Practitioner Emotions in Penal Voluntary Sectors: Experiences from England and Canada
Notice bibliographique
Résumé
Abstract Mixed economies of welfare have seen increasing numbers of service users funnelled into voluntary, rather than statutory sector services. Many service users with (complex) human needs now fall within the remit of ill-researched voluntary organisations that are rarely social work led. Voluntary sector practitioners comprise a large and rising proportion of the social services workforce, but their experiences have received minimal analysis. Despite the importance of emotions across the helping professions, voluntary sector practitioners’ emotional experiences are largely unknown. We address this gap, using an innovative bricolage of original qualitative data from England and Canada to highlight how ‘emotions matter for penal voluntary sector (PVS) practitioners across diverse organisational roles, organisational contexts, and national jurisdictions’. We examine the emotions of paid and volunteer PVS practitioners relating to their (i) organisational contexts and (ii) relationships with criminalised service users. Problematising positive, evocative framings of ‘citizen participation’, we argue that continuing to overlook voluntary sector practitioners’ emotions facilitates the downloading of double neo-liberal burdens—‘helping’ marginalised populations and generating the funds to do so—onto individual practitioners, who are too often ill-equipped to manage them.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,034 | 0,020 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».