MétaCan
Menu
Retour à la cohorte
Enregistrement W4408245738 · doi:10.1002/jeab.70002

Separate and combined effects of operant <scp>ABA</scp> renewal mitigation strategies

2025· article· en· W4408245738 sur OpenAlexaff
Carlos Henrique Santos Silva, Valdeep Saini

Notice bibliographique

RevueJournal of the Experimental Analysis of Behavior · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral and Psychological Studies
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Extinction (optical mineralogy)FadingPsychologyDiscriminative modelReinforcementContext effectComputer scienceSocial psychologyArtificial intelligenceTelecommunicationsChannel (broadcasting)BiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Due to the undesirable effects of operant renewal for behavioral interventions, recent research has advocated for the advancement of renewal mitigation strategies. One strategy includes the use of extinction cues, which are stimuli used to establish discriminative control over responding in the second context that are subsequently transferred to the initial context. A second strategy involves context fading, which refers to progressively increasing the similarity between the second context and the initial context. The current study evaluated the separate and combined effects of these techniques using a preclinical human laboratory arrangement. Participants were exposed to the extinction cue strategy, the context fading strategy, both strategies, or neither strategy during a three-phase ABA renewal procedure using differential reinforcement of an alternative response combined with extinction. The results indicated that context fading or combining context fading with an extinction cue was effective at mitigating renewal. The use of an extinction cue alone reduced renewal relative to the control group, but this difference was not statistically significant. The results are discussed in terms of methodological and theoretical differences across strategies as well as implications for future research on renewal mitigation strategies.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,353
Écart entre enseignants0,317 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Experimental Analysis of BehaviorMême sujetBehavioral and Psychological StudiesTravaux en français237 207