Responding to COVID-19: New Trends in Social Workers’ Use of Information and Communication Technology
Notice bibliographique
Résumé
Abstract COVID-19 changed the context for Information and Communication Technology (ICT) use globally. With face-to-face practice restricted, almost all communication with clients shifted to ICTs. Starting in April 2019, we conducted semi-structured interviews with social workers from four agencies serving diverse populations in a large urban centre, with the aim of exploring social workers’ informal ICT use with clients. Approximately 6 weeks after the cessation of face-to-face practice in March 2020 due to COVID-19 measures, we re-interviewed social workers (n = 11) who had participated in our study. Second interviews were based on a newly developed interview guide that explored social workers’ use of ICTs with clients in the context of COVID-19. Analysis of transcribed interviews revealed that the context of COVID-19 had generated two main themes. One, a paradigm shift for social workers was characterized by (a) diverse ICT options, (b) client-driven approach, and (c) necessary creativity. The second theme entails the impact of this transition which involved (a) greater awareness of clients’ degree of access, (b) confidentiality and privacy, and (c) professional boundaries. We discuss these themes and sub-themes and present implications for practice and research in a Post-COVID-19 world.
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 | 0,025 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,010 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,005 |
| 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 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 ».