---
type: "Akademik Makale Analizi"
title: "CFiCS: Ortak Faktörlerin ve Mikro Psikolojik Danışma Becerilerinin Çizge Tabanlı Sınıflandırılması"
description: "Klinik psikoloji ve psikoterapi Araştırmaları, terapist davranışlarının ve danisan tepkilerinin tedavi süreçlerine olan etkisini anlamak üzere doğal dil işleme ve makine öğrenmesi tekniklerine yönelmektedir. Psikoterapinin farklı ekollerinde ortak değişim ilkeleri olarak kabul edilen ortak faktörler"
resource: "https://makaleanalizi.com/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/cfics-ortak-faktorlerin-ve-mikro-psikolojik-danisma-becerilerinin-cizge-tabanli-siniflandirilmasi"
doi: "10.18653/v1/2025.clpsych-1.9"
authors: ["Fabian Schmidt", "Karin Hammerfald", "Henrik Haaland Jahren", "Vladimir Vlassov"]
citation: "Schmidt, F., Hammerfald, K., Jahren, H. H., Vlassov, V. (2025). CFiCS: Graph-Based Classification of Common Factors and Microcounseling Skills. Proceedings of the 10th Workshop on Computational Linguistics and Clinical Psychology (CLPsych 2025), 106-115. https://doi.org/10.18653/v1/2025.clpsych-1.9"
publicationType: "computational"
discipline: "Mühendislik ve Teknoloji"
subDiscipline: "Bilgisayar ve Elektrik Mühendisliği"
evidenceCount: 21
tags: ["Ortak faktörler", "Mikro danışma becerileri", "Çizge sınır ağları", "Klinik doğal dil işleme", "Psikoterapi"]
timestamp: "2026-07-26T16:46:51.160Z"
---

# CFiCS: Ortak Faktörlerin ve Mikro Psikolojik Danışma Becerilerinin Çizge Tabanlı Sınıflandırılması

Özgün başlık: CFiCS: Graph-Based Classification of Common Factors and Microcounseling Skills
DOI: https://doi.org/10.18653/v1/2025.clpsych-1.9
Künye (APA 7): Schmidt, F., Hammerfald, K., Jahren, H. H., Vlassov, V. (2025). CFiCS: Graph-Based Classification of Common Factors and Microcounseling Skills. Proceedings of the 10th Workshop on Computational Linguistics and Clinical Psychology (CLPsych 2025), 106-115. https://doi.org/10.18653/v1/2025.clpsych-1.9

Bilim alanı: [Mühendislik ve Teknoloji](/okf/muhendislik-ve-teknoloji/index.md) › Bilgisayar ve Elektrik Mühendisliği

# Alan bağlamı

Klinik psikoloji ve psikoterapi Araştırmaları, terapist davranışlarının ve danisan tepkilerinin tedavi süreçlerine olan etkisini anlamak üzere doğal dil işleme ve makine öğrenmesi tekniklerine yönelmektedir. Psikoterapinin farklı ekollerinde ortak değişim ilkeleri olarak kabul edilen ortak faktörler ve bunları pratikte uygulayan mikro psikolojik danışma becerileri, tedavi başarısını yordamada kritik birer bileşendir. Ancak bu terapötik o öğelerin metinsel verilerden otomatik olarak tanınması, diyaloglarin bağlamsal ve nuanstali yapısı nedeniyle büyük zorluklar barındırmaktadır.

# Akademik özet

Psikoterapi süreçlerinin etkililiğini inceleyen araştırmalar, farklı teorik ekollerden bağımsız olarak tüm terapilerde ortak olan değişim ilkelerinin ve mikro danışma becerilerinin tedavi sonuçlarını doğrudan etkilediğini göstermektedir. Söz konusu ortak faktörler ve beceriler, terapist ile danisan arasındaki ilişkinin kalitesini belirlemede kritik bir role sahiptir. Ancak terapötik diyaloglarin içerdiği hassas veriler ve bağlama göre değişkenlik gösteren yapısı nedeniyle, bu ilkelerin manuel olarak kodlanması maliyetli ve ölçeklenebilirlikten uzaktır. Bu durum, psikoterapi metinlerinin otomatik olarak analizi ve sınıflandırılması için kuramsal temele dayanan hesaplamalı yaklaşımların geliştirilmesini zorunlu kılmaktadır.

