Notice bibliographique
Résumé
Introduction Social work in rural contexts presents some additional challenges with regard to issues such as recruitment, retention, education and training that if not tackled can exacerbate the service disadvantages apparent in many rural settlements. This chapter begins by reviewing what is known about rural social workers and the work they do, and discusses why they choose rural practice and how they adjust to it, job stress and staff retention issues. It then turns to the issue of professional education and preparation for rural practice. It concludes with recommendations for employers, educators, the profession, communities and practitioners concerning how to attract the right staff and prepare and support them so that once they come into rural areas, they remain in practice. We continue to use the term ‘social worker’ broadly, to encompass both qualified and unqualified social workers, and other social care and welfare workers. Rural social workers and their work Unfortunately, there are no national studies published that provide general profiles of the rural social work and social care workforce, and certainly no comprehensive data for international comparisons. Thus, the evidence base is patchy. with most of the available information coming from comparatively small surveys in Australia, Canada and the US, typically involving samples of between 50 and 350 respondents. This discussion draws primarily from a comparative study involving rural social workers in Australia and the US (Saltman et al, 2004), and three Australian studies (Lonne and Cheers, 1999, 2000; Munn, 2002), and a comparison of burnout and job satisfaction among rural and urban workers (Dollard et al, 1999). Demographic profile Around 75–80% of the respondents in these studies were women and each sample had an average age of between 35 and 40 years. In Lonne's (2002) sample, around 37% of the respondents were between 21 and 29 years, another 35% were between 30 and 39 years, and 24% were between 40 and 49 years of age. Generally, these studies report an experienced workforce with 75% of the US and 47% of the Australian samples in Saltman et al's study (2004), and 41% of Munn's (2002) sample, having 10 years’ or more social work experience.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,374 | 0,187 |
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 ».