Üniversite Öğrencilerinin Mutluluk Düzeylerinin Yordayıcıları: Empati ve Duygusal Zeka
Notice bibliographique
Résumé
Araştırmada üniversite öğrencilerinin duygusal zeka ile empati düzeylerinin mutluluk düzeylerini yordaması incelenmiştir. Araştıma mutluluk kavramını üzerine mutluluk düzeyinin arttıracak kavramlar açısından ele alınmıştır. Araştırma verileri bir devlet üniversitesinin eğitim fakültesinde 2022-2023 eğitim-öğretim yılında öğrenim gören farklı bölümlerin erişilebilir kolay örneklem yoluyla toplanmıştır. Araştırmaya toplamda 420 öğrenci katılmıştır. Katılan öğrencilerin yaş aralığı 17-29, cinsiyet olarak ise 106 erkek, 314 kız öğrenci mevcuttur. Veri toplamak için Toronto Empati Ölçeği ve Oxford Mutluluk Ölçeği-Kısa Formu, Duygusal Zeka Özelliği Ölçeği–Kısa Formu, kullanılmıştır. Araştırma verilerinin analizi Spss 26 paket programı ile analiz edilmiş, analiz için Pearson moment çarpım korelasyonu ve çoklu regrasyon analiz tekniği kullanılmıştır. İlk olarak basıklık çarpıklık değerlerine, ikinci olarak güvenirlik analizine, üçüncü olarak korelasyon ilişkisine ve son olarak da çoklu regrasyon analizine bakılmıştır. Araştırmada duygusal zeka, empati ve mutluluk arasındaki ilişkiye bakılmış olup pozitif yönde anlamlı ilişkiler bulunmuştur. Sonuç olarak duygusal zeka ve empatinin mutluluk varyansının %25’ini açıkladığı tespit edilmiştir.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,094 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».