Investigation of Aggression and Emotional Intelligence Characteristics of the Students from Faculty of Sport Sciences and State Conservatory of Turkish Music
Notice bibliographique
Résumé
This study was performed to investigate the characteristics of emotional intelligence and aggression between the students from Ege University Faculty of Sport Sciences and the students from the State Conservatory of Turkish Music. A total of 211 people (top-tier athletes and top-tier artists from Ege University) were selected for the study. Questionnaire method was used in the study. To evaluate the variables of the study, the revised Schutte Emotional Intelligence Scale that was adapted to Turkish by Tatar, Tok, and Saltukoğlu which consists of 41 items and the “Inventory of Aggression” that was developed by İpek İlter (Kiper) which consists of 30 items was used. In this study, the data set was analyzed in the package program SPSS 22.0 and the study was done using frequency tables, reliability analysis, unpaired t-test, one-way analysis of variance, Tukey’s test, and correlation analysis in the analyses. As a result, while a significant positive relationship between the emotional intelligence and the destructive and passive aggression was found (p0.05). We think that this is an important study because it helps us to be informed about the emotional intelligence and the aggression characteristics of the conservatory and sports sciences students and to make a serious contribution to the studies by conducting similar researches with different sample groups in different fields and different branches in different universities.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».