Mevcut literatürdeki boşlukları ele alan bu araştırma, ortak faktörleri, müdahale konseptlerini ve mikro psikolojik danışma becerilerini hiyerarşik bir cizge yapısı olarak modelleyen CFiCS çerçevesini önermektedir. Araştırmacılar, terapötik etkileşimleri temsil etmek üzere heterojen ve çok ilişkili bir bilgi cizgesi inşa etmişlerdir. Bu cizge yapısında ortak faktörler kök ve üst katmanları oluştururken, müdahale konseptleri ara katmanda, mikro danışma becerileri ve örnek metinler ise en alt pratik bileşenler olarak konumlandırılmıştır. Yöntemsel olarak, metinlerin anlamsal özelliklerini yakalamak için ClinicalBERT modelleri kullanılmış ve cizge yapısının topolojisini öğrenmek adına cizge sınır ağı mimarileri entegre edilmiştir.

Deneysel sonuçlar, klinik metin gomulerinin cizge yapısıyla bütünleştirilmesinin ortak faktörler, müdahale konseptleri ve beceri sınıflandırma görevlerinde geleneksel baselines yöntemlerine kıyasla büyük başarı artışları sağladığını göstermiştir. Özelikle ClinicalBERT ve GraphSAGE veya GAT mimarilerini birleştiren CFiCS yapılandırmaları, tüm görevlerde yüksek mikro ve makro F1 skorlarına ulaşmıştır. Örneğin, CFiCS GAT modeli ile elde edilen bulgular, cizge tabanlı mesaj iletim mekanizmalarının daha önce model tarafından görülmemiş yeni metin örneklerini başarıyla genellestirebildigini ve özellikle ince taneli beceri tahminlerinde üstün performans sergilediğini kanıtlamıştır.

Elde edilen bulgular, hesaplamalı dil bilimi ve klinik psikoloji yazınına, terapötik süreçlerin seans seans izlenmesini sağlayacak ölçeklenebilir bir araç sunması açısından önemli bir katkı sağlamaktadır. Geleneksel araştırmaların çoğu seans sonu değerlendirmelerine dayanırken, bu çalışma seans içi mikro süreçlerin otomatik olarak analiz edilmesine imkân tanıyan metodolojik bir zemin kurmaktadır. Sonuç olarak, geliştirilen cizge tabanlı sınıflandırma çerçevesi, klinisyenlere hedefli geri bildirim sağlama potansiyeli taşımakla birlikte, dijital sağlık araçlarıyla entegre edilebilecek güçlü bir yapay zeka tabanlı karar destek altyapısı sunmaktadır.

# Araştırmanın amacı

Bu çalışma, ortak faktörleri, müdahale konseptlerini ve mikro psikolojik danışma becerilerini heterojen bir cizge yapısı içinde birleştirerek metin tabanlı terapötik etkileşimleri hiyerarşik olarak sınıflandıran CFiCS adlı yeni bir yöntemsel çerçeve sunmayı amaçlamaktadır.

# Yöntem ve tasarım

Bu çalışma, psicoterapi süreçlerindeki ortak faktörleri, müdahale konseptlerini ve mikro psikolojik danışma becerilerini heterojen bir cizge yapısı içinde modelleyen ve metin tabanlı etkileşimleri sınıflandırmak için önceden eğitilmiş bağlamsal dil modelleriyle cizge sınır ağlarını birleştiren CFiCS adlı hesaplamalı bir sınıflandırma yaklaşımı sunmaktadır.

