MétaCan
Menu
Retour à la cohorte
Enregistrement W7065635664

Exploring the transfer of the ‘Hotspots’ system to tackle bullying, harassment and discrimination

2023· other· en· W7065635664 sur OpenAlexaboutno aff

Notice bibliographique

RevueResearchSpace (University of Auckland) · 2023
Typeother
Langueen
DomaineSocial Sciences
ThématiqueWorkplace Violence and Bullying
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarassmentAccreditationFidelityWork (physics)Order (exchange)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: Bullying, discrimination and harassment (BDH) at work is a significant global issue with health, economic and social consequences. Health trainees on placements are known to experience BDH, but few solutions exist. We developed an innovative, award-winning* integrated system (‘HOTSPOTS’) which successfully tackles workplace BDH experienced or witnessed by medical students. It uses a survey and associated processes to provide ‘safety in numbers’ for students and confidential, benchmarked reporting for clinical leaders (Chief Medical Officers and Department Heads), motivating action. A progress summary is reported back to students. HOTSPOTS is in place in half of New Zealand’s hospitals. *Safeguard New Zealand Workplace Health and Safety Awards https://www.auckland.ac.nz/en/news/2022/06/28/team-tackling-bullying-wins-national-award.html.). With parts of our sector moving toward requiring BDH metrics as part of programme accreditation in Canada and Australasia, now is the time to identify how to transfer HOTSPOTS. We are evaluating its implementation in New Zealand in order to understanding transfer challenges. We will present initial findings of an ongoing implementation fidelity study (funded by an Ember Wellbeing Trust Grant). This will include views from stakeholders (students, chief medical officers, and university staff) and measures of system performance (response rates, number of actions taken etc.) Objectives: To outline and share lessons from an award-winning BDH reporting/action system for medical students on clinical placements To explore whether this system could be useful elsewhere, and barriers or enablers in transferring it to other programmes, institutions, countries or sectors. Discussion: Alongside preliminary implementation fidelity findings, practicalities of running HOTSPOTS over the last 3.5 years will be discussed. This includes examples of issues identified by students, consequent actions taken, strengths and weaknesses of the HOTSPOTS system, and future plans. Exploration : Would a system like HOTSPOTS transfer to your workplace? If not, why not? What (if any) alternative are others using to measure and act on BDH?

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)0,018
score de la tête « metaresearch » (Gemma)0,033
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,033
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,006
Science ouverte0,0020,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,088
Tête enseignante GPT0,292
Écart entre enseignants0,204 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearchSpace (University of Auckland)Même sujetWorkplace Violence and BullyingTravaux en français237 207