Notice bibliographique
Résumé
Abstract In the EAP field, utilization rates are an important concept routinely used as a descriptor of EAP success, yet there has been little formal research conducted in this area. In a study of 154 Canadian EAPs, 102 organizations reported their utilization rates along with how they defined both utilization and a case. Mean utilization rate was 9.2% with utilization being greater in organizations with a union where labor was involved in establishing the program, providing assistance in accessing the program and in managing the program through participation on a joint labor-management committee. Utilization rates were also found to be greater where there was an EAP policy in place and where ongoing program promotion occurred. However, what was also discovered was that most of these statistical conclusions were questionable as there was a lack of consistency in how utilization rates were calculated by various organizations, nor was there any agreement on what even constituted a case. This brings into question the utility of EAP utilization rates in any comparative program monitoring or evaluation. A comprehensive EAP Utilization Scorecard is offered as a response to this situation. The scorecard counts the actual number of employees, retirees and family members who use the EAP, either face-to-face, through telephone counselling or via e-counselling. Also presented is the idea of a new calculation, penetration rate. This value would include counselling offered by the EAP along with the other services, including group counselling, critical incident debriefings, consultations and mediations, workshops and seminars, peer referral contacts and telephone inquiries. This approach would provide a more comprehensive understanding of what EAPs do and would also allow for longitudinal program comparison as well as comparisons between programs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 tête enseignante, 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 ».