MétaCan
Menu
Retour à la cohorte
Enregistrement W4402830373 · doi:10.1016/j.childyouth.2024.107939

“Suffering in silence”: How social workers in child welfare practice experience and manage burnout

2024· article· en· W4402830373 sur OpenAlexaffabout
Sulemana Fuseini

Notice bibliographique

RevueChildren and Youth Services Review · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Work Education and Practice
Établissements canadiensLambton College
Organismes subventionnairesnon disponible
Mots-clésBurnoutSilenceWelfareSocial workSocial WelfarePsychologyNursingMedicineClinical psychologyPolitical scienceEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

Social workers in child welfare practice encounter dilemmas, tensions, contradictions, ambiguities, and ambivalence as they attempt to meet the competing demands of the Tri-sphere — the formal child welfare system, the professional theories and values guiding practice, and the child welfare service recipients. This study explored how these encounters result in worker burnout and how that is managed. The study used a constructivist grounded theory approach. Data were collected in St. John’s, NL, Canada, employing in-depth individual interviews with 18 frontline child welfare social workers. Findings reveal that child welfare social workers regularly experience varied feelings and emotions of burnout and utilize a variety of self-care strategies to manage. Recommendations include a call for child welfare agencies to provide opportunities for workers to feel heard and acknowledged about any negative feelings and emotions, strengthen positive peer supports, and promote essential self-care practices such as offering reduced membership cost for physical activities.

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)0,001
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,543
Score d'incertitude au seuil0,671

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,336
Écart entre enseignants0,320 · 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'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

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChildren and Youth Services ReviewMême sujetSocial Work Education and PracticeTravaux en français237 207