MétaCan
Menu
Retour à la cohorte
Enregistrement W4313430542 · doi:10.32920/21751490

Sanism, ‘Mental Health’, and Social Work/Education: A Review and Call to Action

2022· review· en· W4313430542 sur OpenAlexaboutno aff
Jennifer Poole, Tania Jivraj, Araxi Arslanian, Kristen Bellows, Sheila Chiasson, Husnia Hakimy, Jessica Pasini, Jenna Reid

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOppressionMental healthWonderSocial workAction (physics)Call to actionSociologyPublic relationsWork (physics)Participatory action researchSocial psychologyPolitical sciencePsychologyLawPsychiatry

Résumé

récupéré en direct d'OpenAlex

<p>Sanism is a devastating form of oppression, often leading to negative stereotyping or arguments that individuals with ‘mental health’ histories are not fit to study social work. However, the term sanism is rarely used, understood, or interrogated in the social work academy, even in anti-oppressive spaces. Indeed, social work has been so loyal to the medical model that sanist aggressions, such as pathologizing, labelling, exclusion, and dismissal have become a ‘normal’ part of professional practice and education. We query the moral integrity of a profession that at its foundational core could play a role in such a discriminatory tactic as sanism. We wonder what the effect of this has been on social work and its education. We ask, who has been excluded, what has been silenced or denied because of the privileging of medical conceptualizations of madness, and how can we work toward anti-sanist social work today? In this paper we provide an overview of sanism. We offer a more critical review of the literature on ‘mental health’ and social work. We report on our anti-sanist participatory pilot research, and aligned with current Canadian rights work, we call for action with respect to how social workers theorize, research, and respond to madness now. </p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,639
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,007
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,483
Tête enseignante GPT0,669
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations54
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEthics in medical practiceTravaux en français237 207