Notice bibliographique
Résumé
Since children are generally not good candidates for “talk therapy”, play is often a modality that therapists use to enhance understanding and communication in treatment. Among many possible assessment tools suggested in work with children are puppets which appeal to a wide age range and are familiar toys to many. This article describes and compares nine different puppet therapy assessment techniques. The assessment techniques are: Spontaneous Group Puppetry; The Puppet Therapy Assessment Technique; The Family Puppet Interview; The Ross Family Puppet Technique; Puppets in Psychotherapy Scales; The Dynamics of Three; The Puppet Sentence Completion Task; The Berkeley Puppet Interview; and The Affect in Play Scale. The current study is a qualitative interview study in which thematic analysis has been applied. Five themes emerged in the analysis: methods and techniques in puppet assessment; assessment in therapy: assessment in diagnosis; different levels of structure; and what works for whom. The level of structure is emphasized in the discussion, as are age considerations. Conclusions suggest aspects in favor of, and against, using these assessments. Aspects in favor of using the techniques are, for example, the need for therapist flexibility; the necessity to create rapport; the importance of an appropriate assessment tool; and the requirement to adapt the level of structure to the client. Possible contraindications may be the child’s age, because young children may be too immature for symbolic play, and severely disturbed children may lack the necessary emotional and/or cognitive skills for puppet play.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».