MétaCan
Menu
Retour à la cohorte
Enregistrement W4408111053 · doi:10.54488/ijcar.2024.357

Supervision and Organizational Resilience: Considerations for Staff Retention in Child Welfare Agencies

2025· article· en· W4408111053 sur OpenAlexvenueno aff
Melissa Wells, Linda Jönsson, Mackenzie Keefe, Fiona Oates

Notice bibliographique

RevueInternational Journal of Child and Adolescent Resilience · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Work Education and Practice
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWelfareResilience (materials science)Employee retentionPsychological resilienceBusinessPsychologyPublic relationsNursingApplied psychologySocial psychologyPolitical scienceMedicineMarketing

Résumé

récupéré en direct d'OpenAlex

Objectives: This paper presents results from a mixed methods online survey on factors related to child welfare professionals’ experiences with supervision, considered within the framework of organizational resilience. Methods: This analysis presents results from 543 child protective service (CPS) professionals in the United States. Results: About a quarter of these child welfare professionals currently held supervisory roles. Comparisons of those without supervisory roles indicate higher mean ratings on perceptions of support and care from those not currently in supervisory roles, while those currently in supervisory roles reported higher mean ratings on perceptions of potential growth and promotion. Outcomes including intention to stay in child welfare, satisfaction with position, and salary were significantly associated with positive supervision components. These professionals’ qualitative responses highlight a need for consideration of supervision approaches that reflect trauma-informed components and that foster organizational resilience. Implications: Implementation of these critical supports for child welfare professionals may have lasting impacts on the well-being of children, youth, and families.

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)0,015
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,044
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0030,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,328
Écart entre enseignants0,313 · 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'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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Child and Adolescent ResilienceMême sujetSocial Work Education and PracticeTravaux en français237 207