Settlement Workers in Schools’ (SWIS) Support for K-12 Refugee Students: A Resilience and Compassion-Based Approach
Notice bibliographique
Résumé
The number of refugees worldwide has reached approximately 32.5 million, 41% of whom are children and youth under 18 eighteen years of age (UNHCR, 2022). Between 2015-2021, Canada welcomed 218,430 refugees, with over 87,795 being Syrian (Statistics Canada, 2022). With an estimated 87,000 refugee children and youth in Canada (UNHCR, 2022), I engaged with Settlement workers in schools (SWIS) in Ontario, Canada to explore how they identify newcomer refugee K-12 students’ needs, the challenges SWIS experience, and the strategies they draw on to support newcomer refugee students. Settlement workers in schools identified newcomer refugee students had language learning, social, and psychological needs. The challenges SWIS experience include navigating their relationship with schools, resources, intercultural competence at schools, and professional development. The strategies they use to support newcomer refugee students are broadly categorized under individual, family, school, community, and societal supports. As such, I describe the unique role of SWIS as “compassionate connectors” who support newcomer refugee students based on a holistic approach which includes promoting resilience at multiple levels and a compassion-based framework in schools. It is through collaboration with schools, that SWIS play a key role in enhancing intercultural competence of school staff which aids in promoting integration, a sense of belonging, and well-being for newcomer refugee students.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,023 | 0,011 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,003 | 0,019 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».