Asiakastyön dokumentointi vastaanottokeskuksissa
Notice bibliographique
Résumé
Tutkimus käsitteli asiakastyön dokumentointia vastaanottokeskuksissa tietojärjestelmiä hyödyntäen. Asiakastyön dokumentointi vastaanottokeskuksissa tapahtuu Umarek-asiakastietojärjestelmän avulla. Umarek on osa UMA-järjestelmää, joka on valtakunnallisesti käytössä maahanmuuttoasioissa. Tutkimuksessani etsin vastausta tutkimuskysymyksiini, joilla halusin selvittää, miten vastaanottokeskuksissa dokumentoidaan asiakastyötä? Hyödynnetäänkö kaikkia Umarek-asiakastietojärjestelmän ominaisuuksia ja miten asiakastyön dokumentoinnissa käytettävät toiminto- ja kohdeluokitukset toimivat käytännössä? Tutkimusotteeni oli kvantitatiivinen. Tutkimuksen kohderyhmänä oli vastaanottokeskusten sosiaalipuolen työntekijät: etuuskäsittelijät, sosiaaliohjaajat ja sosiaalityöntekijät. Asiakastyön dokumentointia vastaanottokeskuksessa selvitin kysymyslomakkeen avulla, jossa kysyin taustamuuttujiin, vastaanottorahan ja asiakastyön dokumentointiin, vastaanottokeskuksen sosiaalityössä käytössä olevaan luokitukseen, sekä Umarekin käytettävyyteen liittyviä kysymyksiä. Aineiston analysoin SPSS-ohjelman avulla. Kyselylomake lähetettiin 22 aikuispuolen vastaanottokeskukseen ja seitsemään alaikäisyksikköön. Lähetin 74 kyselylomaketta vastaanottokeskusten työntekijöille maaliskuussa 2014. Kyselylomakkeen laadin Web-ropol-kyselyohjelmalla. Vastauksia sain 41, joten vastausprosentti oli 55. \n \nAsiakastyön dokumentoinnissa vastaanottokeskuksissa pidetään tärkeänä dokumentoinnin lainmukaisuutta, objektiivisuutta, ajantasaisuutta, tarkkuutta ja riittävän selkeää ohjeistusta, sekä jatkuvuutta. Valitettavasti kaupunkien ylläpitämissä vastaanottokeskuksissa käytetään kaupungin omia asiakastietojärjestelmiä (ATJ, Pro Consona, Effica), eikä vastaanottokeskusten Umarek-asiakastietojärjestelmää. Umarek-asiakastietojärjestelmää ei hyödynnetä riittävästi asiakastyön dokumentoinnissa, koska se on täysimittaisessa käytössä vain valtion ja Punaisen Ristin ylläpitämissä vastaanottokeskuksissa. Se, että puolet vastaanottokeskuskentästä ei käytä Umarekia, tekee sen käytön turhaksi myös niitten osalta, jotka käyttävä järjestelmää jokapäiväisessä työssään. Vastaanottokeskusten toiminto- ja kohdeluokituksiin suhtauduttiin kentällä positiivisesti, mutta niiden hyödyntäminen täysimittaisesti esimerkiksi vastaanottokeskusten toiminnan tilastoinnissa, vastaanottotyön ohjauksen ja suunnittelun apuna, sekä toiminnan kehittämisessä kärsii myös siitä, että vain puolet vastaanottokeskuksista dokumentoi asiakastyötä Umarekin sosiaalityön muistiinpanoihin. \n \nOlisi erittäin tärkeää, että eri vastaanottokeskuksissa noudatettaisiin yhteisesti sovittuja käytäntöjä ja hyödynnettäisiin nimenomaan Umarek-asiakastietojärjestelmää asiakastyön dokumentoinnissa. Tällöin asiakkaat olisivat yhdenvertaisessa asemassa ja tarvittava tieto on käytettävissä uudessa keskuksessa asiakkaan siirtyessä keskuksesta toiseen. On suuri puute, etteivät kaupunkien ylläpitämien vastaanottokeskusten sosiaalipuolen työntekijät käytä Umarekia, vaan heillä merkinnät jäävät kaupunkien omiin tiedostoihin. Umarek-asiakastietojärjestelmä tulee saada täysimittaiseen käyttöön koko vastaanottokeskusjärjestelmässä ja kaikissa vastaanottokeskuksissa ylläpitäjätahosta riippumatta. Vastaanottokeskuksissa olisi käytössä yhtenäinen, tietoturvallinen ja toimiva asiakastietojärjestelmä, mutta sitä ei osata riittävästi hyödyntää. Tarvitaan yhteisten päätösten noudattamista käytännössä, sillä sähköiset tietojärjestelmät tukevat vastaanottojärjestelmän toimintaa ja sen ohjausta.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,016 |
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 ».