Preparing social work students for the realities of practice: A content analysis of occupational stress injury in social work curricula in Canada
Notice bibliographique
Résumé
The practice of social work places social workers at risk for occupational stress injuries (OSIs) such as 1) post-traumatic stress disorder (PTSD), 2) secondary traumatic stress (STS), also known as vicarious trauma (VT) or compassion fatigue (CF), and 3) burnout (Bride, 2007; Shackelford, 2012). Therefore, schools of social work need to prepare students for these potentialities and teach them ways to mitigate risk. This study explores whether and how thoroughly schools of social work across Canada are including the topic of OSIs within their Bachelor of Social Work (BSW) curricula. A content analysis was conducted of course descriptions, from each of the 42 BSW programs across Canada, using online university calendars and program websites. Each course description was reviewed for explicit reference to OSIs, (e.g., use of the words PTSD, STS, VT, CF and burnout) and also for implicit mention to the psychological impacts of practicing social work on the social workers themselves. Only three BSW programs offered a course with explicit reference to OSIs, an additional 11 offered courses with implicit reference. Of the 1,494 course descriptions included in the sample, only four explicitly referenced OSIs and 23 made implicit mention to topics that could arguably align with the etiology of OSIs and prevention and mitigation strategies. These topics included worker stress, personal and professional sustainability, professional resiliency, and self-care. These findings raise concern as to how well social work students are being prepared for the realities of practice. Implications of the findings for social work education and preparation for the field are discussed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».