Chapitre 9. Offrir un manuel d'auto-traitement en guise de compensation éthiquement acceptable pour avoir participé à un projet de recherche en psychiatrie
Bibliographic record
Abstract
Résumé En raison de contraintes imposées par les comités d’éthique, il peut être difficile pour les chercheurs d’offrir aux participants des compensations justes ou qui favorisent le recrutement sans avoir un impact négatif sur l’aptitude à donner son consentement sur une base volontaire. La présente étude vise à appuyer par des données empiriques l’intérêt d’une stratégie alternative de compensation à la participation à un projet de recherche : le recours à un manuel d’auto-traitement. L’échantillon comptait 33 participants (24 femmes et 9 hommes) âgés entre 20 et 59 ans souffrant d’acrophobie. Au terme de leur participation à une étude expérimentale, les participants ont reçu un manuel d’auto-traitement conçu spécifiquement pour le traitement de la peur des hauteurs. La sévérité de l’acrophobie a été mesurée avant la présentation du manuel d’auto-traitement et six mois après. Les résultats au Questionnaire d’Acrophobie révèlent une réduction statistiquement significative des scores suite au recours à un auto-traitement en guise de compensation. Les données suggèrent que les participants sont satisfaits de l’aide apportée par le manuel d’auto-traitement et que le concept est perçu de façon positive. En conclusion, cette étude ne prétend pas être une étude d’efficacité d’une nouvelle forme de thérapie. Elle vise à outiller les chercheurs dans leurs démarches auprès des comités d’éthiques à la recherche. À cet égard, il appert que l’usage d’un auto-traitement représente une stratégie de compensation intéressante.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.045 | 0.013 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".