MétaCan
Menu
Retour à la cohorte
Enregistrement W4220879498 · doi:10.1111/jpr.12410

Japanese Clinical Psychologists' Consensus Beliefs about Mental Health: A <scp>Mixed‐Methods</scp> Approach

2022· article· en· W4220879498 sur OpenAlexaff
Momoka Sunohara, Jun Sasaki, Sonora Kogo, Andrew G. Ryder

Notice bibliographique

RevueJapanese Psychological Research · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSalientContext (archaeology)Mental healthListing (finance)PsychologyGrounded theorySocial psychologyQualitative researchApplied psychologyPsychotherapistComputer scienceSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Abstract This study applied a two‐phase, mixed‐methods research design, grounded in cultural consensus theory (CCT), to examine shared beliefs about mental health held by Japanese clinical psychologists (CPs). In CCT, qualitative methods are first used to identify culturally salient elements of a domain; factor analysis is then used to quantify the degree of sharedness, an approach known as cultural consensus analysis (CCA). First, a free‐listing technique with 16 Japanese CPs was conducted to elicit salient terms for the two domains: (a) how members of the general public acquire beliefs about mental health; and (b) how Japanese mental healthcare ought to be reformed. In the second phase, CCA was conducted through a survey completed by 100 CPs. The free‐listing analysis generated 21 and 23 culturally salient terms for the two domains, respectively. Then, CCA demonstrated that the two domains could each be characterized as a single cultural model with a high degree of consensus. CCT provides a systematic mixed‐methods approach that is particularly well‐suited to investigating culturally grounded shared beliefs held by people in a specific cultural context.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,081
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,430

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0810,081
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,005
Études des sciences et des technologies0,0050,002
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,478
Tête enseignante GPT0,601
Écart entre enseignants0,122 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJapanese Psychological ResearchMême sujetCultural Differences and ValuesTravaux en français237 207