A close look at therapist contributions to narrative-emotion shifting in a case illustration of brief dynamic therapy
Notice bibliographique
Résumé
Objective: In a secondary analysis of Friedlander et al.'s [(2018). “If those tears could talk, what would they say?” multi-method analysis of a corrective experience in brief dynamic therapy. Psychotherapy Research, 28, 217–234. doi:10.1080/10503307.2016.1184350] case study of Hanna Levenson’s Brief Dynamic Therapy over Time (from APA’s Psychotherapy in Six Sessions DVD series), we re-visited the Narrative-Emotion Process Coding (Angus, L. E., Boritz, T., Bryntwick, E., Carpenter, N., Macaulay, C., & Khattra, J. (2017). The Narrative-Emotion Process Coding System 2.0: A multi-methodological approach to identifying and assessing narrative-emotion process markers in psychotherapy. Psychotherapy Research, 27, 253–269. doi:10.1080/10503307.2016.1238525) to identify specific therapist behaviors that may have facilitated the client’s movement from expressing mostly Problem markers in early sessions to expressing considerably more Transition and Change markers in later sessions. Method: Using open coding and constant comparison qualitative methods, we identified Levenson’s behaviors immediately preceding the client’s “change shifts” (Problem → Transition/Change and Transition → Change) and “problem shifts” (Transition/Change → Problem). Results: Compared to problem shifts, change shifts were preceded by more therapist behavior reflecting Attaching New Meaning (e.g., linking the client’s self-deprecation to her avoidant behavior) and Exploring/Expanding emotions (e.g., inviting the client to give voice to her tears), cognitions (e.g., pointing out the client’s self-talk) and motivation (e.g., reflecting on the client’s dissatisfaction with her defenses). Conclusions: In this successful case, facilitative therapist behavior reflected common therapeutic responses (e.g., validating the client’s perspective) as well as responses characteristic of brief dynamic therapy (e.g., interpreting the client’s defenses) and the therapist’s personal style (e.g., repeating the client’s words for emphasis).
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 | 0,011 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,007 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».