UNDERSTANDING FUNCTIONS OF CLINICAL SUPERVISION IN THE IDENTIFICATION OF OLDER ADULT MISTREATMENT
Notice bibliographique
Résumé
For social workers, identification of older adult mistreatment is a complex social process that requires making decisions based on available information while following organizational procedures. Clinical supervision is a promising avenue to support social workers in their decision-making process since discussing cases with colleagues or a superior has been recognized as a facilitator. Up to date, few studies explored real-life clinical supervision in social work. The aim of this study was to explore the type of information discussed and supervision strategies used by clinical supervisors to support identification of older adult mistreatment by social workers. Qualitative data collection included the content of fifteen clinical supervision meetings, individual interviews with two clinical supervisors, and a focus group with eight social workers. All data were transcribed and analyzed using the Miles, Huberman and Saldaña (2014) analytical method. Results demonstrated three main functions of clinical supervision to support identification of older adult mistreatment: 1) clarifying case features that are relevant for the decision-making process; 2) choosing individualized intervention options; and 3) managing difficulties encountered by social workers. Strategies used by supervisors included a questions-and-answers approach to guide data collection; reinforcing/praising; challenging the point of view of the social worker and collaborating in the development of the individualized intervention plan. Social workers considered that identification is intertwined with the responsibility to intervene in the context of older adult mistreatment. This study is a first step in the elaboration of a model illustrating the functions of clinical supervision in the fight against older adult mistreatment.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».