# Bulgular ve önermeler

1. CFiCS yöntemi, klinik metin gomuleri ile cizge yapısını entegre ettiğinde, tüm görevlerde geleneksel rastgele ormanlar ve temel BERT modellerine kıyasla mikro ve makro F1 skorlarında belirgin artışlar sağlamaktadır.
2. Sadece cizge yapısına dayanip metin gomulerini kullanmayan modeller, özellikle ince taneli beceri sınıflandırma görevinde düşük başarı göstererek metinsel özelliklerin eksikliğinin dezavantajını ortaya koymaktadır.
3. Boyutsal indirgeme görselleştirmeleri, becerilerin belirgin şekilde ayrı kumesel yapılar oluşturduğunu, ancak aynı becerinin farklı geniş terapötik öğelerle birlikte goruldugunde farklı konumlarda kümelediğini göstermektedir.
4. GraphSage mimarisi daha yüksek k değerlerinde üstün hatırlama ve keşif başarısı sergilerken, GAT mimarisi ince taneli beceri ayrımında daha etkilidir ve CFiCS yöntemi genel sınıflandırmada en yüksek performansı vermektedir.

# Yazarın tartışması

Çalışmada elde edilen bulgular, metin tabanlı terapötik etkileşimlerin sınıflandırılmasında cizge tabanlı yapıların ve önceden eğitilmiş dil modellerinin birlikte kullanılmasının sınıflandırma performansını güçlü bir şekilde desteklediğini göstermektedir.

Yazarlar, heterojen cizge içindeki hiyerarşik ilişkilerin ve düğüm niteliklerinin, modelin daha önce görülmemiş metin örneklerini bile bağlamsal olarak doğru sınıflandırmasına olanak tanıdığını ve özellikle ince taneli beceri tahmininde başarıyı artırdığını açıklamaktadır.

Literatür karşılaştırmalarında, geleneksel makine öğrenmesi ve yalnızca metin tabanlı veya yalnızca cizge tabanlı yaklaşımların sınırliliklarine dikkat çekilmiş, geliştirilen CFiCS çerçevesinin psikoterapi süreçlerindeki ortak faktörleri daha bütüncül bir taksonomiyle ele aldığı vurgulanmıştır.

Sonuç olarak araştırmacılar, önerilen yöntemin terapistlerin eğitim süreçlerinde oturum bazlı geribildirim almasını sağlayabileceğini ve klinik araştırmalarda mikro süreçlerin otomatik analizi için güçlü bir araç sunduğunu ifade etmektedir.

# Yazarın sonucu

Yazarlar, klinik metin gomuleri ile cizge tabanlı makine öğrenmesini birleştiren CFiCS çerçevesinin, ortak faktörleri, müdahale konseptlerini ve beceri kullanımlarını sınıflandırma başarısını, özellikle zorlu beceri tahmini görevinde geleneksel yöntemlere kıyasla anlamlı ölçüde artırdığını sonuç olarak ortaya koymaktadır.

# Literatürdeki işlevi

Bu çalışma, klinik psikoloji ve yapay zeka kesişiminde, psikoterapi diyaloglarının otomatik çözümlenmesi alanında önemli bir boşluğu doldurmaktadır. Geleneksel olarak izole davranışsal yapılara odaklanan nlp çalışmalarından farklı olarak, ortak faktörleri, müdahale konseptlerini ve mikro becerileri kapsayan hiyerarşik bir taksonomiyi cizge tabanlı öğrenme ile birleştirir. Yöntem, terapötik etkileşimlerin çok katmanlı yapısını matematiksel bir düzlemde modelleyerek literatute kavramsal ve yöntemsel bir bütünlük kazandırmaktadır.

Önceki çalışmalarla ilişkisi: Çalışma, önceki literatürde yer alan Bailey ve Ogles tarafından tanımlanan ortak faktörler çerçevesi ile Ivey ve diğerlerinin geliştirdiği mikro psikolojik danışma becerilerini temel almaktadır. Ayrıca metin tabanlı davranış kodlama çalışmalarında kullanılan BERT, ClinicalBERT ve GraphSAGE gibi mevcut derin öğrenme modellerini eleestirel bir yaklaşımla değerlendirerek, bu yöntemlerin tek başına yetersiz kaldığı noktalarda hibrit bir cizge yaklaşımının üstünlüğünü kanıtlamaktadır.

