Deltakelse i lønnet arbeid for unge voksne med alvorlige psykiske lidelser
Bibliographic record
Abstract
Sammendrag \n\nTittel: Deltakelse i lønnet arbeid for unge voksne med alvorlige psykiske lidelser\n\nBakgrunn: Denne bacheloren undersøker deltakelse i lønnet arbeid blant unge voksne med alvorlige psykiske lidelser. Det ble i 2012 registrert om lag 10 000 mennesker under 30 år som mottok uførepensjon, ca. 27 500 i samme aldersgruppe mottok arbeidsavklaringspenger. Psykiske lidelser er registrert som primærdiagnose hos seks av ti. I 2020 økte tallet til 20 800. For å belyse dette temaet vil det bli tatt i bruk teori fra Canadian Model of Occupational Performance and Engagement (CMOP-E) og Occupational Justice. Dette for å belyse samspillet mellom person, aktivitet og deltakelse, samt menneskers rettigheter innen aktivitet og deltakelse.\n\nMetode: Vi benyttet oss av metoden Scoping review i henhold til Arksey and O’Malley. Litteratursøk ble gjennomført på Oria, Google Scholar, Idunn og MEDLINE, og inkluderte studier som baserte seg på unge voksne med alvorlige psykiske lidelser som ønsket seg ut i lønnet arbeid. \n\nResultat: Litteratursøket resulterte i fem artikler som har fokus på lønnet arbeid for unge voksne med alvorlige psykiske lidelser. Hovedtemaer hentet fra litteraturen er ønske om arbeid, ulike arbeidstilnærminger, fordeler og barrierer deltakerne opplever gjennom lønnet arbeid, samt om lønnet arbeid bidrar til økt livskvalitet.\n\nKonklusjon: Studien viser overveldende funn av positive faktorer unge voksne med alvorlige psykiske lidelser opplever gjennom lønnet arbeid, og at dette bidrar til økt livskvalitet. Vi ser også at ordinært arbeid, skjermet arbeidstilbud og arbeidstrening bidrar i samme retning til økt livskvalitet. \n\nNøkkelord: Alvorlige psykiske lidelser, unge voksne, lønnet arbeid, deltakelse, livskvalitet.
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 | 0.010 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.046 | 0.010 |
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".