Bibliographic record
Abstract
باتوجه به پیامدهای طلاق بر خانوادهها و جامعه، ضروری است که به علل به وجود آمدن پدیده طلاق توجه شود. لذا پژوهش حاضر با هدف بررسی رابطه بین بهزیستی روانشناختی و ناگویی هیجانی در زنان در شرف طلاق انجام گرفت.روش: جامعه آماری این پژوهش توصیفی-همبستگی، زنان متقاضی طلاق ارجاع شده از دادگاه به مرکز مشاوره آرامش اصفهان( معاونت اجتماعی نیرو انتظامی) بودند. از بین تمام زنان ارجاع شده از دادگاه به این مرکز در شش ماهه اول سال ۱۳93 که در مجموع ۳۵۰ نفر بودند، ۶۰ نفر به عنوان گروه نمونه انتخاب شدند. روش نمونه گیری به صورت تصادفی ساده بود، به این صورت که شمارههای تماس افراد از پروندههایشان برداشته شد و طی پیامکی اطلاع رسانی شد و از بین داوطلبان ۶۰نفر به طور تصادفی انتخاب شدند.آزمودنیها مقیاس بهزیستی روانشناختی ریف( نسخه کوتاه شده) و مقیاس ناگویی هیجانی تورنتو[1](TAS- 20) را تکمیل کردند. سپس دادهها با استفاده از شاخصهای آمار توصیفی، ضریب همبستگی پیرسون توسط نرم افزار SPSS18 تحلیل شدند. یافتهها: تحلیل نتایج نشان داد بین ناگویی هیجانی و بهزیستی روانشناختی رابطه منفی ومعنادار وجود داشت (024/0- =r). بنابراین میتوان نتیجه گرفت که هرچه ناگویی هیجانی زوجین کمتر باشد، به همان میزان سلامت روان و بهزیستی روانشناختی آنان کمتر میشود. نتیجهگیری: از نتایج پژوهش میتوان نتیجه گرفت با آموزش مهارتهای ابراز هیجانی و برقراری روابط همدل و صمیمانه با همسر میتوان موجب بهبود بهزیستی روانشناختی زوجین شد و از طلاق جلوگیری کرد. 2.Toronto
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.101 | 0.057 |
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".