PubMed چکیده/رکورد

Psychological Therapy in the Age of Large Language Models: Framework for Therapist-Delivered and AI-Supported Functions.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

Large language models are increasingly used within and alongside therapy. As large language models perform more therapy functions, questions arise about what the future might hold for therapists and what they will do. We argue that the enduring therapist role in the age of AI-assisted care is currently best understood through relational, adaptive, and accountability functions. These functions include therapeutic challenge, use of the therapeutic relationship as a mechanism of change, rupture detection and repair, bearing witness to suffering, calibration of pace and treatment burden, and clinical judgment under uncertainty across the broader care pathway. Drawing on psychotherapy theory, digital mental health research, the declarative-procedural-reflective model by Bennett-Levy, and our clinical experience, we propose a clinically informed, hypothesis-generating, relational-adaptive-accountability framework. This framework is intended to support further empirical testing and may have implications for workforce development, supervision, training, and service design.

نتیجه فارسی

این مقاله یک چارچوب جدید برای نقش درمانگران در عصر هوش مصنوعی ارائه می‌دهد که بر عملکردهای رابطه‌ای، سازگار و پاسخگویی تمرکز دارد. این چارچوب بر اساس نظریه رواندرمانی و تجربه بالینی توسعه یافته است و برای آزمون‌های تجربی و توسعه نیروی کار پیشنهاد می‌شود.

  • نقش درمانگر در عصر هوش مصنوعی بر عملکردهای رابطه‌ای، سازگار و پاسخگویی متمرکز است.
  • عملکردها شامل چالش درمانی، تعمیر شکستن رابطه و تنظیم بار درمانی است.
  • چارچوب مبتنی بر مدل اظهاری-روانشناختی-تفکر بازتابی بنتلی-لووی است.
  • این چارچوب برای توسعه نیروی کار، نظارت و آموزش درمانگران مفید است.

ترجمه فارسی چکیده

مدل‌های زبانی بزرگ به طور فزاینده‌ای در و در کنار درمان استفاده می‌شوند. با افزایش عملکردهای درمانی مدل‌های زبانی بزرگ، سوالاتی درباره آینده درمانگران و وظایف آن‌ها مطرح می‌شود. ما استدلال می‌کنیم که نقش پایدار درمانگر در عصر مراقبت‌های کمکی با هوش مصنوعی، اکنون بهتر از طریق عملکردهای رابطه‌ای، سازگار و پاسخگویی درک می‌شود. این عملکردها شامل چالش درمانی، استفاده از رابطه درمانی به عنوان مکانیسم تغییر، تشخیص و تعمیر شکستن رابطه، شاهد بودن در برابر رنج، تنظیم سرعت و بار درمانی، و قضاوت بالینی در شرایط عدم قطعیت در مسیر مراقبت گسترده‌تر است. بر اساس نظریه رواندرمانی، تحقیقات سلامت روان دیجیتال، مدل اظهاری-روانشناختی-تفکر بازتابی بنتلی-لووی و تجربه بالینی خودمان، یک چارچوب رابطه‌ای-سازگار-پاسخگویی مبتنی بر فرضیه‌های بالینی را پیشنهاد می‌کنیم. این چارچوب برای پشتیبانی از آزمون‌های تجربی بیشتر و دارای implications برای توسعه نیروی کار، نظارت، آموزش و طراحی خدمات است.

روش پژوهش

این مقاله بر اساس نظریه رواندرمانی، تحقیقات سلامت روان دیجیتال و تجربه بالینی توسعه یافته است.

محدودیت‌ها

محدودیت‌ها در متن گزارش نشده‌اند.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
درمانگران و مراجعین احتمالی در درمان روانشناختی.
مداخله/مواجهه
چارچوب عملکردهای رابطه‌ای، سازگار و پاسخگویی برای درمانگران.
مقایسه
هیچ مقایسه‌ای گزارش نشده است.
حجم نمونه
عدد نمونه گزارش نشده است.

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

AIartificial intelligencedigital mental healthlarge language modelsmental health servicespsychotherapysupervisiontherapist competencetrainingworkforce development
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2026

Parallel Parent-Child Mindfulness Intervention for Migrant Families' Adaptation: A Randomized Controlled Trial.

Parent and child sociocultural adaptation is essential to migrant family well-being, and community-based mindfulness training may support this process. However, evidence on mindfulness interventions for migrant families remains scarce, particularly those engaging parent and child simultaneously. This study evaluates a parallel parent-child mindfulness intervention targeting sociocultural adaptation, psychological adjustment, and family…

PubMed2026

Perceived discrimination, coping, and psychosocial adjustment: A mixed methods study of Chinese internal migrant youth.

Studies of identity-based discrimination among Chinese youth attending vocational schools and working in urban areas are scarce. To contribute to the global understanding, we adopted an explanatory sequential mixed-methods design with 204 Chinese internal migrant youth (Aged 16-24, 68.1% male, Mage = 20.17 years, SD = 1.57) to examine the associations between perceived discrimination and psychological adjustment, and the moderating rol…

PubMed2026

Perceived Utility of Combining Atypical Long-Acting Injectable Antipsychotics With Psychosocial Interventions: An Exploratory Survey of Mid-Career Psychiatrists in Japan.

AIMS: Although combining long-acting injectable antipsychotics (LAIs) with psychosocial treatments for schizophrenia is important, psychiatrists' attitudes toward this approach remain underexplored. We investigated Japanese psychiatrists' perceptions of combining atypical LAIs with psychosocial interventions. METHODS: An anonymous cross-sectional web-based survey was administered to 1038 mid-career Japanese psychiatrists, of whom 69 pr…

PubMed2026

Geographic variation in access to Medicare-subsidised psychotherapy.

OBJECTIVE: Within Australia, evidence is limited regarding how access to mental health care varies across geographical regions, and which areas experience the lowest levels of service use. This study aimed to provide new population-level evidence on the geographic variation in the use of Medicare-subsidised psychotherapy over the past decade and identify regions with the lowest service use. METHODS: We used administrative data from the…