Valeological aspects of emotional regulation and practices for getting out of Karpman's "Triangle of Suffering"
Notice bibliographique
Résumé
Cite in Vancouver style as: Shevchenko AS, Shumskyi OL, Nesterenko VG, Burbyha VA, Kucherenko SM, Kucherenko NS, Shayda VP, Gavrylov EV. Valeological aspects of emotional regulation and practices for getting out of Karpman’s "Triangle of Suffering". Inter Collegas. 2025;12(2):109-21. https://doi.org/10.35339/ic.2025.12.2.ssn Archived: https://doi.org/10.5281/zenodo.17055940 Abstract Background. Karpman’s "Triangle of Suffering" is a model of social interaction of people who are in "toxic", conflict relationships in the roles of mainly the Victim, Persecutor and Rescuer, experience negative emotions (fear, resentment, guilt, anger, aggression) and generate such emotions in other participants in Karpmanian relationships. These negative emotions can cause mental disorders, social maladjustment and psychosomatic pathology; therefore, when teaching valeological disciplines, it is necessary to show how to find a way out from Karpman’s triangle through the self-regulation of emotions. There is a lack of empirical research that proves the success of such training. Aim. Studying the practices of coming out of Karpman’s "Triangle of Suffering" and efficiency of emotional self-regulation in non-medical students when learning valeological disciplines. Materials and Methods. The study was carried out using the method of system analysis, sociological and bibliosemantic methods (97 literary sources were analyzed). The study included a sample of 124 students, equally divided by gender (62 males and 62 females), with an average age of 20.4 years. Participants were divided into control (n=17) and main groups according to the criteria for their participation in the Karpman’s triangle, the chosen strategies for exiting the triangle and the implementation of the exit intention. We proposed two strategies to exit the Karpman triangle, namely defensive (termination of communication with so called "Karpman’s team members") and Emotional-Energy Transformation (EET, reaching a new energy level in a triangle with a change of roles and transformation of emotions). Emotional interaction was assessed using the Difficulties in Emotion Regulation Scale twice with an interval of at least 1 month between surveys. Statistical analysis included descriptive statistics (M±SD), comparative analysis (t-test), correlation studies, and calculation of effect magnitude (Cohen’s d). The study was approved by the ethics committees of two scientific institutions. Results and Conclusions. Among the 124 participants in the study, 24 students chose the EET strategy, of which 16 people fully implemented it. EET produced the best emotional regulation scores (average DERS reduction of [42.5±4.7] points at 87.5%). The defensive strategy chosen by 5 participants (of whom only 1 person implemented) showed an average decrease in DERS of only [19.8±3.2] points. Keywords: strategies for getting out of toxic relationships, Victim, Rescuer, Persecutor, transformation of emotions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».