MétaCan
Menu
Retour à la cohorte
Enregistrement W44593409 · doi:10.3233/wor-2008-00697

The art and science of teamwork: Enacting a transdisciplinary approach in work rehabilitation

2008· article· en· W44593409 sur OpenAlexaff
Lynn Shaw, Rae Walker, Andrew Hogue

Notice bibliographique

RevueWork · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésTeamworkRehabilitationWork (physics)Social workQualitative researchMedical educationHealth carePsychologyNursingGrounded theoryEngineering ethicsPedagogyMedicineSociologyEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Teamwork, collaboration and interprofessional care are becoming the new standard in health care, and service delivery in work practice is no exception. Most rehabilitation professionals believe that they intuitively know how to work collaboratively with others such as workers, employers, insurers and other professionals. However, little information is available that can assist rehabilitation professionals in enacting authentic transdisciplinary approaches in work practice contexts. A qualitative study was designed using a grounded theory approach, comprised of observations and interviews, to understand the social processes among team members in enacting a transdisciplinary approach in a work rehabilitation clinic. Findings suggest that team members consciously attended to a team approach through nurturing consensus, nurturing professional synergy, and nurturing a learning culture. These processes enabled this team to work in concert with clients who had chronic disabilities in achieving solution focused goals for returning to work and improving functioning. Implications for achieving greater collaborative synergies among stakeholders in return to work settings and in the training of new rehabilitation professionals are explored.

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)0,023
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0120,047
Communication savante0,0130,011
Science ouverte0,0020,013
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,402
Écart entre enseignants0,371 · 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'étudeQualitatif
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

Citations26
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorkMême sujetInterprofessional Education and CollaborationTravaux en français237 207