Detecting alliance ruptures: the effects of the therapist’s experience, attachment, empathy and countertransference management skills
Notice bibliographique
Résumé
Accurate alliance rupture detection is a prerequisite to any successful repair process. Despite its importance, however, rupture detection remains a struggle for most therapists. Supporting the existence of a therapist effect on therapy outcomes, rupture detection skills may rely on certain therapists' personal characteristics. The aim of this study was to verify whether alliance rupture detection performance is related to therapists' personal characteristics. One hundred and eight undergraduates, trainees and mental health professionals participated in an experimental task assessing their alliance rupture detection ability. Participants also completed attachment, empathy and countertransference management self-reported measures. Participants with clinical experience (trainees and professionals) reported more alliance ruptures, accurate or not, than those with no clinical experience (undergraduates). Trainees reported more accurate ruptures and less inaccurate ones than the two other groups. Attachment anxiety was positively associated with accurate ruptures detection for undergraduates, while this association proved negative for trainees and therapists. Perspective-taking, a cognitive dimension of empathy, was negatively associated with accurate rupture detection, whereas personal distress, an affective dimension of empathy, was negatively associated with accurate ruptures detection for trainees, and positively associated for undergraduates. Self-insight, a component of countertransference management, revealed a negative association with accurate rupture detection for trainees. These findings suggest that therapists vary as to their rupture detection ability and that this ability is related to certain personal characteristics. They also highlight the importance of specific training and clinical supervision for both trainees and experienced therapists in order to improve their detection ability.
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 | 0,005 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».