MétaCan
Menu
Retour à la cohorte
Enregistrement W2337114616 · doi:10.1080/00981389.2016.1147514

Professional and practice characteristics associated with self-efficacy in assessment and intervention among social workers in aging

2016· article· en· W2337114616 sur OpenAlexafffundabout
Kelsey Simons, Sofiya An, Robin P. Bonifas

Notice bibliographique

RevueSocial Work in Health Care · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of TorontoBaycrest Hospital
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésBiopsychosocial modelIntervention (counseling)Social workSelf-efficacyMultivariate analysisPsychologyMedicineGerontologyNursingSocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

This study examined professional and practice characteristics associated with assessment and intervention self-efficacy among gerontological social workers in Ontario, Canada who participated in online surveys. Results from multivariate analyses indicated that higher client acuity, longer duration of practice experience, smaller caseloads, and a greater proportion of clients 85 and over were significantly associated with greater assessment self-efficacy. Greater client acuity and smaller caseloads were also significantly associated with greater intervention self-efficacy. Implications for education include the importance of providing practical experience with the oldest old and with clients with greater biopsychosocial complexity. Also recommended is the need for manageable caseloads, especially when older adults with complex needs are part of the practice milieu.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,604

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,433
Écart entre enseignants0,403 · 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'étudeObservationnel
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

Citations4
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocial Work in Health CareMême sujetGeriatric Care and Nursing HomesTravaux en français237 207