Literatür taramasına katkısı: Literatür taraması açısından bu makale, terapist davranışlarının oturum içi mikro süreçlerde nasıl kumeleventigini ve daha önce görülmemiş metin örneklerinin bile inductive öğrenme yöntemiyle nasıl siniflandirilabilecegini gösteren öncü bir referans sunmaktadır. Araştırmacılara, klinik metinlerin analizi ve otomatik geribildirim sistemlerinin geliştirilmesi konusunda hem kuramsal bir taksonomi hem de çalışır kod tabanlı yöntemsel bir yol haritası sağlamaktadır.

# Tez ve makale araştırmalarında kullanım

- **Psikoterapi diyaloglarinda ortak faktörler ve mikro becerilerin otomatik analizi, ölçek maliyetlerini düşürerek ölçeklenebilirlik sağlamaktadır.** — Insan tabanlı kodlama maliyetlerini düşürmek ve oturum içi mikro süreçleri izlemek amacıyla doğal dil işleme yaklaşımlarının literatürdeki yerini tartışmak için kullanılabilir.
- **Ortak faktörler, müdahale konseptleri ve mikro beceriler hiyerarşik bir cizge taksonomisi ile modellenerek semantik ilişkiler kurulabilir.** — Klinik kavramlar arasındaki hiyerarşik bağlantıları ve düğüm niteliklerini kuramsal çerçevede yapılandırmak amacıyla referans gösterilebilir.
- **Klinik metin gomuleri ile cizge yapısını birleştiren GraphSage mimarisi, ince taneli beceri sınıflandırmada yüksek başarı sağlamaktadır.** — Metin sınıflandırma çalışmalarında gnn tabanlı yaklaşımların seçimi ve başarı ölçütlerinin gerekçelendirilmesi süreçinde yöntemsel örnek olarak sunulabilir.

# Türetilebilir araştırma soruları

- **Türkçe psikoterapi oturumlarindaki danisan-terapist diyaloglarindan elde edilen metinlerde ortak faktörler ve mikro psikolojik danışma becerileri hiyerarşik bir cizge ağı ile doğrulukla sınıflandırılabilir mi?**
  - Desen: Çalışma evrenini Türkçe psikoterapi konuşma metinleri oluşturmaktadır. Örneklem büyüklüğü veri doygunluğuna ulaşılana kadar yürütülecek nitel seçimle belirlenecektir. Veriler oturum transkriptlerinden derlenecek, ClinicalBERT ve GraphSage tabanlı heterojen cizge mimarisiyle çözümlenecektir.
  - Gerekçe: Bu araştırma önerisi, makaledeki CFiCS modelinin Ingilizce dışındaki dillerde ve gerçek klinik metinlerde sınanması gerektiğine dair gelecek araştırma çağrısından ve sınırlılıklar bölümündeki dil bağımlılığı vurgusundan türetilmiştir.
- **Psikoterapi konusmalarindan elde edilen ses verilerinin prozodik özellikleri, metin tabanlı CFiCS cizge sınıflandırma modelinin beceri tahmin başarısını istatistiksel olarak artırmakta mıdır?**
  - Desen: Araştırma, sesli psikoterapi kayıtlarından oluşan bir örneklem üzerinde gerçekleştirilecektir. Örneklem sayısı istatistiksel güç analiziyle belirlenecektir. Veriler akustik ve metinsel olarak toplanacak, ses özellikleri ile cizge düğüm nitelikleri çok modlu bir sınır ağı mimarisiyle analiz edilecektir.
  - Gerekçe: Bu önerinin gerekçesi, makalede dilsel belirsizlik ve ses tonu gibi sozsozel özelliklerin model performansına etkisinin tartışıldığı ve işitsel ipuçlarının eklenmesi gerektiğinin belirtildiği kisimdan kaynaklanmaktadır.
- **CFiCS tabanlı otomatik mikro beceri geribildirim sistemi alan terapistlerin danisan ilişkisi kurma yetkinlikleri ve seans içi müdahale başarıları eğitim süreçinde anlamlı düzeyde gelişmekte mıdır?**
  - Desen: Deneysel desenle yürütülecek araştırmanın örneklemi klinik psikoloji öğrencilerinden oluşacak ve güç analizi ile örneklem sayısı hesaplanacaktır. Veriler oturum sonrası otomatik kodlama ve uzman değerlendirmeleriyle toplanacak, çoklu varyans analizi ile değerlendirilecektir.
  - Gerekçe: Bu araştırma sorusu, makalenin tartışma bölümünde otomatize edilmiş ortak faktör geribildirimlerinin terapistlerin eğitim süreçlerine ve performans temelli gelişimine katkı sağlayacagina ilişkin araştırma önerilerinden ve sonuçlarından türetilmiştir.

