Upaya Konseling Individu dalam Mendukung Pemulihan Korban Pelecehan Seksual
Notice bibliographique
Résumé
Kasus pelecehan seksual di Indonesia terus mengalami peningkatan, termasuk di Kabupaten Gresik yang banyak melibatkan korban remaja perempuan. Pelecehan seksual tidak hanya menimbulkan dampak fisik, tetapi juga gangguan psikologis seperti kecemasan, depresi, dan stres, sehingga korban membutuhkan pendampingan yang tepat untuk memulihkan kondisi emosionalnya. Artikel ini membahas pelaksanaan konseling individu berbasis daring bagi korban pelecehan seksual di Biro ASCA Elpida. Penelitian menggunakan pendekatan kualitatif studi kasus dengan asesmen awal menggunakan DASS-42, kemudian dilanjutkan tiga sesi konseling yang berfokus pada eksplorasi emosi, restrukturisasi kognitif, dan penguatan mekanisme koping. Hasil menunjukkan penurunan gejala kecemasan dan stres, serta peningkatan kemampuan klien dalam mengenali, mengekspresikan, dan mengelola emosinya. Klien juga menunjukkan perkembangan dalam membangun kembali rasa percaya diri dan keterlibatan sosial. Temuan ini menunjukkan bahwa konseling daring dapat menjadi alternatif pendampingan psikologis yang efektif, fleksibel, dan ramah korban.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,005 |
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 ».