A Multidimensional Approach to Explore the Experiences with Ethnic Matching amongst Chinese Social Service Practitioners in the Greater Toronto Area
Notice bibliographique
Résumé
Abstract In multicultural societies, social workers often work with people of diverse cultural backgrounds. As one of the strategies to facilitate social workers’ cultural competence in diverse settings, they are often matched with clients of the same or similar cultural backgrounds. This practice is called ethnic matching and is commonly utilised in ethno-specific and immigrant-serving organisations. This practice has been extensively studied in the literature and is believed to be beneficial to treatment acceptability and service quality. Nonetheless, most of the existing literature focuses on the practitioner–client dyad without taking the broader context into consideration. This study adopted a multidimensional cultural competence approach to examine Chinese practitioners’ lived experiences of serving Chinese immigrants in the Greater Toronto Area (GTA). Six focus groups were conducted (n = 34), and data were analysed using a grounded theory approach. Results show themes across four levels: (i) personal: personal experience as a motivator; (ii) interpersonal: shared culture and language as a double-edged sword; (iii) organisational: service target shifts and increased difficulty to ethnically match and (iv) community: intracommunity heterogeneity and mismatch. This study provides recommendations for social workers, educators and policymakers to consider when applying ethnic matching in cross-cultural settings.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».