Influence de la force de la cohésion sur l’expression des facteurs thérapeutiques dans les traitements de groupe offerts à une clientèle dépendante
Bibliographic record
Abstract
Cette étude vise à documenter les facteurs thérapeutiques présents dans le discours de joueurs et de toxicomanes ayant pris part à une thérapie de groupe dans un centre de traitement de la dépendance selon la force de la cohésion perçue. L’étude documente également la manière dont les facteurs thérapeutiques sont perçus et s’expriment chez cette clientèle dépendante. À cette fin, une analyse qualitative est réalisée sur les transcriptions d’entrevues de 15 participants répartis en deux catégories selon leur score à une évaluation de la cohésion du groupe, à savoir les catégories Forte et Faible cohésion. L’analyse qualitative des entrevues a permis de relever huit facteurs thérapeutiques dans le discours des participants. L’universalité, l’espoir et la compréhension de soi sont identifiés dans le discours des participants, peu importe le niveau de cohésion. L’analyse du discours des participants de la catégorie Forte cohésion révèle d’autres facteurs thérapeutiques non invoqués par les autres participants, soit : le partage d’information, l’altruisme, l’apprentissage interpersonnel, le développement d’habiletés sociales et la catharsis. Ainsi, une forte cohésion semble associée à une plus grande variété de facteurs thérapeutiques. Les résultats de la présente étude réitèrent l’importance d’une forte cohésion pour le développement des facteurs thérapeutiques en groupe et incidemment le rétablissement des membres.
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 | 0.007 | 0.031 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".