Bibliographic record
Abstract
Bu makalede iyileşme yaklaşımının kısa tarihsel ve düşünsel arka planı sunulmakta ve yaklaşımın temel unsurları sosyal hizmet ile ilişkisi bağlamında değerlendirilmektedir. İyileşme yaklaşımını temel alarak ortaya konmuş bir uygulama modeli ele alınarak, yaklaşımın psikiyatrik sosyal hizmet uygulamaları, sosyal hizmet eğitimi ve araştırması için önemi ortaya konmaktadır. Psikiyatrik sosyal hizmet alanında özelleşmiş sosyal hizmet uzmanları psikiyatrik tedavi sürecinin tüm aşamalarında yer alabilir, ruh sağlığı sistemlerini ve politikalarını yönetebilir ve yönlendirebilirler. Sosyal hizmet disiplini patoloji odaklı modern psikiyatriye yaptığı eleştiri ile engellilik hareketi, kadın hareketi, hizmet alan hareketi gibi hareketlerle birlikte eleştirel psikiyatri akımının doğmasına zemin hazırlayan kaynaklar arasındadır. Söz konusu modern psikiyatri eleştirileri ruh sağlığı alanında iyileşme yaklaşımını ortaya çıkarmıştır. Son yıllarda ruh sağlığı alanındaki uygulamaları ve ülkelerin ruh sağlığı politikalarını dönüştüren iyileşme yaklaşımı, sosyal hizmet mesleğinin temel ilke ve değerleri ile örtüşmektedir. Bu nedenlerle iyileşme yaklaşımı hem psikiyatrik sosyal hizmet alanındaki sosyal hizmet uygulamalarına yön verebilir, hem de ruh sağlığı sistemlerinin sosyal hizmet bakış açısına uyumlu şekilde dönüştürülmesine öncülük edebilir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.027 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".