A Commentary about Lessons Learned: Transitioning a Therapy Dog Program Online during the COVID-19 Pandemic
Notice bibliographique
Résumé
In 2015, the University of Saskatchewan PAWS Your Stress Therapy Dog program partnered with St. John Ambulance for therapy dog teams to visit our campus and offer attendees love, comfort and support. We recognized at the start of the COVID-19 pandemic that students, staff and faculty may require mental health support, particularly with the challenges of isolation and loneliness. In response, our team transitioned from an in-person to a novel online format at the start of the COVID-19 pandemic. We designed online content for participants to (1) connect with therapy dogs and experience feelings of love, comfort and support as occurred in in-person programming, and (2) learn about pandemic-specific, evidence-informed mental health knowledge. Our unique approach highlighted what dogs can teach humans about health through their own care and daily activities. From April to June 2020, we developed a website, created 28 Facebook livestreams and 60 pre-recorded videos which featured therapy dogs and handlers, and cross-promoted on various social media platforms. Over three months, first a combined process-outcome evaluation helped us determine whether our activities contributed to the program's goals. A subsequent needs assessment allowed us to elicit participant preferences for the program moving forward. This commentary reflects on these findings and our teams' collective experiences to share our key lessons learned related to program personnel needs, therapy dog handler training and support requirements, and online programming prerequisites. This combined understanding is informing our current activities with the virtual program and should be of interest to other therapy dog programs transitioning online.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».