Lifting the ‘Violence Veil’: Examining Working Conditions in Long-term Care Facilities Using Iterative Mixed Methods
Notice bibliographique
Résumé
RÉSUMÉ Le présent document se concentre sur les méthodes mixtes nous avons utilisé pour comprendre conditions de travail de leur travailleurs dans les établissements de soins de longue durée. Nous avons mené une enquête auprès des syndiqués travailleurs de santé en Ontario ( n = 917), et une autre enquête dans trois provinces ( n = 948) et quatre pays Scandinaves ( n = 1625). Neuf groupes de discussion avec les Canadiens ont eu lieu; les répondants ont été présentés avec des questions du sondage et aussi descriptive des résultats statistiques et ont été demandé: “Est-ce le reflet de votre expérience?” Les contraintes de temps pour les travailleurs et la fréquence des expériences des travailleurs de la violence physique et attentions sexuelles non désirées sont signalés. Nous discutons comment de le façon dont nous utilisé des méthodes qualitatives et quantitatives étè itératif. Nous avons trouvé pas seulement la cohérence des données mais aussi la divergence des données qui montrent comment une culture de la violence dans les établissements de soins de longue durée est acceptée par les travailleurs comme d’habitude. Comment le constat de la violence structurelle vu le jour et la signification profonde, le contexte et les idées qui proviennent de la combinaison de nos méthodes itératives sont discutées.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».