Turkıye’de Pozıtıf Duygulara Etkı Eden Faktorlerin Değerlendirilmesi
Notice bibliographique
Résumé
Bu araştırmanın amacı, Türkiye’de pozitif duygulara etki eden faktörlerin belirlenmesidir. Bu araştırmanın modeli taramadır. Örneklem seçiminde tabakalı küme örneklemesi yaklaşımı kullanılmıştır. Örneklem, İstatistiki Bölge Birimleri Sınıflandırmasına göre 26 NUTS3 bölgesinde ikamet eden 24990 kişiden oluşmaktadır. Bu kişilerden uygun olan 24494 katılımcı analiz için araştırmaya dahil edilmiştir. Bu araştırmada verileri toplamak için kişisel bilgileri içeren anket formu, Pozitif-Negatif Duygu Ölçeği, Toronto Aleksitimi, Yakın İlişkilerde Yaşantılar Envanteri-II ve Kısa Semptom Envanteri kullanılmıştır. Araştırmanın bulguları göstermektedir ki, cinsiyet, eğitim, kaçınmacı bağlanma, kaygılı bağlanma, anksiyete, depresyon, olumsuz benlik, somatizasyon, hostilite, duyguları tanımada güçlük, duyguları söze dökmede güçlük, dışa dönük düşünme, sigara adet, alkol sıklık, yaş gibi değişkenler, pozitif duygu düzeyleri ile anlamlı bir ilişki vermektedir. Erkek katılımcıların duyguları tanımada güçlük, dışa dönük düşünme, kaçınmacı bağlanma, kaygılı bağlanma, sigara adet, alkol sıklık, kişisel iyi oluş, yaş, anksiyete, depresyon, olumsuz benlik ve hostilite gibi değişkenlerin, pozitif duygu düzeyleri ile anlamlı bir ilişki vermektedir. Kadın katılımcıların duyguları tanımada güçlük, dışa dönük düşünme, kaçınmacı bağlanma, kaygılı bağlanma, sigara adet, alkol sıklık, kişisel iyi oluş, depresyon, olumsuz benlik somatizasyon ve hostilite gibi değişkenlerin, pozitif duygu düzeyleri ile anlamlı bir ilişki vermektedir.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,004 |
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 ».