Opening the Black Box of Daily Life in Nonsuicidal Self-injury Research: With Great Opportunity Comes Great Responsibility
Notice bibliographique
Résumé
Although nonsuicidal self-injury (NSSI)-deliberate damaging of body tissue without suicidal intent-is a behavior that occurs in interaction with real-world contexts, studying NSSI in the natural environment has historically been impossible. Recent advances in real-time monitoring technologies have revolutionized our ability to do exactly that, providing myriad research and clinical practice opportunities. In this viewpoint paper, we review new research pathways to improve our ability to understand, predict, and prevent NSSI, and provide critical perspectives on the responsibilities inherent to conducting real-time monitoring studies on NSSI. Real-time monitoring brings unique opportunities to advance scientific understanding about (1) the dynamic course of NSSI, (2) the real-time predictors thereof and ability to detect acute risk, (3) the ecological validity of theoretical models, (4) the functional mechanisms and outcomes of NSSI, and (5) the promotion of person-centered care and novel technology-based interventions. By considering the opportunities of real-time monitoring research in the context of the accompanying responsibilities (eg, inclusive recruitment, sound and transparent research practices, participant safety and engagement, measurement reactivity, researcher well-being and training), we provide novel insights and resources to open the black box of daily life in the next decade(s) of NSSI research.
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 | 0,176 | 0,204 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,037 |
| Communication savante | 0,020 | 0,031 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,008 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».