MétaCan
Menu
Retour à la cohorte
Enregistrement W4389782707 · doi:10.35502/jcswb.334

Collaborating to safeguard children in Taiwan: Systemic transformation

2023· article· en· W4389782707 sur OpenAlexvenueno aff
Lanying Huang, Yi-Fen Lu, Yi-Chun Yu, Chuen-Jim Sheu

Notice bibliographique

RevueJournal of Community Safety and Well-Being · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeglectLaw enforcementLegislationEnforcementIntervention (counseling)Child protectionPolitical sciencePublic healthPublic relationsChild abuseMedicinePoison controlBusinessSuicide preventionEnvironmental healthNursingLaw

Résumé

récupéré en direct d'OpenAlex

Child abuse and exploitation pose significant threats to the health and well-being of children. While the Taiwanese governmentintroduced the Protection of Children and Youth Welfare and Rights Act in 2011 to address these issues, progress has been slow. This paper aims to examine the evolution of Taiwan’s child protection system (CPS), with a particular focus on interdepartmental collaboration. Through the collection of legislation, statistics, conference proceedings, and reports, this study analyzes the working model between law enforcement and public health. Three cases of collaboration between law enforcement and public health at the community level are presented: social safety net programs, early intervention for child abuse, and trauma-informed training for first responders. The accomplishments and challenges of each project are discussed, along with a review of the CPS in relation to the United Nations (UN) strategy INSPIRE’s approaches. Although Taiwan has shown a commendable emphasis on prevention and family support, the collaboration between law enforcement and public health is still in its early stages. The next crucial step is to strengthen integration in the early stages of identifying, assessing, and referring cases of child abuse and neglect. This can be achieved by generating more evidence on effective working models and promoting their implementation.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,285
Écart entre enseignants0,272 · 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.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Community Safety and Well-BeingMême sujetChild Abuse and TraumaTravaux en français237 207