Conversational Errors and Common Ground Activities in Psychotherapy—Insights from Conversation Analysis
Notice bibliographique
Résumé
Many patients leave psychotherapy although in need. What can professional practitioners and researchers assume what happened? Trying to receive a response from these patients we too often are left without an answer. In this paper I introduce to psychotherapy discourse some concepts taken from linguistics and Conversation Analysis (CA). The reason is that what psychotherapists of every kind do is “talk-in-interaction”. During such talk Typical Problematic Situations (TPS) appear which are well known in a macro-analytic perspective (if a patient comes late to the session, does not talk or blackmails the therapist with suicide threat). However, there are many TPS that can be detected by a micro-analytic perspective only. CA is a tool helping to idenfity this type of TPS. One relevant CA-concept is Common Ground, a psychological and linguistic concept which requires special activity from both participants in an interaction. Conversational “errors” that risk to tear the Common Ground often go unnoticed. Presenting segments of transcribed therapy sessions I want to direct attention to the details of how ‘errors’ in Common Ground activity happen, how they are noticed and dealt with by skillfull therapists or how they can become repaired. Among others I use transcription details of two suicidal patients. The transcripts are from the CEMPP-Project (Conversation analysis of Empathy in psychotherapy process), conducted at IPU, Berlin. Thanks to a grant by Köhler-Stiftung, Germany.
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 | 0,016 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,022 |
| Communication savante | 0,015 | 0,019 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».