BEYOND THE CHALLENGES: NEW INSIGHTS AND INNOVATIONS IN FIELD EDUCATION
Notice bibliographique
Résumé
The International Conference on Social Work and Fieldwork Education in Hong Kong was organized to discuss the need for change and innovation in social work education with a particular focus on field education. There is a need for social work field educators to identify innovative, promising, and wise practices in field education. In many contexts, field education is challenged to procure sufficient placements each year. This growing demand for placements has created numerous challenges in field education programs. In response to the challenges facing social work field education, and the need to develop sustainable models of field education, the Transforming the Field Education Landscape (TFEL) project was formed. The TFEL project is a partnership designed to integrate research and practice through the development of partnered research training initiatives aimed at enhancing student research practice knowledge and applied skill development. In Canada, many field education challenges were amplified due to the COVID-19 pandemic, which required social work programs to adapt in order to navigate unprecedented circumstances. This article discusses the challenges facing field education programs and provides an overview of the TFEL project, with a focus on how the partnership is addressing these concerns. It defines what is meant by innovative, promising, and wise practices in field education, and how these innovations can assist in preparing the next generation of social workers to become highly qualified personnel.
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 | 0,015 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,032 |
| Communication savante | 0,020 | 0,027 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».