MétaCan
Menu
Retour à la cohorte
Enregistrement W2569986521 · doi:10.1108/tldr-03-2016-0008

Implementing policy and good practice in services for people with learning disabilities: factors influencing commissioning and service provision

2017· article· en· W2569986521 sur OpenAlexaboutno aff
James Colman Kerrigan, Caroline Hopper

Notice bibliographique

RevueTizard Learning Disability Review · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealthcare innovation and challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnthusiasmProject commissioningOriginalityLearning disabilityRelevance (law)Value (mathematics)Service (business)Challenging behaviourPublishingPublic relationsAged careMental healthMainstreamPsychologyGood practiceMedicineNursingPolitical scienceMarketingPsychiatryBusinessSocial psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to explore the implementation of learning disability (LD) policy among LD commissioners and managers in Kent (South East England) and a neighbouring area. Design/methodology/approach Participants’ views were elicited by semi-structured interviews focussed on two key national policy documents: Valuing People (DH, 2001) and the Mansell report (DH, 1993; 2007a). Findings Valuing People had a significant impact at the time of publication but initial enthusiasm and impetus faded over time. The Mansell report was thought to have had little impact on local services. Good progress was reported with respect to the development of more integrated services. Limited progress was identified with respect to the development of local mental health and challenging behaviour services. Factors influencing policy implementation were identified. Originality/value The similarity of findings to those of McGill et al. (2010) suggest their more general relevance. In the light of the subsequent investigation into Winterbourne View, common themes from both studies are considered in relation to the current Transforming Care programme in England.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,037
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,194

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,099
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0020,006
Communication savante0,0070,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,053
Tête enseignante GPT0,427
Écart entre enseignants0,374 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTizard Learning Disability ReviewMême sujetHealthcare innovation and challengesTravaux en français237 207