MétaCan
Menu
Retour à la cohorte
Enregistrement W3031508710 · doi:10.1177/1077559520923757

Young Children and Ongoing Child Welfare Services: A Multilevel Examination of Clinical and Worker Characteristics

2020· article· en· W3031508710 sur OpenAlexaffabout
Joanne Filippelli, Kristen Lwin, Barbara Fallon, Nico Trocmé

Notice bibliographique

RevueChild Maltreatment · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensMcGill UniversityUniversity of WindsorUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWelfareNeglectPoison controlChild abuseHuman factors and ergonomicsOccupational safety and healthSuicide preventionInjury preventionMedicinePsychologyDevelopmental psychologyNursingEnvironmental healthEconomics

Résumé

récupéré en direct d'OpenAlex

There is a growing body of research that underscores that young child welfare-involved children are a unique vulnerable subgroup of children. The decision to provide postinvestigation child welfare services is consequential to children's safety and well-being and has fiscal implications for organizations. Despite the potential ramifications of the decision, there is little known about the factors associated with the ongoing services provision for young children. This study uses secondary data analysis of the Canadian Incidence Study of Reported Child Abuse and Neglect 2008 to explore what case and worker factors predict the provision of ongoing child welfare services. Multilevel modeling was used to assess the relationship between independent variables and the decision to provide ongoing services; analyses included 2,296 children and 555 workers. Case and worker characteristics, including worker training and worker position, predicted ongoing child welfare services suggesting that further research examining the role of what worker characteristics impact child welfare decisions is warranted and essential.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,096
Score d'incertitude au seuil0,191

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,029
Tête enseignante GPT0,300
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChild MaltreatmentMême sujetChild Abuse and TraumaTravaux en français237 207