Effectiveness of Emotional Intelligence Training on Alexithymia of Male Students
Notice bibliographique
Résumé
Background: Emotions are part of the human nature and are considered as one the necessities of human life. However, if left uncontrolled or unregulated, they will create problems for the individual and others. Objectives: The aim of the present study was to investigate the effect of emotional intelligence training on alexithymia of male students with high levels of alexithymia. Materials and Methods: The statistical population consisted of undergraduate male students enrolled at Shahid Chamran University of Ahvaz between 2012 and 2013. Samples were selected via two stages by using the random cluster multistage method. The first stage involved distributing and collecting 623 measures of alexithymia (TAS-20) in the form of a multi-stage cluster between students and also selecting 40 individuals from those with scores of a higher standard deviation than the average in this scale. The second stage consisted of selecting 30 individuals who possessed the criteria for entering the groups. The test group after eight training sessions (two times a week) and the control group without any intervention simultaneously completed the post-test. For data analysis, analysis of univariate covariance (ANCOVA) was used. Results: Statistical analysis showed that emotional intelligence training affected male students with alexithymia (Eta2 = 0.77 and P < 0.0001 and F = 92.27) and the mean score of emotional alexithymia related to the experimental group reduced from 67.80 to 51.60. Conclusions: According to these findings, emotional intelligence can be taught in order to reduce the level of students’ alexithymia and improve emotional problems in individuals with high alexithymia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».