Therapists in training: Brief interventions to ease negative self-evaluations and improve affective well-being
Notice bibliographique
Résumé
Clinical and counselling psychology trainees take on many different roles throughout the course of their graduate training, including intensive course loads, research, and clinical training. Previous research has identified significant distress and psychological symptoms reported by graduate students in clinical training. Also documented are complex barriers to receiving help for their mental health concerns. The aim of the current study was to better understand the experiences of graduate therapist trainees by tracking them over time to investigate the psychological difficulties they experience, and to examine the efficacy of brief online exercises designed to combat self-criticism and induce self-compassion. 254 clinical and counselling psychology trainees were recruited from 50 graduate programs across Canada and the United States. Participants completed baseline measures assessing self-compassion, self-criticism, positive, negative, and compassionate affect, depression, anxiety, dysfunctional attitudes, fear of negative evaluation, stress, and professional self-doubt. Participants were randomly assigned to one of three groups, a “working with self-criticism” condition, a “loving kindness meditation” condition, or a waitlist control condition. Following the baseline measures, trainees completed the online interventions for eight weeks, then completed measures at post-test and a one-month follow-up. Results indicated that the therapist trainees experienced moderate to severe levels of distress on most psychological outcome measures at baseline. However, it was found that the two active conditions were effective in reducing self-criticism and fear of negative evaluation, while increasing compassionate affect compared to the control condition. The results support the value of self-care and reflective practices among clinical and counselling trainees. Clinical implications and future directions are discussed.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».