MétaCan
Menu
Retour à la cohorte
Enregistrement W4406971430 · doi:10.54082/jpmii.633

Super Teens: Take Care of Your Body and Mind sebagai Upaya Pencegahan Gangguan Kesehatan Mental guna Meningkatkan Kualitas Remaja di SMK Puspita Medika Kelurahan Cilangkap, Kota Depok, Jawa Barat

2024· article· id· W4406971430 sur OpenAlexaff
Faradina Qurrata'ayun, Tin Herawati, Saprudin Saprudin

Notice bibliographique

RevueJurnal Pengabdian Masyarakat Inovasi Indonesia · 2024
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueEducational Methods and Impacts
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPsychology

Résumé

récupéré en direct d'OpenAlex

Remaja merupakan aset penting bagi suatu bangsa untuk dapat melanjutkan cita-cita bangsa membangun Indonesia. Namun saat ini masih banyak permasalahan-permasalahan yang dihadapi remaja Indonesia salah satunya permasalahan kesehatan mental remaja. Hal tersebut dibuktikan dengan survei menurut Indonesia National Adolescent Mental Health Survey (I-NAMHS) yang menunjukkan bahwa 1 dari 3 remaja Indonesia memiliki masalah kesehatan mental. Angka tersebut setara dengan 15,5 juta remaja yang mengalaminya. Diperlukan sebuah program yang bertujuan untuk meningkatkan kepedulian remaja terhadap isu kesehatan mental. Program ini dilaksanakan di SMK Puspita Medika Kota Depok yang menyasar siswa kelas 11 dan 12 yang dikhawatirkan rentan terhadap gangguan mental. Program ini dilakukan sebanyak 2 kali pertemuan dengan jumlah peserta yang hadir adalah 37 orang pada pertemuan pertama dan 38 orang pada pertemuan kedua. Pertemuan pertama membahas terkait “Get to Know: Mental Health” dan pertemuan kedua membahas terkait “Take Care of Your Body and Mind” sekaligus terdapat sesi relaksasi dengan memberikan afirmasi positif kepada peserta. Hasil program sosialisasi menunjukkan peningkatan dalam hal pengetahuan mengenai isu kesehatan mental serta merawat tubuh dan pikiran merupakan bentuk mencintai diri sendiri. Hal tersebut dibuktikan dari hasil skor pretest ke post-test yang mengalami peningkatan skor.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,043
Tête enseignante GPT0,356
Écart entre enseignants0,313 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Pengabdian Masyarakat Inovasi IndonesiaMême sujetEducational Methods and ImpactsTravaux en français237 207