Penerapan Pendidikan Bencana dalam Membangun Kesiapsiagaan Sekolah Dasar dari Risiko Bencana
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Banjir yang seringkali melanda wilayah Kabupaten Demak Provinsi Jawa Tengah menyebabkan terhambatnya berbagai aktivitas masyarakat, salah satunya yaitu kegiatan yang ada pada lembaga pendidikan SDN Loireng yang berlokasi di Desa Loireng Kecamatan Sayung Kabupaten Demak. Sebagai Lembaga pendidikan yang berlokasi di daerah rawan bencana, SDN Loireng diharapkan mampu menerapkan Pendidikan Bencana di lingkungan sekolahnya. Penelitian ini bertujuan untuk melihat dan mendeskripsikan penerapan pendidikan bencana di SDN Loireng dalam membangun kesiapsiagaan warga sekolah dari risiko bencana. Metode yang digunakan dalam penelitian ini yaitu metode penelitian kualitatif dengan pendekatan studi kasus. Adapun teknik pengumpulan data dilakukan dengan wawancara mendalam, observasi dan dokumentasi, sedangkan teknik analisis data pada penelitian ini berupa analisis data kualitatif. Hasil penelitian ini berfokus pada pembahasan 5 indikator pendidikan bencana yang dilihat dari berbagai parameter sesuai dengan Pendidikan Bencana yang dikeluarkan oleh kemendikbud. Berdasarkan penelitian ini diperoleh hasil bahwa penerapan pendidikan bencana di SDN Loireng berdasarkan lima indikator tersebut sudah dilaksananan dengan keterlibatan dari sluruh warga sekolah. Namun, masih membutuhkan kerja sama dari seluruh pihak untuk terlaksananya pendidikan bencana di SDN Loireng yang lebih optimal sesuai dengan kurikulum pendidikan kebencanaan dari kementerian pendidikan dan kebudayaan.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,046 |
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 découle