Supporting child survivors of trauma at school: depathologizing behaviour and educating teachers
Notice bibliographique
Résumé
Childhood trauma is a substantial concern in our education system in Ontario, as it has \nbeen noted that approximately 32% (Afifi et al., 2014) to 36% (Findlay & Sutherland, 2014) of \nCanadian adults report that they were exposed to abuse as children. Trauma can have significant \nimpact on a child’s learning (Vasilevski & Tucker, 2016), behaviour (Greeson et al., 2014), and \nwellness (Roberts, Ferguson, & Crusto, 2013), and puts them at an increased risk of being \nretraumatized or further punished in schools due to the Western education system relying on the \nbehavioural model (Costa, 2017). A 450-hour social work practicum was completed with the \nMental Health Team at the Sudbury Catholic District School Board (SCDSB) as a partial \nrequirement of the Laurentian University MSW program. This practicum project report employs \nstructural and anti-oppressive social work perspectives and a trauma theory lens to undergo an \nexploration into: (a) what trauma-informed practices (TIPs) and primary models are used by the \nSCDSB to inform their practice in supporting students who have been exposed to trauma, (b) to \nwhat extent school-based social work in this setting reflects certain models that function to \nfurther harm child survivors of trauma, such as the behavioural model, and its relationship to \nunderstanding student experiences through the lens of trauma, and (c) how trauma theory can be \nused to establish alternatives to pathologization in regards to children within schools who have \nexperienced trauma. Trauma-informed professional development lunch-and-learns were \npresented to teaching staff in four schools as the intervention provided during this practicum
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 | 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 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 ».