Addressing and Interpreting Defense Mechanisms in Psychotherapy: General Considerations
Notice bibliographique
Résumé
Defense interpretations are commonly used techniques that clinicians employ more frequently than transference interpretations. How and when clinicians interpret defenses, however, has received little empirical examination. In an effort to facilitate the empirical study of defense interpretation, we reviewed 15 works by noted authors who gave a prominent role to interpreting defenses in discussing clinical work in general patient populations. Our goal was to identify and systematize distinct themes from these authors that might be testable hypotheses. We identified 74 themes related to the interpretation of defenses in psychotherapy-for example, "interpreting too frequently diminishes the emotional impact of interpretation"-which we organized into 17 distinct categories (e.g., factors associated with positive outcome). We subsequently selected 19 themes that were readily operationalizable as hypotheses and examination of which would advance clinical practice. These hypotheses address issues such as when, in what order, and how to interpret defensive material and what successful outcomes would be. We then describe prototypes of research designs, employing naturalistic observation, randomized controlled trials, or experimental laboratory studies, which could investigate these important hypotheses. Overall, this report codifies current clinical maxims and then provides future research directions for determining how clinicians can most effectively address defenses in psychotherapy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,101 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,037 |
| Communication savante | 0,016 | 0,031 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,010 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».