# Kaynak izleri

Her iddia, özgün yayının belirtilen sayfasındaki birebir alıntıya bağlıdır.

| Kanıt | Bölüm | PDF sayfası | Basılı sayfa | Alıntı |
|---|---|---|---|---|
| ev-f-1 | Abstract | 1 | — | This paper introduces CFiCS, a hierarchical classification framework integrating graph machine learning with pre- trained contextual embeddings. |
| ev-f-2 | Abstract | 1 | — | We represent common factors, intervention concepts, and microcounseling skills as a heterogeneous graph, where textual information from ClinicalBERT enriches each node. |
| ev-f-3 | Abstract | 1 | — | CFiCS achieves substantial gains in both micro and macro F1 scores across all tasks compared to baselines, including random forests, BERT-based multi-task models, and graph-based m |
| ev-s-1 | Abstract | 1 | — | This paper introduces CFiCS, a hierarchical classification framework integrating graph machine learning with pre- trained contextual embeddings. |
| ev-s-2 | Abstract | 1 | — | CFiCS achieves substantial gains in both micro and macro F1 scores across all tasks compared to baselines, including random forests, BERT-based multi-task models, and graph-based m |
| ev-s-2-2 | Abstract | 1 | — | Our results demonstrate that integrating ClinicalBERT node features and graph structure significantly improves classification performance, especially in fine-grained skill predicti |
| ev-s-3 | 6.1 Quantitative Results | 6 | — | This suggests that relying solely on graph structure without contextual text representations can be detrimental, particularly for the more nuanced skill classification. |
| ev-s-4 | 6.2 Qualitative Results | 7 | — | We observe that skills form well-separated clusters, indicating that the model effectively distinguishes between different microcounseling techniques. |
| ev-s-5 | 6.1 Quantitative Results | 6 | — | Overall, GAT is best for fine-grained differentiation, GraphSage generates well-structured clusters that enhance overall representation quality, and GCN provides moderate performan |
| ev-s-5-2 | 6.1 Quantitative Results | 6 | — | Overall, GAT is best for fine-grained differentiation, GraphSage generates well-structured clusters that enhance overall representation quality |
| ev-s-6 | 2.1 Automatic Detection of Therapeutic Elements in Clinical Text | 2 | — | Despite these advancements, most existing studies still empha- size isolated behavioral constructs (e.g., identifying therapist empathy alone) rather than addressing a broader taxo |
| ev-s-7 | 2.1 Automatic Detection of Therapeutic Elements in Clinical Text | 2 | — | Gibson et al. (2019) introduced multi-label, multi-task deep learning methods that simultaneously predict multiple behavioral codes within therapy dialogues. Despite these advancem |
| ev-s-8 | 8 Conclusion | 8 | — | We presented a graph ML classification method CFiCS to classify common factors, intervention concepts, and associated skill usage. Overall, the results demonstrate that combining t |
| ev-s-8-2 | 8 Conclusion | 8 | — | Overall, the results demonstrate that combining textual features from ClinicalBERT with graph-based ML in the CFiCS framework significantly enhances classification performance |
| ev-o-2 | Abstract | 1 | — | This paper introduces CFiCS, a hierarchical classification framework integrating graph machine learning with pre- trained contextual embeddings. |
| ev-l-1 | 1 Introduction | 1 | — | Moreover, automating skill and CF identification in place of human-based coding or post-session questionnaires improves scalability, lowers costs |
| ev-l-2 | 3 The CFiCS Graph | 3 | — | The structure is hierarchical, with CFs at the top, ICs as an intermediate layer, and therapeutic skills and examples forming the practical, grounded components. |
| ev-l-3 | 6.1 Quantitative Results | 6 | — | The CFiCS models that integrate BERT features achieve the best results. The model labeled as CFiCS with ClinicalBERT (ours) achieves a micro F1 |
| ev-l-4 | 9 Limitations | 8 | — | Our study focuses exclusively on English-language data, and we do not assess whether the method generalizes to other languages or multilingual settings. |
| ev-l-5 | 9 Limitations | 8 | — | Prosodic features play a key role in language comprehension (Dahan, 2015), and models trained on spoken language outperform text-based approaches |
| ev-l-6 | 1 Introduction | 1 | — | This approach also offers targeted, session-by-session feedback, enabling clinicians to refine their techniques and adapt interventions to individual client needs. |

