How clients “change emotion with emotion”: A programme of research on emotional processing
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
This paper reviews a body of research that has examined Pascual-Leone and Greenberg's sequential model of emotional processing or used its accompanying measure (the Classification of Affective Meaning States). Research from 24 studies using a plurality of methods examined process-outcome relationships from micro to macro levels of observation and builds support for emotional transformation as a possible causal mechanism of change in psychotherapy. A pooled sample of 310 clinical and 130 sub-clinical cases have been studied, reflecting the process of 7 different treatment approaches in addressing over 5 different presenting clinical problems (including depression, anxiety, relational trauma, and personality disorders). The initial findings on this model support the hypothesis that emotional transformation occurs in specific canonical sequences and these show large effects in the prediction of positive treatment outcomes. This model is the first in the field of psychotherapy to show how non-linear temporal patterns of moment-by-moment process relate to the unfolding of increasingly larger changes to create good psychotherapy treatment outcomes. Finally, clinical application of the model is also considered as a template for case formulations focused on emotion. Clinical or methodological significance of this article: This review article examines research on a specific model of emotional processing. (i) Experiencing certain key emotions during psychotherapy seems to predict good treatment outcomes, at both the session and treatment levels. (ii) There is also evidence to suggest that these productive emotional experiences unfold in an ordered pattern. Moreover, (iii) support for this way of understanding emotional processing comes from a number of very different treatment approaches and for several kinds of major disorders.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 découle