Psikolojik Danışman Adaylarına Göre Etkili Psikolojik Danışmanın Özellikleri ve Psikolojik Danışman Eğitiminin Etkisi
Bibliographic record
Abstract
Bu araştırmanın amacı psikolojik danışman adaylarının etkili bir psikolojik danışmanın özelliklerine, psikolojik danışman eğitiminin onlarda yarattığı değişikliklere ve psikolojik danışman 1 eğitiminin nasıl daha etkili olabileceğine ilişkin görüşlerinin ortaya konmasıdır.Nitel araştırma yönteminin kullanıldığı bu araştırmada iki devlet üniversitedeki 169 (% 86) kadın ve 27 (%14) erkek olmak üzere toplam 196 psikolojik danışma ve rehberlik lisans öğrencisinden açık uçlu sorular aracılığı ile veri toplanmıştır.Toplanan veriler içerik analizi ile incelenmiştir.Elde edilen bulgulara göre psikolojik danışman adayları, iyi bir psikolojik danışmanda olması gereken özellikleri iyi iletişim becerilerine ve iyi bir iletişim için gerekli koşullara sahip olma; insanlarla olmayı ve onlara yardım etmeyi isteme; öz farkındalık ve psikolojik olarak sağlıklı olma; farklılıklara/yeniliklere açıklık ve yansızlık; profesyonel tavır ile etik ve yaşama karşı tavır olarak belirtmişlerdir.Psikolojik danışman eğitiminin onlarda yarattığı farklılıkları kendilerini daha fazla tanıma ve değiştirme, başkalarını daha iyi tanıma ve anlama ile iyi iletişim kurmaya başlama gibi profesyonel özelliklerin artışı olarak özetlemektedirler.Psikolojik danışman eğitiminin daha etkili olması için yaptıkları önerilerin ise uygulama derslerinin ve süpervizyonun artırılmasına; sınıfların ve derslerin sayı, dönem ve işlenişlerinin düzenlenmesine
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".