영향을 미치는 공감적 조율 온라인 교육

이 연구는 심리학자를 위한 공감적 조율 온라인 교육 프로그램의 효과를 관찰하고자 합니다. 이 훈련은 감정 중심 치료를 기반으로 합니다.

본 연구는 하나의 주요 목적과 두 가지 보조 목적을 갖는다. 의 주요 목표는 공감적 조율 훈련의 촉진자로서 연민 훈련의 영향을 탐구하는 것입니다. 이러한 이유로 치료사를 두 가지 공감 훈련 프로그램에 무작위로 배정하는 실험적 설계가 수행될 예정입니다. 하나는 연민 훈련을 동반하고 다른 하나는 집중 훈련을 동반합니다.

보조 목표:

• 스페인어로 세 가지 공감 척도를 검증하기 위해 Barrett-Lennard의 관계형 목록의 공감 이해 하위 척도, 표현된 공감 척도에 대한 Watson의 관찰 및 SOCS-O(Sussex-Oxford Compassion for Others Scale)에서 만든 공감 하위 척도입니다.
• 공감 인식, 특히 자기 비판의 역할과 관련된 환자 변수를 탐색합니다.

상세 설명

목표 및 가설

I. 본 논문의 주요 목적: 동정심 공감이 공감적 조율 훈련 프로그램에 미치는 영향을 탐구합니다.

다음 가설이 대조됩니다.

1. 아마도 공감/연민에 대한 훈련은 공감/집중 훈련보다 치료적 현존감을 더 크게 증가시킬 것입니다. 프레즌스 점수에 대한 시간 x 그룹의 상호 작용이 통계적으로 유의한 영향을 미칠 것으로 예상됩니다.
2. 아마도 공감/연민에 대한 훈련은 공감/집중 훈련보다 치료사의 정서 조절 능력을 더 크게 증가시킬 것이다. DERS 하위 척도 등급에 대한 시간 x 그룹의 상호 작용의 통계적으로 유의미한 효과가 예상됩니다.
3. 아마도 공감/연민 훈련은 공감/집중 훈련보다 치료사의 치료 동맹 점수를 더 많이 증가시킬 것입니다. 동맹 점수에 대한 시간 x 그룹의 상호 작용이 통계적으로 유의미한 영향을 미칠 것으로 예상됩니다.
4. 아마도 공감/연민 훈련은 공감적 고통(대인관계 반응 지수)과 공감적 고통(인지 및 정서적 공감 테스트)을 줄이고, 공감 행복(인지 및 정서적 공감 테스트)과 공감 걱정(대인 반응 지수)을 증가시켜 공감/집중 훈련보다 더 큰 범위. 이러한 측정에 대한 시간 x 그룹의 상호 작용의 통계적으로 유의미한 효과가 예상됩니다. 특히 대인관계 반응 지수와 인지 및 정서적 공감 테스트 하위 척도 점수에서. 한편, 환상(대인관계 반응성 지수), 공감적 관점(대인관계 반응성 지수), 관점 채택(인지 및 정서적 공감 테스트) 및 정서적 이해(인지 및 정서적 공감 테스트)는 공감 훈련 그룹 모두에서 변경되지 않을 것으로 예상됩니다. .
5. 매개가설: 공감/집중과 비교하여 치료자의 공감(인지 및 정서공감검사, 대인관계반응지수, 공감이해, 표현공감)의 변화는 마음챙김 측면의 변화(Five Facet Mindfulness Questionnaire)에 의해 매개될 것이다. 및 자기 연민(Self-Compassion Scale; Sussex-Oxford Compassion Scale).

II. 공감 척도에 대한 스페인어 검증(Barrett-Lennard의 관계 목록, 표현된 공감 및 Sussex-Oxford Compassion Scale의 공감 이해 하위 척도).

1. 기준 타당성: 표현된 공감 척도와 공감적 이해 척도 사이에 통계적으로 유의미한 상관관계가 예상됩니다. 자기 보고 측정(대인관계 반응 지수, 인지 및 정서적 공감 테스트)과 표현된 공감 및 공감적 이해 측정치, 치료적 현존감 사이에 유의미한 상관관계가 있을 것으로 예상됩니다.
2. 치료사와 환자의 버전 모두에서 관계 목록의 공감적 이해 측정에 대한 적절한 신뢰성(Cronbach's alfa 및 McDonald's omega)에 대한 증거가 예상됩니다.
3. 표현된 공감 척도에 대한 적절한 인터레이터 신뢰도에 대한 증거가 예상됩니다.
4. 증분 타당성: 환자의 공감적 이해 설명 설명은 세션 평가(동맹)와 통계적으로 유의미한 연관성을 보여줄 것이며, 일단 치료사가 평가한 공감적 이해와 표현된 공감(외부 평가자에 의해 평가됨)을 제어했습니다. 그러나 치료사의 공감적 이해 버전은 일단 환자 버전의 효과를 무시하고 공감을 표명하면 분산을 설명하지 않습니다.

III. 공감 평가와 관련된 환자 변수 탐색: 환자의 자기 비판의 역할.

1. 자기비판 점수가 높은 환자가 인지하는 공감은 자기비판 점수가 낮은 환자가 인지하는 공감보다 열등할 것이다.
2. 공감/연민 훈련은 공감/집중 훈련보다 이러한 환자들에게 더 높은 점수를 얻을 것입니다.

