Conversation analysis of the two-chair self-soothing task in emotion-focused therapy
Notice bibliographique
Résumé
OBJECTIVE: Despite an increasing recognition of the relevance and significance of self-compassion processes, little research has explored interventions that seek to enhance these in therapy. In this study, we examined the compassionate self-soothing task of emotion-focused therapy involving two-chair work, with seven clients. METHOD: Conversation analysis was used to examine client-therapst interaction. RESULTS: The analysis yielded a detailed description of interactional practices and processes involved in the accomplishment of self-soothing, drawing on Goffman's concept of the participation frame. We show how therapists and clients collaborate to move from the ordinary frame of therapeutic conversation to a self-soothing frame and back again by using various interactional practices: Therapists' instructions to clients, specific ways of sequencing actions in interaction, explanations and justification of the importance of the self-soothing task, pronouns as a way to distinguish among addressees (e.g., clients versus soothing agents), corrections of clients' talk, and response tokens (hm mm, yeah, good). These practices are used to help clients accomplish self-soothing in the form of self-praise, disclosing caring, and offering of helpful advice. CONCLUSIONS: This study offers therapists a specific account of how to respond to clients at specific junctures in self-soothing dialogues and how to structure and accomplish the self-soothing task.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,000 |
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 tête enseignante, 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 ».