ÜNİVERSİTE ÖĞRENCİLERİNDE EMPATİ İLE OLUMSUZ DEĞERLENDİRİLME KORKUSU İLİŞKİSİ: MİZAH TARZLARININ ARACI ETKİSİ
Notice bibliographique
Résumé
Mevcut çalışma, empati ile olumsuz değerlendirilme korkusu ilişkisinde mizah tarzlarının aracılığını incelemektedir. İlave olarak çalışma bu üç değişken arasındaki ilişkileri incelemektedir. Sağlık bilimleri fakültesi öğrencilerinden oluşan katılımcılar (n = 164), Toronto empati anketi, mizah tarzları anketi ve olumsuz değerlendirilme korkusu ölçeği kısa versiyonunu tamamladılar. Korelasyon sonuçlarında, katılımcı mizah empatiyle pozitif ve kendini yıkıcı mizah ise olumsuz değerlendirilme korkusuyla pozitif ilişkilidir. Kendini geliştirici mizah ise olumsuz değerlendirilme korkusuyla negatif ilişkilidir. Ayrıca empati ile olumsuz değerlendirilme korkusu ilişki göstermemiştir. Aracılık analizinde empati ile olumsuz değerlendirilme korkusu arasındaki ilişkide mizah tarzlarının aracı olmadığı bulunmuştur. Ancak empati ve aracı değişkenler modele dahil edildiğinde, birlikte bu değişkenler olumsuz değerlendirilme korkusuna katkı sağlamıştır. Mevcut çalışma empatinin olumsuz değerlendirilme korkusuyla direkt ilişki içerisinde olmadığını fakat empati ve mizah tarzlarının birlikte (katılımcı mizah hariç) olumsuz değerlendirilme korkusuyla anlamlı bir ilişkiye sahip olduğunu göstermektedir. Olumsuz değerlendirilme korkusu, empati ve kendini yıkıcı mizahın artması ve kendini geliştirici mizahın zayıflamasıyla artabilir.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».