Using the Creative Arts in Therapy and Healthcare
Notice bibliographique
Résumé
Warren, Looking Backwards, Looking Forwards: A Preface and Introduction to Using the Creative Arts in Therapy and Healthcare. Warren, Guidelines, Preparations and Practical Hints: A Brief Checklist for Workshop Leaders. Warren, Don't Forget to Breathe and Smile: Breathing Exercises as Warm-ups for Activities in Healthcare Settings. Watling, James, Folklore and Ritual as a Basis for Creative Therapy. Nadeau, Using the Visual Arts to Expand Personal Creativity. Warren, Coaten, Dance: Developing Self-image and Self-expression Through Movement. Yon, Expanding Human Potential Through Music. Warren, Drama: Using the Imagination as a Stepping-stone for Personal Growth. Neill, Storymaking and Storytelling: Weaving the Fabric That Creates Our Lives. Welch, Creating Community: Ensembling Performance Using Masks, Puppets and Theatre. Rollins, Arts for Children in Hospitals: Helping to Put the Art Back in Medicine. Pointe, Serviss, Friends Arts in Healthcare Programs at The University of Alberta Hospital: Fostering a Healing Environment. Warren, Healing Laughter: The Role and Benefits of Clown-doctors Working in Hospitals and Healthcare. Schamberger, Songlines: Developing Innovative Arts Programs for Use with Children Who Are Visually Impaired or Brain Injured. Spitzer, Laughterboss: Introducing a New Position in Aged Care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».