Başkasının Üzüntüsüne Sevinme Ölçeği’nin Türkçeye Uyarlanması
Bibliographic record
Abstract
Crysel (2014), sosyal yaşamda çeşitli talihsiz olaylar karşısında başkasının üzüntüsüne sevinme duygusunun bir kişilik özelliği olarak ele alınabileceğini ileri sürmüştür. Bu doğrultuda, iyicil ve kötücül başkasının üzüntüsüne sevinme olmak üzere iki faktöre sahip ve toplam 12 maddeden oluşan bir ölçek geliştirmiştir. Bu çalışmanın amacı Crysel (2014) tarafından Amerikan örnekleminde geliştirilen Başkasının Üzüntüsüne Sevinme Ölçeği’ni Türkçeye uyarlamak ve psikometrik özelliklerini incelemektir. Bu çalışmanın örneklemini 379 üniversite öğrencisi (183 erkek, 196 kadın, Ort.yaş = 20.6, SS = 2.48) oluşturmaktadır. Başkasının Üzüntüsüne Sevinme Ölçeği’ne ek olarak katılımcılara geçerlik sınamaları kapsamında Toronto Empati Ölçeği ve BeMaS- Haset ve Gıpta Ölçeği de verilmiştir. Psikometrik sınamalar kapsamında madde analizi, doğrulayıcı faktör analizi, diğer yapılarla ilişkiler ve güvenirlik için tutarlık analizi uygulanmıştır. Madde analizi, ölçek maddelerinin madde toplam korelasyon katsayılarının uygun değerlere sahip olduğunu göstermektedir (.27- .46). Doğrulayıcı faktör analizleri sonucunda toplam beş model sınanmış ve elde edilen bulgular ölçeğin Türkçe formunun yeterli uyum değerlerine sahip olduğunu ve orijinal ölçek ile benzer faktör yapısına sahip olduğunu göstermiştir. Beklenildiği şekilde, faktörlerin kendi aralarındaki ve ölçekle olan ilişkileri anlamlı olduğu gibi; başkasının üzüntüsüne sevinme ile empati arasında negatif yönlü, haset arasında ise pozitif yönlü bir ilişki vardır. Ayrıca, sonuçlar gıpta ile başkasının üzüntüsüne sevinme duygusu arasında istatistiksel olarak anlamlı bir ilişki olmadığını göstermiştir. Sonuç olarak, Başkasının Üzüntüsüne Sevinme Ölçeği’nin Türkçe formu iki faktörden ve 11 maddeden oluşmuştur. Yapılan analizler doğrultusunda ilgili ölçeğin geçerli ve güvenilir bir ölçme aracı olabileceğine ilişkin çeşitli kanıtlar elde edilmiştir. Dolayısıyla, bu ölçek kişiler arası süreçleri, duyguları, benliği ve kişilik özelliklerini inceleyecek gelecek araştırmalarda başkasının üzüntüsüne sevinme duygusunun düzeyini belirlemek için kolayca kullanılabilir.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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; both teacher heads agree on what is shown here.
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".