MétaCan
Menu
Retour à la cohorte
Enregistrement W2909061163 · doi:10.1146/annurev-clinpsy-050718-095718

Implicit Cognition and Psychopathology: Looking Back and Looking Forward

2019· review· en· W2909061163 sur OpenAlexaff
Bethany A. Teachman, Elise M. Clerkin, William A. Cunningham, Sarah E. Dreyer-Oren, Alexandra Werntz

Notice bibliographique

RevueAnnual Review of Clinical Psychology · 2019
Typereview
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Mental HealthNational Institutes of Health
Mots-clésPsychopathologyPsychologyCognitionCognitive psychologyAnxietyAffect (linguistics)Cognitive scienceDevelopmental psychologyClinical psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Implicit cognitive processing is theorized to have a central role in many forms of psychopathology. In the current review, we focus on implicit associations, by which we mean evaluative representations in memory that are difficult to control and do not require conscious reflection to influence affect, cognition, or behavior. We consider definitional and measurement challenges before examining recent empirical evidence for these associations in anxiety, obsessive-compulsive, posttraumatic stress, depressive, and alcohol use disorders. This examination is framed by a brief review of the ways that prominent models of psychopathology represent biased implicit processing of disorder-relevant information. We consider to what extent models reflect more traditional automatic/implicit versus strategic/explicit dual-process perspectives or reflect more recent dynamical systems perspectives in which mental representations are iteratively reprocessed, evolving continuously. Finally, we consider the future research needed to better understand the interactive and temporal dynamics of implicit cognition in psychopathology.

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)0,007
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,891
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,313
Tête enseignante GPT0,633
Écart entre enseignants0,320 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations49
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Clinical PsychologyMême sujetMental Health Research TopicsTravaux en français237 207