Kuliah Kerja Nyata (KKN ) sebagai Metode Pembelajaran di Fakultas Kedokteran Universitas YARSI
Bibliographic record
Abstract
Sehubungan dengan adanya peraturan SNPT no 44 tahun 2015,bentuk pembelajaran pendidikan diploma empat, program sarjana, program profesi, dan program spesialis wajib ditambah pembelajaran berupa pengabdian kepada masyarakat. Dalam rangka mencoba menerapkan bentuk pembelajaran pengabdian masyarakat, Universitas YARSI bekerjasama dengan Dinas Perlindungan Anak dan Pemberdayaan Perempuan (DPPAPP) melaksanakan kegiatan Kuliah Kerja Nyata (KKN) Program Kependudukan dan Keluarga Berencana serta Pembangunan Keluarga (KKBPK). KKN dilaksanakan pada proses pembelajaran di Fakultas Kedokteran Universitas YARSI semester 7 (tujuh) tahun ajaran 2017 – 2018 dalam Blok Elektif dengan peminatan Kekerasan Dalam Rumah Tangga (KDRT), dilakukan oleh 1 kelompok yang terdiri dari 5 (lima) orang mahasiswa sebagai pemateri. Bentuk kegiatan berupa penyuluhan dengan pretest dan posttest serta diskusi. Pretes dan postes diberikan sebagai tolok ukur penyampaian materi. Hasil pretes menunjukan nilai yang baik (80-90) sebanyak 7 orang atau sekitar 29,17%, nilai cukup (antara 60-70) sebanyak 10 orang atau sekitar 41,67%, dan nilai kurang (≤ 50) sebanyak 7 orang atau sekitar 29,17%. Hasil post tes menunjukan nilai yang baik (antara 80-100) sebanyak 12 orang atau sekitar 48%, nilai cukup (antara 60-70) sebanyak 9 orang atau sekitar 36%, dan nilai yang kurang sebanyak 4 orang atau sekitar 16%. Kuesioner penilaian pelaksanaan kegiatan penyuluhan juga disebarkan, dengan hasil pemateri 58,14% dinilai sangat baik, dan untuk materi penyuluhan 48,84% dinilai baik.Terlihat peningkatan rerata nilai secara umum sebanyak 12,38 poin yang semula 60,42 saat pretes menjadi 72,80 saat postes. Hal ini menunjukan bahwa materi penyuluhan dapat tersampaikan dengan baik oleh seluruh mahasiswa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.176 | 0.057 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".