MUTLULUĞUN EMPATİ, AFFETME VE YAŞAM DOYUMU ARASINDAKİ ARACI ROLÜ: BİR YOL ANALİZİ
Bibliographic record
Abstract
Bu araştırmanın amacı, üniversite öğrencilerinin empatik eğilimleriyle yaşam doyumu ve affetme düzeyleri arasındaki ilişkide mutluluğun aracılık rolünün olup olmadığını saptamaktır. Araştırma ilişkisel tarama modeline uygun olarak düzenlenmiştir. Araştırmanın verileri 2016-2017 eğitim öğretim yılı güz yarıyılında bir devlet üniversitesinde öğrenim gören 209 kız, 142 erkek olmak üzere toplam 351 öğrenciden oluşmaktadır. Öğrencilerin yaş ortalaması 20.3’tür. Araştırmada Kişisel Bilgi Formu, Toronto Empati Ölçeği, Yaşam Doyumu Ölçeği Türkçe Formu, Öznel Mutluluk Ölçeği ve Affedicilik Ölçeği kullanılmıştır. Hipotez edilen yol modelini incelemek için veriler SPSS 24 ve Mplus 5.1 programları kullanılarak analiz edilmiştir. Verilerin normal dağıldığı gözlenmiştir ve bu yüzden maksimum olabilirlik tahmin metodu kullanılmıştır. Çoklu bağlantı probleminin olmadığı ve model veri uyum değerlerinin kabul edilebilir olduğu görülmüştür ( =1.58, CFI=.99, TLI=.97, RMSEA=.04, SRMR=.01). Sonuçta, empatinin affetme ve yaşam doyumu üzerinde doğrudan bir etkisinin olduğu bulunmuştur. Ayrıca mutluluğun empati, yaşam doyumu ve affetme arasında aracı rolü olduğu saptanmıştır.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".