New Developments for Case Conceptualization in Emotion‐Focused Therapy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
UNLABELLED: Emotion-focused therapy (EFT) has increasingly made use of case conceptualization. The current paper presents a development in the case conceptualization approach of EFT. It takes inspiration from recent research on emotion transformation in EFT. The case conceptualization presented here can guide the therapist in listening to the client's narrative and in observing the client's emotional presentation in sessions. Through observing regularities, the therapist can tentatively determine core emotion schemes' organizations, triggers that bring about the emotional pain, the client's self-treatment that contributes to the pain, the fear of emotional pain that drives avoidance and emotional interruption strategies. The framework recognizes global distress, into which the client falls, as a result of his or her inability to process the underlying pain, the underlying core pain and the unmet needs embedded in it. This conceptual framework then informs therapists as to which self-organizations (compassion and protective anger based) have to be facilitated to respond to the pain and unmet needs, so that they might transform it. The conceptual framework can guide the therapist's thinking/perceptions and actions in the session. KEY PRACTITIONER MESSAGE: Therapists can better facilitate emotional transformation when they understand the dynamics involved in the client's distress. Emotion transformation is facilitated by first helping the client to access the core underlying painful feelings and unmet needs embedded in them and then by helping the client to generate adaptive emotional responses to those unmet needs.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle