Challenging anthropocentrism and speciesism in social work education
Notice bibliographique
Résumé
INTRODUCTION: Socially and legally acceptable views toward other animals are changing throughout the world. However, most social work education does not reflect such changes. Non-human animals are still viewed as tools for improving the wellbeing of human animals. To promote the development of social work education and practice responsive to today’s human and non-human animal relationships, this article discusses much-needed theoretical developments in social work education. APPROACH: We examine recent changes to the Canadian Association of Social Workers Code of Ethics and Canadian Social Work Education Accreditation Standards to assess the current frameworks for its education. These have recently added a focus on Environmental Justice, Sustainability and Ecological Practices to address growing concerns about climate change, yet do not consider animals explicitly or recognise the impacts of speciesism. Achieving a collective vision of social, economic, and environmental justice for all beings cannot be realised without considering non-human animals and actively challenging anthropocentric ontologies and epistemologies. CONCLUSIONS: We argue for a double-pronged approach addressing both ontologies and epistemologies of social work and discuss integrating key concepts from Critical Animal Studies (CAS) such as: anti-anthropocentrism, anti-speciesism, intersectionality, truncated narrative of dominance, and trans-species social justice, into social work education. By sharing authors’ teaching experiences, we demonstrate how such a theoretical orientation helps to critically analyse hierarchal relationships and envision practice to dismantle oppressive social systems that intersect with human and non-human animals. Thus, such theoretical changes, with a double-pronged approach in education, can strengthen social workers’ capacities to address justice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,017 | 0,121 |
| Communication savante | 0,014 | 0,011 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».