Üniversite Öğrencilerinde Duygusal İşlemleme Ölçeği Türkçe Formunun Psikometrik Özellikleri
Bibliographic record
Abstract
Bu çalışmada Duygusal İşlemleme Ölçeği’ni (DİÖ) Türkçeye uyarlanıp üniversite öğrencilerinden oluşan bir örneklemde psikometrik özelliklerinin incelenmesi amaçlanmıştır. DİÖ yaşları 18 ile 33 arasında değişen 484 üniversite öğrencisine uygulanmıştır. Cronbach alfa ve test-tekrar test güvenirlik katsayıları hesaplanmıştır. Faktörleri belirlemek için doğrulayıcı faktör analizi yapılmıştır. Geçerliliğin değerlendirilmesi amacıyla Courtauld Duygusal Kontrol Ölçeği, Toronto Aleksitimi Ölçeği ve Kısa Semptom Envanteri kullanılmıştır. Doğrulayıcı faktör analizi neticesinde ölçeğin 25 maddelik versiyonunun kabul edilebilir uyum gösterdiği saptanmış olup ekstra model testleri ile formun hem orijinal versiyonu uyumlu olarak 5 alt boyut puanlarının hem de toplam puanlarının kullanılabileceği belirlenmiştir. Güvenirlik analizleri ölçeğin toplam puan ve alt boyutlarının kabul edilebilir içsel tutarlık katsayılarına sahip olduğunu göstermiştir. Ayrıca, geçerlik bağlamında, DİÖ ile aleksitimi, duygusal kontrol ve psikolojik belirtiler arasında beklenen şekilde pozitif yönde ilişkiler bulunmuştur. Çalışmanın sonucunda DİÖ Türkçe formunun üniversite öğrencilerinde duygusal işlemlemeyi ölçmede kullanılabilecek geçerli ve güvenilir bir ölçüm aracı olduğu görülmüştür.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 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) | 0.035 | 0.005 |
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".