Development of the emotionally focused individual therapy adherence measure: Conceptualisation and preliminary reliability
Notice bibliographique
Résumé
Abstract The Emotionally Focused Individual Therapy Adherence Measure (EFIT‐AM) is presented as a scale to measure a therapist's adherence to the EFIT model. The theoretical rationale for EFIT as a promising model of individual therapy and conceptual development of EFIT‐AM are introduced. The EFIT‐AM was developed to measure therapist adherence to treatment tasks when working specifically with clients presenting with negative emotional disorder and can be used to promote therapist education and development in training and supervision. The measure includes assessment of essential skills, meta‐themes, and stages of EFIT. The measure was piloted using participants ( n = 20) with advanced training in EFT. Participants used the measure to rate therapist adherence to EFIT model by observing a recorded therapy session of an expert EFIT therapist. Participant ratings were used to examine consistency among ratings of therapist behaviour and to receive feedback regarding the user experience of the EFIT‐AM. Mean item ratings of three and five within the same talk turn were considered to signify reliable identification of an EFIT skill. Of the 18 adherence items on the EFIT‐AM, 12 items met our criteria for 50% of participants identifying the item at the same time with a rating of three or five. Six items did not meet these criteria and were considered to either occur at a session, as opposed to talk turn, level or in need of consolidation. The high level of inter‐rater reliability and internal consistency of the EFIT‐AM indicates the EFIT‐AM is a promising tool to evaluate therapist adherence.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».