Evidence-Informed Decision Making in Child Welfare: A Randomized Control Trial Evaluation
Notice bibliographique
Résumé
Purpose Child welfare practice often requires direct intervention with vulnerable children and families, whereby workers are responsible for various services and decisions that may have a lasting impact on families involved in the child welfare system. Research illustrates that clinical needs are not necessarily the only factor at the foundation of decision making; Evidence-informed Decision Making (EIDM) can act as a foundation for critical thinking and deliberate practice in the context of child welfare service delivery. This study evaluates an EIDM training that aimed to enhance workers’ behavior and attitude toward the EIDM process with a focus on research.Method This randomized control trial evaluated the effectiveness of an online EIDM training for child welfare workers. The training consisted of five modules that were completed at the team (n = 19) level at a rate of approximately one module every three weeks. The training intended to promote the exploration and use of research in everyday practice by critically thinking through the EIDM process.Results Due to attrition and incomplete posttests, the final sample size was 59 participants (intervention, n = 36; control, n = 23). Generalized Linear Model Repeated Measures analyses found an EIDM training main effect on confidence in using research and research use.Discussion and Conclusion Importantly, findings suggest that this EIDM training can influence participant outcomes related to engaging in the process and the use of research in practice. Engagement with EIDM is one mechanism to promote critical thinking and exploration of research during the service delivery process.
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 | 0,043 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».