MEMBANGUN PESANTREN TANGGUH BENCANA MELALUI LITERASI KEBENCANAAN BERBASIS PARTISIPATORY MAPPING DI KOTA MALANG
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
Kota Malang merupakan salah satu kota di Jawa Timur yang rawan terjadi bencana. Kerentanan bencana di Malang tidak hanya terjadi di area rural dan urban tetapi juga menimpa komunitas dan institusi sosial tertentu. Komunitas di pesantren sebagai institusi pendidikan berpotensi besar mengalami dan terdampak bencana karena berada pada kawasan yang rawan. Salah satunya yaitu Pondok Pesantren Al-Furqon di Kota Malang yang berada di pinggir Sungai besar tepatnya pertemuan antara Sungai Bango dengan Sungai Brantas. Penelitian ini bertujuan untuk meningkatkan Kesiapsiagaan Pondok Pesantren dalam menghadapi ancaman bencana melalui Literasi Bencana berupa tiga langkah, yaitu 1. Participatory Mapping, 2. Ngaji Bencana, 3. Simulasi Bencana. Dalam penelitian ini juga dilakukan pengukuran wawasan kebencanaan melalui pemberian soal pretest dan posttest. Hasil dari uji T Test menunjukan terdapat peningkatan wawasan kebencanaan sebelum dan sesudah diberikan Literasi Kebencanaan dengan nilai rata-rata sebesar 62 dari sebelumnya nilai rata-rata sebesar 43, selain hal tersebut santri serta pengurus Pondok Pesantren Al-Furqon telah meningkatkan kesiapsiagaan dengan melaksanakan simulasi bencana di lingkungan Pondok Pesantren. Pendekatan participatory mapping dapat meningkatkan literasi dan partisipasi aktif civitas pesantren dalam mengantisipasi bencana.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle