An Exploration of Organizational Characteristics and Training Adoption in Irish Community Drug Treatment Services
Notice bibliographique
Résumé
BACKGROUND: Changes in patterns of drug use and population needs necessitate the adoption of new technologies. Despite high failure rates in adopting new technologies acquired in training, little is known about the process that can support successful change. This study explores the impact that staff and service characteristics have on the process of training adoption in Irish opiate substitution therapy services, with a specific focus on the concept of organizational readiness to change. METHODS: A cross-sectional survey was conducted on a convenience sample of 132 staff members across 12 services in Ireland. The relationship between staff demographics, their perceptions of organizational readiness to change, burnout, and a four-stage process of training adoption were considered. RESULTS: Discipline, job tenure, and educational levels are important predictors of engagement in the adoption process. Staff in services with higher institutional needs, greater pressures for change, and poorer resources were less likely to be exposed to, or adopt, training. Having lower levels of stress and more influence with peers was associated with better adoption of training. CONCLUSIONS: Planners and service managers need to carefully consider the composition or dynamics of services when initiating change. Organizational readiness to change and staff characteristics as measured by instruments used in this study are important determinants of the process of innovation or training adoption and provide a good basis for developing further understanding of how treatment services work. This article expands on results from previous studies conducted in the United States to a European context.
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 ».