«– man kjenner liksom hele seg». En mikroanalytisk studie av prosess og endring i fire terapiforløp fra et affektbevissthetsperspektiv
Notice bibliographique
Résumé
I søken etter å forklare terapeutisk endring har klinisk psykologisk forskning i økende grad vendt seg mot å belyse endringsprosesser, og arbeid med følelser har trådt frem som en virksom prosess på tvers av modeller. Denne studien tar utgangspunkt i affektbevissthetsmodellen (ABT; Monsen & Monsen, 1999) som har som terapeutisk mål å fremme affektintegrasjon. Studiens formål er å beskrive terapeutisk endring og prosess i fire terapier med forskjellige forløp og utfall, målt med selvrapporterte symptomer (SCL-90-R) og interpersonlige problemer (IIP-64). Tre transkriberte terapitimer fra hvert terapiforløp ble kodet etter ARIF, som beskriver pasienters affektrepresentasjon og terapeuters intervensjonsfokus, og analysert med et mixed methods design. Resultatene indikerer at pasientene har gjennomgått fire typer endring. «Lena» rapporterer nedgang i utfallsmål og gjennomgår en omfattende strukturell endring etter ARIF. «Per» rapporterer mye symptomreduksjon, men i mindre grad reduksjon i interpersonlige problemer, og observert endring i henhold til ARIF er begrenset. «Wenche» rapporterer endring på flere nivå i ARIF, men begrenset reduksjon i selvrapporterte utfallsmål. «Lotte» avbryter terapien og gjennomgår lite endring før dette. De ulike gradene og formene for endring blir diskutert. Studien belyser betydningen av hvordan den terapeutiske relasjonen og målrettet arbeid med affektintegrasjon kan fremme endring på ulike måter.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,007 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».