Non-English/non-French Speaking Caregivers Involved with the Canadian Child Welfare System: Findings from the Canadian Incidence Study of Reported Child Abuse and Neglect (CIS-2008)
Notice bibliographique
Résumé
Objective: The objective is to provide a profile of non-English/non-French speaking families investigated by child welfare, with primary caregiver language acting as a proxy for immigration. This analysis examines the impact of language on service disposition. Methods: Multivariate analysis was conducted to determine whether primary caregiver language impacts the decision to transfer a case to ongoing services at the conclusion of the investigation, after controlling for clinical factors. Results: Investigations involving non-English/non-French speaking caregivers were more likely to identify physical abuse as the primary maltreatment form, more likely to indicate the caregiver has few social supports and is a victim of domestic violence, and more likely to report no primary source of income than investigations involving non-immigrant caregivers. When controlling for clinical factors, investigations involving these caregivers were significantly less likely to be transferred to ongoing services. However, when controlling for language and clinical factors, investigations of physical abuse were significantly less likely to be opened for ongoing services than investigations of all other maltreatment types. Conclusions and Implications: The findings suggest that there is an interaction between primary caregiver language and maltreatment type in predicting transfers to ongoing services. Given the lower risk profiles of non-English/non-French speaking families, although concerns of social isolation and domestic violence were more likely to be noted, a possible explanation is that these families are overrepresented in investigations of physical abuse. The potential utility of parenting education programs tailored immigrant families as one avenue to address the problem of abusive discipline, merits research attention.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».