Prediction of Marital Burnout Based on Automatic Negative Thoughts and Alexithymia among Couples
Notice bibliographique
Résumé
Background & aim: Lack of objective expression of emotions leads to the experience of unpleasant thoughts and evocations, followed by the non-recognition of one’s emotions and feelings. This is identified as one of the most important factors accounting for marital conflicts. The purpose of this study was to predict marital burnout based on negative automatic thoughts and alexithymia among couples in Shiraz, Iran. Methods: This correlational study was conducted on 150 couples referring to four counseling centers located in districts 1 and 2 of Shiraz in 2018-2019. The study population was selected using a multistage cluster sampling method. The data were collected using the burnout measure developed by Pines, automatic negative thoughts questionnaire, and twenty-item Toronto alexithymia scale on a self-report basis. Data analysis was performed in SPSS software (version 21) using regression analysis and Pearson correlation coefficient at a significance level of ≤ 0.05. Results: The results showed that the dimensions of an automatic negative thoughts could predict marital burnout positively and significantly (P≤0.05). The coefficient was obtained as 0.27, meaning that automatic negative thoughts, alexithymia, age, and education could predict marital burnout at 27%. Conclusion: Alexithymia and automatic negative thoughts could eventually lead to the elevation of dissatisfaction with marriage due to exerting a negative effect on maintaining a strong emotional relationship between partners.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».