The interaction of teachers' neurocognitive and emotional functions: The relationship between cognitive flexibility and alexithymia with discrimination in the workplace
Notice bibliographique
Résumé
Introduction: Perceived discrimination by teachers may impair the effective regulation of emotional and cognitive factors, such as alexithymia and cognitive flexibility. Aim: The present study explores the potential for predicting perceived discrimination among female teachers by simultaneously examining cognitive flexibility and alexithymia. Method: This descriptive and correlational study was conducted on a statistical population comprising female teachers in Mashhad in 2023. A total of 120 participants were selected through random sampling from among those who responded to the study invitation. Data were collected using the Cognitive Flexibility Inventory (2010), the Toronto Alexithymia Scale (1994), and the Pascoe and Richman Scale (2009). The data were analyzed using Pearson correlation coefficients and multiple linear regression in SPSS version 26. Results: Discrimination in the workplace has a significant negative relationship with cognitive flexibility and a significant positive relationship with alexithymia (P<0.001). Also, cognitive flexibility and alexithymia explain 57% of the total variance of discrimination in the workplace. Conclusion: According to the findings, providing psychological training and services to teachers is essential to effectively deal with discrimination in the workplace and to improve their capabilities in relation to components such as alexithymia and cognitive flexibility. It is suggested that developing training courses on how to deal with discrimination and providing interventions to improve psychological functions such as cognitive flexibility and alexithymia should be prioritized in the programs of the education institutions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».