaucratic structure including the dimensions of fragmentation and SOPs which have a significant influence on the success of policy implementation, such as inter-organizational relations as contingency theory, as case analysis, chart of public sector policy and management subsystems.

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)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,549
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0020,003
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,128
Tête enseignante GPT0,424
Écart entre enseignants0,296 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCitra Delima Scientific journal of Citra Internasional InstituteMême sujetCOVID-19 Prevention and ImpactTravaux en français237 207