Manajemen Layanan Bimbingan dan Konseling dalam Menghadapi Dampak Pandemi Covid-19 Di SMAN 1 Terara Lombok Timur
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mendeskripsikan manajemen layanan bimbingan dan konseling yang dilakukan di SMAN 1 Terara dalam menghadapi dampak pandemi Covid-19. Digunakan pendekatan kualitatif dengan jenis studi kasus sebagai metode penelitian. Teknik observasi, wawancara, dan dokumentasi digunakan sebagai alat pengumpul data. Analisis data melalui pengumpulan data, reduksi data, penyajian data dan penarikan kesimpulan. Hasil penelitian menunjukkan: (1) Perencanaan dilakukan dengan mengumpulkan informasi dari seluruh warga sekolah dan membagikan angket kebutuhan kepada siswa. Informasi yang didapat dianalisis dan disusun dalam bentuk program apa saja yang dibutuhkan siswa diikuti dengan waktu pelaksanaannya. Kemudian program yang telah tersusun dikonsultasikan dan disahkan oleh kepala sekolah; (2) Tahap pengorganisasian dilakukan dengan pembagian siswa asuh kepada masing-masing guru BK, pembagian tugas dan wewenang, dan penetapan alur layanan BK kepada masing-masing warga sekolah yang terlibat; (3) Pelaksanaan layanan bimbingan dan konseling di SMAN 1 Terara tidak berjalan sepenuhnya sebagaimana perencanaan program yang telah dibuat. Pemberian layanan BK lebih banyak disesuaikan dengan kebutuhan siswa mengikuti asas kekinian sebagai sasaran kegiatan bimbingan dan konseling; (4) kendala yang ditemui yaitu kurangnya jumlah guru bimbingan dan konseling, tidak tersedianya waktu khusus dalam jadwal pelajaran, tidak sampainya informasi yang utuh kepada orang tua/wali siswa, dan adanya persepsi negatif pada siswa tentang BK.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».