MétaCan
Menu
Retour à la cohorte
Enregistrement W7106010394 · doi:10.7939/83326

A Descriptive Qualitative Approach to Understanding Psychologists’ Process Assessing English Language Learners

2025· dissertation· en· W7106010394 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversity of Alberta Library · 2025
Typedissertation
Langueen
DomainePsychology
ThématiqueCounseling Practices and Supervision
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)PreparednessIntervention (counseling)Process (computing)Quality (philosophy)MulticulturalismDiversity (politics)Cultural competenceQualitative research

Résumé

récupéré en direct d'OpenAlex

Psychological assessment is a cornerstone of evidence-based practice, offering critical insights that can foster growth, enhance self-esteem, and identify areas for effective intervention. Despite the importance of assessment to psychological practice, assessment has historically received less research attention than intervention practices, leaving significant gaps in understanding and optimizing this process, particularly in the context of diverse populations. This issue is particularly pressing in Canada, where an increasingly multicultural and multilingual population presents unique challenges for psychologists conducting culturally responsive and evidence-based assessments. Language, a key aspect of diversity, plays a pivotal role in the assessment process, influencing rapport-building, test administration, diagnostic accuracy, and intervention planning. However, psychologists often lack adequate training and understanding to navigate the complexities of language diversity effectively, resulting in potential disparities in service quality for linguistically diverse populations, including English language learners (ELLs). This study investigated how psychologists conduct assessments with ELLs, focusing on their training experiences, strategies to navigate linguistic complexities and assessment practices. Using a descriptive qualitative approach, Canadian psychologists (N = 4) described their experiences through in-depth interviews. The participants also submitted clinical process notes based on an assessment case with an ELL client and completed a demographic questionnaire to provide additional context about their training and assessment practices. Findings highlight significant gaps in psychologists' preparedness to conduct psychological assessments with ELLs, including limited exposure to second-language acquisition knowledge and training regarding assessments with linguistically diverse populations. The participants described the need to adapt assessment methods when working with ELL clients and ensuring they are engaging in culturally responsive practices to make informed clinical decisions and recommendations for interventions tailored to their client's needs. The findings underscore the role of clinical reasoning and decision-making in integrating diverse data sources and addressing biases in standardized tests. Recommendations for training and practice emphasize the importance of enhanced graduate training, professional development opportunities, and evidence-based guidelines for assessing ELLs, ultimately improving psychologists' ability to deliver more inclusive and practical assessments. This work contributes to the field by offering insights that can bridge the training-to-competency gap and promote culturally responsive psychological assessment in Canada's increasingly diverse society.

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)0,032
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,032
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0090,009
Communication savante0,0050,003
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,350
Écart entre enseignants0,276 · 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'étudeQualitatif
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Alberta LibraryMême sujetCounseling Practices and SupervisionTravaux en français237 207