ANALISIS EFEKTIVITAS AKSI KONVERGENSI/INTEGRASI STUNTING DI WILAYAH KABUPATEN ACEH JAYA
Notice bibliographique
Résumé
Gerakan penurunan stunting di Kabupaten Aceh Jaya dimulai pada Tahun 2020 berdasarkan Keputusan Bupati Aceh Jaya Nomor 307 Tahun 2020 tentang Tim Pengentasan dan Penanganan Malnutrisi Terintegrasi Kabupaten Aceh Jaya dan mulai fokus pada Pencegahan dan Penangulangan malnutrisi (Stunting/Gizi Akut). Tujuan kajian ini adalah untuk menganalisa efektif atau tidaknya pelaksaaan program 8 (delapan) aksi Konvergensi/Integrasi Stunting yang sudah dirumuskan guna menuunkan angka stunting di Kabupaten Aceh Jaya. Kajian menggunakan pendekatan kualitatif, data dianalisa dengan menggunakan model Miles and Huberman. Penelitian ini menemukan bahwa Realisasi pelaksanaan program 8 (delapan) Aksi Konvergensi/Integrasi Stunting di Kabupaten Aceh Jaya sudah berjalan dengan efektif. Persentase penderita stunting di Kabupaten Aceh Jaya menunjukkan tren penurunan dari persentase 20% menjadi 12,6 %. Hal ini menunjukkan adanya tren penurunan dari tahun sebelumnya. Ini merupakan hasil positif dari kerja bersama yang sudah dilakukan oleh Sekber Bangraja dalam melakukan intervensi, baik secara spesifik maupun intervesi senstif kepada sasaran anakpenderita malnutrisi (stunting/gizi akut).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».