Core SSW Services Working Paper: Referral, Screening, Assessment, & Service Delivery Process (RSASD) for School Social Workers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The framework offered here is rooted in a variety of sources, primary among them my own research on SSW practice, consultation with the PLC Project Advisory Board, and the ongoing work with the various PLCs here in Ontario. I am grateful for all the different PLC members, co-leads, and outside research and practice experts that helped form this draft framework. Ontario SSW Managers and the 70+ Professional Learning Community (PLC) members identified significant concerns with how SSW struggled to manage the different expectations of their “host setting.” A primary concern was the lack of control many SSW reported having with how their caseload came about, specifically in how referrals were made for SSW services. This Plain Language Summary (PLS) will detail the key components of the proposed new Referral, Screening, Assessment, and Service Delivery process (RSASD). Drawing on the work of Dr. Kelly the leadership of the Assessment/Criteria PLC, we will identify the best evidence-informed practices (EIP) in screening and assessing student clinical concerns, and suggest some best practices that formed the basis for our new RSASD model. The EIP in each PLS will also be aligned where applicable with the evidence-based practice (EBP) Common Elements identified by School Mental Health-Assist (SMH-ASSIST). Additional recommendations for further reading and implementation strategies are included in the PLS, while a more extensive annotated bibliography and related materials are included elsewhere as part of all of the Ontario SSW PLC ToolKits.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle