MétaCan
Menu
Retour à la cohorte
Enregistrement W2523317672 · doi:10.26522/ssj.v10i1.1331

Autism, Expert Discourses, and Subjectification: A Critical Examination of Applied Behavioural Therapies

2016· article· en· W2523317672 sur OpenAlexaffvenueabout
Julia Gruson‐Wood

Notice bibliographique

RevueStudies in Social Justice · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésAutismPsychologyImitationSubjectificationPsychological interventionDisciplinePsychotherapistHealth careDevelopmental psychologyPsychiatrySocial psychologySociology

Résumé

récupéré en direct d'OpenAlex

Applied behavioural therapies are widely adopted interventions that have become the standard of healthcare and expert knowledge for autistic people in Canada. These therapies are methods of individualized behavioural modification whereby skills are taught, and socially “undesirable” or “inappropriate” behaviour is regulated according to expert claims that focus on correction, imitation, repetition, reinforcements, and environmental modification. Despite their prevalence, these therapies are highly controversial methods within autism communities, with mostly non-autistic parents and clinicians as their main proponents, and autistic self-activists as their critics. The ethnographic research presented will examine the culture, training, and knowledge practices of behavioural therapy providers in Ontario, to study disciplinary techniques that are used to create expert subjects. In order to operate as a technology for producing optimal results in the autistic subject, working as a behavioural therapist involves multiple techniques such as completing intensive exercises consisting of audible and textual surveillance, recorded sessions, and intra-therapeutic replicability. These techniques and exercises often work to discipline expressions of care in accordance with a “psychocentric” framework for understanding autism and supporting autistic people.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,717
Score d'incertitude au seuil0,595

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,415
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueStudies in Social JusticeMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207