Countering essentialism in psychiatric narratives
Notice bibliographique
Résumé
The practice of self-diagnosing, amplified by the spread of psychiatric knowledge through social media, has grown rapidly. Yet, the motivations behind this trend, and, critically, its psychological repercussions remain poorly understood. Self-ascribing a psychiatric label always occurs within a broader narrative context, with narratives serving as essential interpretive tools for understanding oneself and others.In this paper, we identify four principal motivators for people pursuing self-diagnosis, pertaining to 1. waiting time and cost of mental health resources, 2. recognition, 3. identity formation, and 4. destigmatization. We compare these motivators against the backdrops of psychiatric narratives, including DSM-based (operationalism), bio-medical, and Neurodiversity narratives, to evaluate the psychological implications of self-ascriptions. We show that while self-ascription aligns with many motivations, it also carries the risk of essentialism across all analyzed narratives, which can over-simplify and sometimes misrepresent people’s attempts to find meaning through psychiatric labels. Essentialism makes narratives less comprehensive, responsive, and resourceful.We contend that self-ascriptions are not inherently problematic; instead, they show the need for greater focus and understanding in psychiatric practices and the importance of incorporating people’s experiences and perspectives in clinical settings. However, both the narratives and the social climate from which they emerge may need adjustments to make self-ascriptions meaningful, comprehensive, and resourceful tools.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».