MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407578624 · doi:10.4324/9781003311768-25

Trauma and Social Work Field Education

2025· book-chapter· en· W4407578624 sur OpenAlexaboutno aff
Angela Judge-Stasiak, Julie Mann-Johnson, Stephanie Grant, Carrie Blaug, Krista Osborne, Amy Fulton, Leeann Hilsen

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueSocial Work Education and Practice
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)Social workSociologyPsychologyPolitical scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This chapter explores a Canadian field education team&s;s trauma-informed approach to practicum learning. The team, from the University of Calgary, works within a large faculty located across the province of Alberta, Canada, supporting hundreds of practicums each year, both in person and virtually. The team&s;s approach is focused on creating optimal learning outcomes for bachelor of social work and master of social work students grounded in teaching that is based on ethical, inclusive, trauma-informed practices with individuals, families, organizations, and communities. Applying a trauma-informed lens to social work field education helps the team to respond to the diverse needs and lived experiences of students, including recognizing the impact of trauma on their emerging professional identities and practice skills. This chapter draws on the Substance Abuse and Mental Health Services Administration&s;s four assumptions and six key principles of a trauma-informed approach, including safety, trustworthiness, transparency, peer support, collaboration, mutuality, empowerment, voice, choice, as well as cultural, historical, and gender contexts. This chapter also highlights strategies and practices that utilize a trauma-informed approach to strengthen how field educators teach, mentor, and supervise social work students.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,429

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,008
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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 Opus0,040
Tête enseignante GPT0,372
Écart entre enseignants0,332 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial Work Education and Practice→Travaux en français237 207→