A Competency Framework for the Practice of Psychology: Procedures and Implications
Notice bibliographique
Résumé
OBJECTIVE: Several competency models for training and practice in professional psychology have been proposed in the United States and Canada. Typically, the procedures used in developing and finalizing these models have involved both expert working groups and opportunities for input from interested parties. What has been missing, however, are empirical data to determine the degree to which the model reflects the views of members of the profession as a whole. METHOD: Using survey data from 466 licensed or registered psychologists (approximately half of whom completed one of two versions of the survey), we examined the degree to which psychologists, both those engaged primarily in practice and those involved in doctoral training, agreed with the competency framework developed by the Association of State and Provincial Psychology Boards' Practice Analysis Task Force (Rodolfa et al., 2013). RESULTS: When distinct time points in training and licensure or registration were considered (i.e., entry-level supervised practice in practicum settings, advanced-level supervised practice during internship, entry level independent practice, and advanced practice), there was limited agreement by survey respondents with the competency framework's proposal about when specific competencies should be attained. In contrast, greater agreement was evident by respondents with the competency framework when the reference point was focused on entry to independent practice (i.e., the competencies necessary for licensure or registration). CONCLUSION: We discuss the implications of these findings for the development of competency models, as well as for the implementation of competency requirements in both licensure or registration and training contexts.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».