MétaCan
Menu
Retour à la cohorte
Enregistrement W4390451143 · doi:10.1177/10443894231210897

Guidelines for Using Simulations in Qualitative Research on Social Work Practice Competencies

2023· article· en· W4390451143 sur OpenAlexafffund
Kenta Asakura, Katherine Occhiuto, Sarah Tarshis, Ruxandra M. Gheorghe, Sarah Todd

Notice bibliographique

RevueFamilies in Society The Journal of Contemporary Social Services · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Work Education and Practice
Établissements canadiensMcGill UniversityCarleton University
Organismes subventionnairesCanada Foundation for Innovation
Mots-clésQualitative researchSocial workSet (abstract data type)Computer scienceWork (physics)Social practiceQuality (philosophy)PsychologyKnowledge managementEngineering ethicsSociologyEngineering

Résumé

récupéré en direct d'OpenAlex

The use of simulation (i.e., trained actors) has gained much attention in social work as a method of teaching, learning, and student assessment. Simulation has also been used in medicine as a research method in studying practice competencies. The use of simulation as a part of research design is relatively new in social work. Particularly, little is known about how simulations can be combined with well-established qualitative research methods. We posit that simulation can further advance qualitative research on social work practice, which requires a highly complex set of skills that are procedural, cognitive, affective, and relational. Drawing from two study examples, we propose guidelines for how simulations can be incorporated in qualitative research on complex practice competencies essential for enhancing the quality of health and social services.

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)0,024
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,327
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0240,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,006
Études des sciences et des technologies0,0040,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,559
Tête enseignante GPT0,607
Écart entre enseignants0,047 · 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'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

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFamilies in Society The Journal of Contemporary Social ServicesMême sujetSocial Work Education and PracticeTravaux en français237 207