MétaCan
Menu
Retour à la cohorte
Enregistrement W2744752986 · doi:10.7728/0403201305

Implications of Community-Based Research for Professional Psychology Training: Reflections from Two Early Career Psychologists

2017· article· en· W2744752986 sur OpenAlexafffund
Melissa Tiessen, Julie Beaulac

Notice bibliographique

RevueGlobal Journal of Community Psychology Practice · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensUniversity of OttawaCanadian Psychological AssociationMcGill University
Organismes subventionnairesInstitute of Aboriginal Peoples HealthSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health Research
Mots-clésProfessional psychologyApplied psychologyPsychologyCommunity psychologyTraining (meteorology)PedagogySocial psychologySociologyMedical educationClinical psychologyMedicineBurnout

Résumé

récupéré en direct d'OpenAlex

Community psychology (CP) has valuable philosophical perspectives and methodological approaches to offer the wider discipline of psychology, yet it remains underappreciated and often invisible in most professional training programs in psychology, including those programs intended to train in the areas of clinical, counselling, school, and neuropsychology. Community-based research (CBR) is one particular methodological approach within CP that has the potential to enhance standard research training experiences, as well as to enhance professional psychology training more generally. In this paper, we discuss the professional psychology training implications of CBR approaches, highlighting potential changes to the existing training structure that could facilitate wider access to training in CBR, and thereby enhance the competencies of professional psychologists. We also critically reflect on our experiences conducting our own CBR dissertation projects while becoming trained as clinical psychologists. We encourage other trainees, professional psychologists, and training programs to consider the merits of incorporating CP perspectives and approaches into their work.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,083
score de la tête « metaresearch » (Gemma)0,106
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,441

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0830,106
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0550,049
Communication savante0,0230,014
Science ouverte0,0070,033
Intégrité de la recherche0,0160,040
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,798
Tête enseignante GPT0,712
Écart entre enseignants0,087 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Community Psychology PracticeMême sujetCommunity Health and DevelopmentTravaux en français237 207