Impact of Mindfulness and Alexithymia on Self-Concept: A Comprehensive Cross-Sectional Analysis
Notice bibliographique
Résumé
This research aimed to explore the predictive impact of mindfulness and alexithymia on individuals' self-concept. Utilizing a cross-sectional study design, data were collected from 400 participants through standardized instruments: the Five Facet Mindfulness Questionnaire (FFMQ) for assessing mindfulness, the Toronto Alexithymia Scale (TAS-20) for measuring alexithymia, and the Self-Description Questionnaire III (SDQIII) for evaluating self-concept. Statistical analysis, including descriptive statistics and multiple linear regression, was performed using SPSS version 27 to determine the predictive relationships between the variables. The analysis revealed that mindfulness and alexithymia significantly predict self-concept. Specifically, higher levels of mindfulness were associated with a more positive self-concept, whereas elevated alexithymia levels correlated with a more negative self-concept. The model accounted for 37% of the variance in self-concept scores, indicating a strong influence of these psychological constructs on individual self-perception. The study highlights the critical roles of mindfulness and alexithymia in determining self-concept. It suggests that mindfulness interventions could be particularly beneficial for individuals with high alexithymia levels, potentially aiding in the development of a healthier self-concept. These findings offer valuable insights for psychological practice and underscore the importance of addressing both mindfulness and alexithymia in therapeutic settings.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».