신병 모집

1단계:

사람들을 환자로 모집하기 위해 심리학 및 기타 학위를 소지한 Comillas University의 학생들이 참여하도록 요청받을 것입니다. 그들은 연구 목표와 그들의 역할 및 개인 데이터 보호에 대한 정보를 받게 됩니다. 참여를 원하는 경우 데이터 사용에 대한 정보에 입각한 동의서에 서명하고 이메일을 통해 연락할 수 있도록 요청하고 자기 비판 설문지를 작성해야 합니다.

매 순간 참가자는 주요 연구원의 연락처 정보를 사용할 수 있으므로 질문이나 의심을 할 수 있습니다. 또한 참가자는 언제든지 참여 및 데이터 저장을 취소할 수 있음을 알립니다.

치료사와 관련하여 연구에 대한 모든 정보가 포함된 브로셔가 소셜 네트워크에 배포됩니다.

2 단계:

환자와 치료사는 연구 개발에 대한 모든 정보가 포함된 이메일을 받게 되며 정보 사용에 대한 사전 동의서와 치료사가 수집할 정보에 대한 특정 기밀 문서에 서명해야 합니다. 온라인 인터뷰 중 환자들로부터.

참가자들

1. 훈련 중인 치료사 이전 메타 분석을 기반으로, 우리는 치료에 대한 이전 순간과 이후 순간 사이의 변화에 ​​대한 평균 효과 크기(g of Hedge=0.51)를 예측합니다. 알파를 0.05로 가정하고 효능을 0.8로 가정한 전력 분석은 26명의 참가자가 필요함을 나타냅니다. 이 연구에서는 각 조건에 대해 총 30명의 참가자를 대상으로 합니다.

   일반적으로 온라인 개입에 존재하는 높은 탈락률을 처리하기 위해 80명의 치료사가 연민 훈련과 집중 훈련이라는 두 조건 사이에 무작위로 배정됩니다.

   치료사 그룹에 대한 제외 기준: "공감적 조율" 과정을 수강한 모든 학생은 제외됩니다. 집중 또는 연민 교육을 받은 피험자도 제외됩니다.

   치료사 그룹에 대한 포함 기준: 심리 치료 경험이 있는 심리학자(최소 한 명의 고객).

2. 환자로 면담한 참가자 총 40명이 치료사와 면담을 하게 됩니다. 참가자/환자 제외 기준: 심각한 정신 질환(정신분열증, 정신병 및 인격 장애)을 나타내는 참가자는 제외되며, 심각한 중독 또는 섭식 장애를 나타내는 참가자도 제외됩니다. 이러한 진단의 존재 여부를 조사합니다.

참가자/환자 포함 기준: 자발적 참여, 18세 이상

• 사이트 모니터링 및 감사 계획을 포함하여 데이터 유효성 검사 및 등록 절차를 다루는 품질 보증 계획: 2명의 외부 전문가가 연구 프로젝트 및 데이터 등록을 모니터링하고 감사합니다.

방법 자발적인 치료사가 등록되면 샘플 기능을 사용하여 R 통계 패키지에 난수를 생성하는 무작위 세션에서 무작위 배정됩니다.

참여하는 훈련 중인 치료사는 표 2에 표시된 조치를 받게 됩니다.

치료사 자가 보고 측정. 사전 및 사후 자기 보고 측정: 인지 및 정서적 공감 테스트, 대인 관계 반응 지수, 자기 연민 척도, 5면 마음챙김 설문지, Sussex-Oxford 연민 척도 사전 및 사후 인터뷰 후 측정: 존재감 및 RI, 프로그램 측정 준수

이 측정 그룹에는 공감의 정서적, 인지적, 행동적 측면이 포함됩니다. 환자의 역할에 대한 참가자는 표 3에 설명된 조치를 받게 됩니다. 두 명의 외부 심사위원이 개입의 마지막 10분을 평가하여 치료사의 표현된 공감을 평가합니다.

표 3. 환자 역할에 대한 참가자의 자가 보고 측정. BAI FSCRS RI-EU 치료사 공감(환자 버전) 치료사 존재(환자 버전) SRS(세션 평가)

인터뷰 방법 인터뷰를 하기 위해 각 환자와 치료사는 데이터 기밀성을 보장하기 위해 온라인 팀 세션을 통해 약속을 받습니다.

심리 치료 세션을 시뮬레이션하고 공감적 탐구 이전의 감정적 과정을 활성화하기 위해 참가자는 자신의 자기 비판적 목소리와 경험하는 목소리를 탐구하기 위해 2인용 대화를 하도록 초대됩니다. 마지막으로 치료사는 20분 동안 공감적으로 탐색하도록 요청받습니다.

데이터 분석

혼합 선형 모델은 분석된 종속 변수에 대한 다양한 유형의 훈련의 영향을 분석하는 데 사용됩니다. 통계 패키지 lme4(Bates, Mächler, Bolker 및 Walker, 2015), R(R Core Team, 2020)이 사용됩니다.

중재 분석은 SPSS와 Hayes(2017)의 프로세스 구문을 사용하여 수행됩니다.

준수 기준 작업: 세션의 25% 이상 참석하지 않는 참가자는 제외됩니다. G* 전원 3.1. 9. 6(Faul, Erdfelder, Lang 및 Buchner, 2007)이 효능 계산에 사용되었습니다.