Onlineund Telepsychotherapie
Bibliographic record
Abstract
Im Frühjahr 2020 verbreitete sich das Coronavirus, weshalb die österreichische Bundesregierung einen sogenannten Lockdown verhängte, was Umstellungen an der Ambulanz der Sigmund Freud PrivatUniversität (SFU) in Wien erforderte. Psychotherapeut*innen wechselten das Setting und führten die Behandlungen in Form einer Onlinebzw. Telepsychotherapie fort. Ein Forschungsteam fragte nach den Auswirkungen des Lockdown bedingten Settingwechsels hin zur Fernbehandlung und nach Ende des Lockdowns wieder auf das traditionelle Setting zurück auf die Behandelnden und die Klient*innen der SFU-Ambulanz. Zur Beantwortung der Frage wurden Online-Befragungen mit Klient*innen und Psychotherapeut*innen der SFU-Ambulanz durchführte und mittels zusammenfassender Inhaltsanalyse ausgewertet. Die Flexibilität des Ortes und die Distanz wurden durchaus positiv beschrieben, andererseits führte gerade letztere bei Klient*innen zu verstärkten Gefühlen der Einsamkeit und Isolierung, zusätzlich konnten sich Patient*innen emotional weniger auf die Psychotherapie einlassen. Nach der Rückkehr in das Präsenz-Setting berichteten die Beteiligten mehrheitlich, dass dieses angenehmer sei, meinten aber, es sei nun schwerer, den erhöhten Zeitaufwand durch Anfahrt, Wartezeit und Heimweg im Vergleich zum Online-Setting zu akzeptieren. Insgesamt lässt sich resümieren, dass die Ergebnisse der Befragung bestätigen, dass die Onlinebzw. Telepsychotherapie für manche Klient*innen durchaus Vorteile hat und es daher sinnvoll sein kann, wenn Psychotherapeut*innen diese Optionen auch nach der Pandemie offensteht.
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 | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.532 | 0.249 |
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".