# İlgili kavramlar

- [Kuantum Hesaplama: Temeller, Algoritmalar ve Gelişmekte Olan Uygulamalar](/okf/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/kuantum-hesaplama-temeller-algoritmalar-ve-gelismekte-olan-uygulamalar.md)
- [Doğal Dil Üretim Modellerinde Insan-Bilgisayar Etkileşimi ve Görselleştirme: Uygulamalar, Zorluklar ve Fırsatlar](/okf/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/dogal-dil-uretim-modellerinde-insan-bilgisayar-etkilesimi-ve-gorsellestirme-uygulamalar-zorluklar-ve-firsatlar.md)
- [Kuantum Hesaplama Sistemleri İçin Uygulama Odaklı Performans Karşılaştırma Testleri ve Hacimsel Analiz Yöntemi](/okf/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/kuantum-hesaplama-sistemleri-icin-uygulama-odakli-performans-karsilastirma-testleri-ve-hacimsel-analiz-yontemi.md)
- [Perceval: Ayrık Değişkenli Fotonik Kuantum Hesaplama İçin Bir Yazılım Platformu](/okf/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/perceval-ayrik-degiskenli-fotonik-kuantum-hesaplama-icin-bir-yazilim-platformu.md)
- [Nükleer Manyetik Rezonans Deneylerinin İyon Tuzağı Kuantum Bilgisayarlarında Dijital Kuantum Simülasyonu](/okf/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/nukleer-manyetik-rezonans-deneylerinin-iyon-tuzagi-kuantum-bilgisayarlarinda-dijital-kuantum-simulasyonu.md)
- [Kuantum Varyasyonel Algoritmalar Tuzaklarla Doludur: Çorak Platoların Ötesinde Eğitilebilirlik Analizi](/okf/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/kuantum-varyasyonel-algoritmalar-tuzaklarla-doludur-corak-platolarin-otesinde-egitilebilirlik-analizi.md)
- [Yüzey Kodu Eşiğinin Altında Kuantum Hata Düzeltme: Süperiletken İşlemcilerde Üstel Hata Bastırma ve Gerçek Zamanlı Kod Çözme](/okf/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/yuzey-kodu-esiginin-altinda-kuantum-hata-duzeltme-superiletken-islemcilerde-ustel-hata-bastirma-ve-gercek-zamanli-kod-cozme.md)
- [Yapay Zeka ve Makine Öğrenmesi Yöntemleriyle Uçak Performansının İyileştirilmesi: Derleme Çalışması](/okf/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/yapay-zeka-ve-makine-ogrenmesi-yontemleriyle-ucak-performansinin-iyilestirilmesi-derleme-calismasi.md)

# Şeffaflık

- Analiz tarihi: 2026-07-26T16:46:51.160Z
- Kanıt sayısı: 21
- Üretim sürümü: makale-analizi-v3.0.0
- Kanonik sayfa: https://makaleanalizi.com/muhendislik-ve-teknoloji/bilgisayar-ve-elektrik-muhendisligi/cfics-ortak-faktorlerin-ve-mikro-psikolojik-danisma-becerilerinin-cizge-tabanli-siniflandirilmasi