Peningkatan Softskill Siswa Smu Untuk Pendampingan Enumerator Pada Praktek Lapangan Kuliah Ekonomi Sumberdaya Di Desa Sungsang Kabupaten Banyuasin Sumatera Selatan
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Kawasan pesisir pantai Sumatera Selatan didominasi oleh habitat mangrove dengan ciri khas pantai berlumpur. Desa Sungsang merupakan salah satu desa pesisir yang ada di Kabupaten Banyuasin dimana sebagian besar masyarakat di daerah ini memiliki mata pencarian sebagai nelayan. Kegiatan pengabdian terintegrasi ini melibatkan mahasiswa Jurusan Ilmu Kelautan UNSRI dalam mata kuliah Ekonomi Sumberdaya Pesisir dan Laut dan Siswa SMU N 1 Banyuasin 2 sebagai khalayak sasaran. Kegiatan ini bertujuan untuk meningkatkan softskill siswa SMU N 1 Banyuasin II di Desa Sungsang Kabupaten Banyuasin tentang pengetahuan ekonomi sumberdaya kelautan serta memberikan keterampilan pendampingan sebagai enumerator. Metode yang digunakan meliputi kuliah, praktikum di laboratorium dan praktek lapangan serta pelatihan sebagai pendamping enumerator bagi siswa SMU. Siswa SMU sebagai khalayak sasaran diberikan pretest sebelum pemaparan materi dan pendampingan sebagai enumerator, setelah itu dilakukan postest untuk mengevaluasi hasil kegiatan. Kegiatan pengabdian terintegrasi ini terlaksana dengan baik berkat peran aktif mahasiswa dan siswa SMU N 1 Banyuasin II yang terlibat. Rangkaian kegiatan dapat berjalan dengan baik dan siswa SMU terlihat sangat antusias. Hasil evaluasi nilai pretest menunjukkan bahwa materi tentang nilai ekonomi sumberdaya laut serta pendampingan sebagai enumerator adalah 35% (7 siswa) yang mendapatkan skor 100, yang lainnya mendapatkan skror 50 dan 70. Adapun hasil postest skor 100 meningkat menjadi 75% (15 siswa). Artinya terjadi peningkatan pemahaman siswa terkait topik enumerator sebanyak 40% (8 orang) dan tidak ada siswa yang mendapatkan skor 50.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.008 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
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 it