SciELO - Scientific Electronic Library Online

 
vol.30 número3El papel de las variables sociales y fisiológicas en la mejora cognitiva de los adultos mayores tras una intervención de canto en grupo: el ensayo controlado aleatorio Sing4HealthLa cibervictimización, la victimización offline y el ciberbullying: el rol mediador del uso problemático de las redes sociales virtuales en chicos y chicas índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Compartir


Psychosocial Intervention

versión On-line ISSN 2173-4712versión impresa ISSN 1132-0559

Resumen

AHMADI, Asghar et al. Revisión sistemática del aprendizaje automático para la evaluación y feedback de la fidelidad al tratamiento. Psychosocial Intervention [online]. 2021, vol.30, n.3, pp.139-153.  Epub 09-Ago-2021. ISSN 2173-4712.  https://dx.doi.org/10.5093/pi2021a4.

Se ha puesto de manifiesto que muchos tratamientos psicológicos tienen un coste efectivo y son eficaces siempre que se apliquen con fidelidad. La evaluación de esta y el feedback son caros y exigen mucho tiempo. El aprendizaje automático se ha utilizado para evaluar la fidelidad al tratamiento, aunque su fiabilidad y capacidad de generalización no estén claras. Recopilamos y analizamos todas las aplicaciones de aprendizaje automático con el fin de evaluar el comportamiento verbal de todos los profesionales de ayuda, con el acento particular en la fidelidad al tratamiento de los terapeutas. Llevamos a cabo búsquedas en nueve bases de datos electrónicas para enfoques automáticos de codificación de comportamiento verbal en terapia y contextos semejantes. Llevamos a cabo el cribado, la extracción y la evaluación de la calidad por duplicado. Cincuenta y dos estudios cumplían nuestros criterios de inclusión (el 65.3% en psicoterapia). Los métodos de codificación automática resultaban mejor que el azar y algunos de ellos mostraban un desempeño casi al nivel humano, que tendía a ser mejor con conjuntos más grandes de datos, un número de códigos menor, códigos conceptualmente simples y cuando predecían índices al nivel de sesión que los de tipo declaración. Escasos estudios cumplían las directrices de buena praxis en aprendizaje automático. Este presentó unos resultados alentadores, sobre todo donde había conjuntos de datos grandes y anotados y un escaso número de características concretas que codificar, modos expansibles de evaluar la fidelidad y facilitar a los terapeutas un feedback individualizado, rápido y objetivo.

Palabras clave : Aprendizaje automático; Fidelidad al tratamiento; Integridad del tratamiento; Supervisión clínica; Feedback.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )