Financial incentives to promote employment of persons with disabilities: a scoping review of when and how they work best
Notice bibliographique
Résumé
PURPOSE: To assess the state of evidence on the use of financial incentives to employ, retain, and promote persons with disabilities. MATERIALS AND METHODS: We completed a scoping review of the peer-reviewed literature published from 1990 to 31 March 2022. Inclusion criteria were - populations with a disability; employment, retention, or promotion; and use of financial incentives targeted at employers. Articles were excluded if incentive was targeted solely at persons with disabilities. RESULTS: Seventeen articles met the inclusion criterion and were collated based on their study designs, type of incentive investigated, employment sector, and jurisdiction. We identified seven common themes that are relevant contextual and situational factors associated with the use of financial incentives to employ, retain, and promote persons with disabilities. CONCLUSIONS: While the literature identified the fact that financial incentives are widely used, the current state of the literature is modest and insufficient to make strong statements about the evidence on how and when financial incentives work well or do not work well. The themes identified allude to a subset of contextual factors requiring consideration for incentive use; however, evaluative research is still required to substantiate best practices for their use.Implications for rehabilitationFinancial incentives for the recruitment, retention, and promotion of workers with disabilities take many different forms and can incent different behaviours based on their form and context.Workers with disabilities are as diverse as workers without disabilities, consequently the supports required will differ from situation to situation.In some cases, a worker with a disability may require several types of supports, at a point in time, or over their employment journey.Employer knowledge and experience are important considerations in the use of financial incentives, as are employer skills in recruitment, retention, and promotion of workers with disabilities.
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 | 0,030 | 0,113 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».