MétaCan
Menu
Retour à la cohorte
Enregistrement W2909385280 · doi:10.1177/1403494818816903

Mental illnesses are not an ‘ideal type’ of disability for disability income support: Perceptions of policymakers in Australia and Canada

2019· article· en· W2909385280 sur OpenAlexfundaboutno aff
Ashley McAllister

Notice bibliographique

RevueScandinavian Journal of Public Health · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealthcare innovation and challenges
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Population and Public HealthDepartment of Social Services, Australian Government
Mots-clésIdeal typeMedical model of disabilityIdeal (ethics)Mental illnessPerceptionIncome SupportWelfareIntellectual disabilityMental healthPsychologyPsychiatryDisability studiesMedicineGerontologyPolitical scienceSociologyLaw

Résumé

récupéré en direct d'OpenAlex

Aim: This article aims to explore how policymakers conceptualise a person suitable for disability income support (DIS) and how this compares across two settings – Australia and Canada. Methods: A constructivist grounded theory approach was used; 45 policymakers in Australia and Canada were interviewed between March 2012 and September 2013. All policymakers are or were influential in the design or assessment of DIS. Results: Results found that the policymakers in both jurisdictions define a suitable person as having as an ‘ideal type’ of disability with five features – visibility, diagnostic proof, permanency, recognition as a medical illness and perceived as externally caused. Many of the policymakers described how mental illnesses are not an ‘ideal type’ of disability for DIS by juxtaposing the features of mental illnesses against physical illnesses. As such, mental illnesses were labelled imperfect disabilities and physical illnesses as ‘ideal type’ for DIS. Conclusions: The rise of DIS recipients has divided the once protected ‘deserving’ category of the disabled into more (‘ideal type’ of disability) and less deserving (imperfect disability). Such conceptualisations are important because these categories can influence the allocation of welfare resources.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,359
Score d'incertitude au seuil0,585

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 technologies0,0000,001
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 Opus0,145
Tête enseignante GPT0,443
Écart entre enseignants0,298 · 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

Citations19
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Public HealthMême sujetHealthcare innovation and challengesTravaux en français237 207