Efektifitas Group Therapy untuk Menurunkan Kecemasan Mahasiswa yang Mengalami Quarter Life Crisis
Notice bibliographique
Résumé
Prevalensi quarter life crisis di kalangan mahasiswa yang tinggi menjadi masalah di Indonesia. Mahasiswa yang berada dalam fase quarter life crisis kerap mengalami kecemasan yang tinggi akibat ekspektasi lingkungan, tekanan akademik, serta ketidakpastian terkait masa depan karier dan relasi personal (Arnett, 2015). Maka, pentingnya penanganan kecemasan secara efektif menjadi urgensi dilakukan penelitian ini. Pada penelitian sebelumnya group therapy terbukti efektif dalam menurunkan tingkat kecemasan pada dewasa awal. Penelitian ini bertujuan untuk melihat efektifitas group therapy dalam menurunkan kecemasan mahasiswa yang sedang mengalami quarter life crisis. Metode penelitian menggunakan mix method yaitu pendekatan yang menggabungkan data kuantitatif dan kualitatif. Metode kuantitatif menggunakan single-case design A-B-A dan melibatkan enam mahasiswa yang sedang mengalami quarter life crisis. Seluruh responden diberikan pretest dan posttest berupa State Anxiety Inventory (S-AI) untuk mengukur penurunan tingkat kecemasan mereka setelah diberikan group therapy sebanyak delapan sesi. Hipotesis dalam penelitian ini adalah group therapy efektif dalam menurunkan tingkat kecemasan mahasiswa yang mengalami quarter life crisis. Hasil dari studi ini menunjukan group therapy efektif dalam menurunkan tingkat kecemasan mahasiswa yang mengalami quarter life crisis. Implikasi studi ini terhadap pengembangan group therapy didiskusikan lebih lanjut.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,025 | 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 ».