MétaCan
Menu
Retour à la cohorte
Enregistrement W4406428291 · doi:10.20884/1.linggamas.2024.1.2.10163

Upaya Peningkatan Kapasitas Guru SMP Pius Cilacap dalam Mendampingi Remaja Sebagai Generasi Digital Native untuk Memelihara Kesehatan Reproduksi

2023· article· id· W4406428291 sur OpenAlexaff
Catharina Widiartini, Fajar Wahyu Pribadii, Agus Budi Setiawan, Rizak Tiara Yusan, Thomas Sutasman

Notice bibliographique

RevueLinggamas Jurnal Pengabdian Masyarakat · 2023
Typearticle
Langueid
DomaineHealth Professions
ThématiqueAdolescent Health and Behaviors
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

Generasi digital native berpotensi menyerap informasi salah dari internet mengenai kesehatan reproduksi. Guru perlu mengoptimalkan kelebihan mereka sebagai tenaga professional yang dekat dengan remaja, yakni kemampuan menyampaikan informasi ilmiah kepada siswa dengan memperhatikan aspek perkembangan psikologis usia remaja awal. Kegiatan pengabdian masyarakat di SMP Pius Cilacap bertujuan untuk menjawab kebutuhan peningkatan kapasitas guru dalam menjalankan peran sebagai sumber informasi dan fasilitator diskusi dengan siswa dan orangtua siswa terkait pemeliharaan kesehatan reproduksi remaja. Workshop dilaksanakan melalui penyampaian materi aspek medis dan psikologis kesehatan reproduksi remaja serta sesi bermain peran, dengan fokus pada penerapan teknik I message. Terdapat peningkatan pengetahuan sebesar 19,42 poin atau sebesar 24,72% pada post-test dibandingkan pre-test. Pihak mitra menyatakan kepuasan mereka atas penyelenggaraan kegiatan tersebut dan mengharapkan agar kegiatan serupa dapat dilaksanakan secara serial. Fokus topik kesehatan reproduksi remaja yang dapat diprioritaskan adalah terkait topik hubungan seksual dan kehamilan serta topik pubertas pada perempuan dan menstruasi.

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)0,006
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,164
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0060,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,009
Charge utile insuffisante (le modèle a refusé de juger)0,0030,014

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 Opus0,072
Tête enseignante GPT0,388
Écart entre enseignants0,316 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLinggamas Jurnal Pengabdian MasyarakatMême sujetAdolescent Health and BehaviorsTravaux en français237 207