ÖRGÜTLERDE DUYGUSAL KÖRLÜK: HAVACILIK ÇALIŞANLARI İÇİN BİR TEHDİT Mİ?
Notice bibliographique
Résumé
Bu araştırmanın amacı, havacılık sektöründe yoğun iş stresine ve zorlu çalışma koşullarına maruz kalan vardiyalı çalışanların duygusal körlük (aleksitimi) düzeylerinin (duyguları tanımlamada güçlük, duyguları söze dökmede güçlük ve dışa dönük düşünme alt boyutları bağlamında) demografik değişkenleri özelinde nasıl etkilendiği ve değiştiğini incelemektir. Araştırma kapsamında, Türkiye'deki havalimanlarında faaliyet gösteren yer hizmetleri işletmelerinin operasyon birimlerinde görev yapan 389 vardiyalı çalışan ile bir saha araştırması gerçekleştirilmiştir. Katılımcıların duygusal körlük düzeyini ölçmek için, Toronto Aleksitimi Ölçeği ve demografik faktörlere ilişkin soru formundan oluşan bir anket uygulanmıştır. Çalışanların demografik değişkenleri ile duygusal körlük (aleksitimi) düzeyleri (duyguları tanımlamada güçlük, duyguları söze dökmede güçlük ve dışa dönük düşünme alt boyutları) arasındaki ilişki Bağımsız T testi ve Anova testleri ile analiz edilmiştir. Yapılan değerlendirmeler neticesinde; yer hizmetlerinin operasyon birimlerinde görev yapan vardiyalı çalışanların duygusal körlük (aleksitimi) düzeylerinin yüksek olduğu ve demografik değişkenleri özelinde farklılaştığı görülmektedir. Anahtar Kelimeler: Duygusal Körlük, Aleksitimi, Havacılık, Havayolu, Yer Hizmetleri.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,012 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,071 | 0,150 |
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 ».