Peran Intelijen dalam Assessment dan Evaluasi Program Deradikalisasi
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
Kasus residivis terorisme menunjukkan adanya celah dalam pelaksanaan program deradikalisasi di Indonesia, salah satunya pada tahap assessment. Tahap tersebut perlu melibatkan berbagai pihak, karena assessment yang dilakukan terhadap kelompok teroris harus secara mendalam. Penelitian ini dilaksanakan untuk memberikan gambaran tentang peranan intelijen dalam assessment dan evaluasi pada program deradikalisasi. Penelitian menggunakan metode kualitatif yang bersifat deskriptif. Peneliti mengklasifikasikan narapidana dan mantan narapidana terorisme berdasarkan respon terhadap program deradikalisasi untuk menentukan prioritas bagi intelijen dalam mendukung assessment. Data yang digunakan adalah data primer berupa catatan hasil observasi dan wawancara mendalam terhadap tujuh mantan narapidana terorisme. Selain itu, peneliti menggunakan data sekunder berupa tinjauan literatur hasil penelitian terdahulu mengenai deradikalisasi dan residivisme terorisme, serta pemberitaan media online.Berdasarkan temuan penelitian, penting untuk melakukan assessment yang komprehensif dan berlapis terhadap individu yang pernah menjadi terpidana terorisme. Penilaian ini harus didukung oleh informasi intelijen untuk memastikan akurasi yang lebih baik. Evaluasi yang tepat akan memungkinkan penerapan program deradikalisasi secara efektif dan membantu mengurangi kemungkinan terjadinya residivis terorisme.
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 | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
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