MétaCan
Menu
Retour à la cohorte
Enregistrement W4411720868 · doi:10.1177/20662203251352596

If it didn’t screw me up, I’d be screwed up: Moral injury and moral labour in Canadian federal parole

2025· article· en· W4411720868 sur OpenAlexaffabout
Mari Todd-Kvam, John Todd-Kvam, Rosemary Ricciardelli

Notice bibliographique

RevueEuropean Journal of Probation · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTorture, Ethics, and Law
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMoral injuryPsychologyPsychoanalysisPolitical scienceSociologyCriminologySocial psychology

Résumé

récupéré en direct d'OpenAlex

The aim of this article is to develop knowledge on how moral challenges affect officers’ well-being and professional performance. Building on existing research on adverse work experiences and the developing literature on moral injury, we examine 150 Canadian federal parole officers’ experiences of moral distress at work as distinct from traumatic stress and emotional stress. We unpack the process of how officers experience and manage moral distress and its aftermath in interaction with their social, organizational, and professional context. Our findings are crucial for addressing PPOs’ adverse work experiences, and for recognizing barriers to supporting clients’ rehabilitation and reintegration in penal settings. Therefore, we suggest a conceptualization specific to the moral aspects of challenges at work – moral labour – to further theorize and examine the relationship between moral distress at work, contextual conditions for managing the distress, and adverse work outcomes such as moral injury, burnout, and compassion fatigue.

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)0,003
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,495
Score d'incertitude au seuil0,967

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,036
Tête enseignante GPT0,308
Écart entre enseignants0,272 · 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'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'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of ProbationMême sujetTorture, Ethics, and LawTravaux en français237 207