KEPERAWATAN KELUARGA HOLISTIK: Pendekatan Deep Learning untuk Praktik Klinis dan Berpikir Kritis: Sebuah Panduan Komprehensif untuk Perawat Profesional
Notice bibliographique
Résumé
Buku Keperawatan Keluarga Holistik: Pendekatan Deep Learning untuk Praktik Klinis dan Berpikir Kritis ini memberikan panduan secara komprehensif yang berlandaskan pembelajaran mendalam (deep learning). Melalui pendekatan secara klinis menuntun pembaca memahami hubungan sebab-akibat gejala sehingga mampu mengambil keputusan secara etis dan tepat. Buku ini memadukan teori sistem keluarga (Bowen dan General Systems), alat asesmen genogram dan ekomap, serta model Calgary (CFAM/CFIM). Perawat dapat menggunakan perangkat tersebut untuk memetakan struktur, fungsi, dan dinamika keluarga secara sistematis di berbagai konteks. Pembaca kemudian akan mampu merumuskan hipotesis keperawatan, menetapkan prioritas masalah, dan merancang intervensi pada domain kognitif, afektif, dan perilaku. Pada bab-bab buku ini menyoroti determinan sosial kesehatan, aspek budaya dan spiritual Indonesia, serta prinsip etika praktik yang manusiawi. Melalui pembelajaran studi kasus interkultural dapat melatih pembaca menguji konsep pada situasi nyata dan mengevaluasi hasil perubahan dalam keluarga. Tujuan pembelajaran yang jelas dan aktivitas analisis kritis membantu mahasiswa, dosen, dan perawat klinis mengintegrasikan ilmu dengan layanan. Bahasa buku yang ringkas, contoh kerja lapangan, dan langkah praktis memudahkan penerapan di kelas, puskesmas, rumah, dan komunitas. Secara keseluruhan, buku ini memberikan informasi pada fokus layanan dari mengelola gejala menjadi memperkuat sistem keluarga secara berkelanjutan. Pada akhirnya buku akan dapat membantu pembaca dalam praktik yang reflektif, kolaboratif, dan berorientasi pada pemberdayaan keluarga di berbagai setting pelayanan kesehatan.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
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 ».