EXPLORING RELAPSE IN THE HUMAN LABORATORY: NOTES FROM A SYMPOSIUM
Notice bibliographique
Résumé
“Relapse” broadly refers to the recurrence of pre-intervention behavior patterns when some aspect of the intervention is changed. Because relapse poses a challenge to the long-term maintenance of behavior-analytic treatment effects, a considerable amount of basic, translational, and applied research has been dedicated to understanding why it happens and what can be done to prevent it. A growing proportion of that research is conducted with humans in laboratory settings. Human laboratory analyses of relapse, however, come packaged with nuances that may not be immediately obvious to readers or researchers who aim to establish new lines of related research. This project is a symposium of sorts that focuses specifically on these nuances. Four researchers were asked to reflect on their experiences conducting laboratory analyses of relapse with human participants. The goal of this project was to provide information that may be helpful to researchers who may be interested in developing lines of human-laboratory research on relapse. This information included idiosyncratic factors researchers consider when studying relapse of human behavior in the laboratory as well as the strengths and weaknesses of various laboratory methods for doing so. The researchers’ perspectives are synthesized in a post-symposium discussion. We encourage further development of a tight-knit community of human-laboratory relapse researchers to help overcome barriers to research in this context.
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 | 0,059 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,021 | 0,016 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,008 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».