MétaCan
Menu
Retour à la cohorte
Enregistrement W2072715676 · doi:10.1177/0733464815581486

The Case for Individualized Goal Attainment Scaling Measurement in Elder Abuse Interventions

2015· article· en· W2072715676 sur OpenAlexaff
David Burnes, Mark S. Lachs

Notice bibliographique

RevueJournal of Applied Gerontology · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElder Abuse and Neglect
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGoal Attainment ScalingElder abuseFlexibility (engineering)Intervention (counseling)Psychological interventionContext (archaeology)Adaptation (eye)PsychologyScale (ratio)Applied psychologyMedicinePoison controlSuicide preventionPsychiatryMedical emergency

Résumé

récupéré en direct d'OpenAlex

Research available to inform the development of effective community-based elder abuse protective response interventions is severely limited. Elder abuse intervention research is constrained by a lack of research capacity, including sensitive and responsive outcome measures that can assess change in case status over the course of intervention. Given the heterogeneous nature of elder abuse, standard scales can lack the flexibility necessary to capture the diverse range of individually relevant issues across cases. In this paper, we seek to address this gap by proposing the adaptation and use of an innovative measurement strategy-goal attainment scaling-in the context of elder protection. Goal attainment scaling is an individualized, client-centered outcome measurement approach that has the potential to address existing measurement challenges constraining progress in elder abuse intervention research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,428
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,172
Tête enseignante GPT0,400
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied GerontologyMême sujetElder Abuse and NeglectTravaux en français237 207