Goal Attainment Scaling- metodens användning inom Nyland : hur och i vilken omfattning metoden används av fysioterapeuter och ergoterapeuter inom privata och offentliga sektorn
Bibliographic record
Abstract
Bakgrund: Målsättningen är grunden inom rehabiliteringen med hjälp av vilken klienten engageras och motiveras att finna meningsfulla mål. Inom ergoterapi och fysioterapi finns det ett flertal olika metoder för att sätta upp mål, bland annat Canadian Occupational Performance Measure, Patient-Specific Functional Scale och Goal Attainment Scaling. I lärdomsprovet granskas Goal Attainment Scaling (GAS) som metod och syftet är att ta reda på hur och i vilken omfattning både ergoterapeuter och fysioterapeuter använder sig av GAS som målsättningsinstrument inom den offentliga och privata sektorn i Nyland. \n \nMetod: Lärdomsprovet är en kvantitativ tvärsnittsstudie med enkätundersökning som datainsamlingsmetod. Målgruppen är vald baserat på olika inklusions- och exklusionskriterier. Enkäten distribuerades av Ergoterapiförbundet och Nylands Fysioterapeuter Ry. Enkäten är tillgänglig på Finlands båda nationalspråk och består av både flervalsfrågor och öppna frågor. \n \nResultat: Fördelningen mellan deltagande ergoterapeuter och fysioterapeuter var jämn men deltagarmängden från den privata sektorn var märkbart större. GAS-metoden visade sig vara bekant för majoriteten trots att en stor del av deltagarna inte gått utbildningen. I resultaten framkom det också att enbart lite över hälften använder sig av GAS och sättet att använda metoden varierar. Andra målsättningsmetoder nämndes också varav några var FSQfin, COPM och PTA. \n \nDiskussion: Enkätundersökningens resultat kunde kopplas till tidigare utförda studier om GAS-metoden, vilket ökar på resultatens trovärdighet. Dessutom framkom det konkret hur GAS-metoden kan användas i samband med andra metoder, vilket inte enbart förstärker GAS-metodens validitet utan också bevisar att den har ett brett användningsområde och är anpassningsbar.
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 | 0.007 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".