MétaCan
Menu
Retour à la cohorte
Enregistrement W4386957848 · doi:10.1097/nr9.0000000000000032

Relationship-building, community-building, and security of the building: staff perspectives on tenant retention in permanent supportive housing

2023· article· en· W4386957848 sur OpenAlexaffabout
Joshua Evans, Ariel MacDonald

Notice bibliographique

RevueInterdisciplinary Nursing Research · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésInterpersonal communicationBusinessPublic relationsSupportive housingPsychologyPolitical scienceMedicineNursingSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives: The objective of this article is to explore how housing practitioners navigate the challenge of tenant retention within Permanent Supportive Housing (PSH) programs and the practices they associate with program success. Methods: This article draws on semistructured interviews with 10 housing practitioners from 7 organizations operating 8 PSH programs in Edmonton, a city with roughly one million people in Alberta, Canada. Results: This article focuses on 3 specific challenges that have implications for the retention of residents: (1) interpersonal conflict, (2) property damage, and (3) guest management. It also focuses on 3 “promising practices” that practitioners have utilized to mitigate these challenges: (1) relationship-building, (2) community-building, and (3) security of the buildings. Conclusions: Tenant retention is integral to the realization of positive program outcomes in PSH. There are several factors affecting tenant retention. To address these challenges, the staff interviewed in this research found success in building programmatic elements that fostered positive interpersonal relationships, managed the behavior of guests on the property, and ensured the physical integrity of the buildings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,007
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,144
Tête enseignante GPT0,530
Écart entre enseignants0,385 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInterdisciplinary Nursing ResearchMême sujetHomelessness and Social IssuesTravaux en français237 207