ÜNİVERSİTE ÖĞRENCİLERİNDE EMPATİ İLE OLUMSUZ DEĞERLENDİRİLME KORKUSU İLİŞKİSİ: MİZAH TARZLARININ ARACI ETKİSİ
Bibliographic record
Abstract
Mevcut çalışma, empati ile olumsuz değerlendirilme korkusu ilişkisinde mizah tarzlarının aracılığını incelemektedir. İlave olarak çalışma bu üç değişken arasındaki ilişkileri incelemektedir. Sağlık bilimleri fakültesi öğrencilerinden oluşan katılımcılar (n = 164), Toronto empati anketi, mizah tarzları anketi ve olumsuz değerlendirilme korkusu ölçeği kısa versiyonunu tamamladılar. Korelasyon sonuçlarında, katılımcı mizah empatiyle pozitif ve kendini yıkıcı mizah ise olumsuz değerlendirilme korkusuyla pozitif ilişkilidir. Kendini geliştirici mizah ise olumsuz değerlendirilme korkusuyla negatif ilişkilidir. Ayrıca empati ile olumsuz değerlendirilme korkusu ilişki göstermemiştir. Aracılık analizinde empati ile olumsuz değerlendirilme korkusu arasındaki ilişkide mizah tarzlarının aracı olmadığı bulunmuştur. Ancak empati ve aracı değişkenler modele dahil edildiğinde, birlikte bu değişkenler olumsuz değerlendirilme korkusuna katkı sağlamıştır. Mevcut çalışma empatinin olumsuz değerlendirilme korkusuyla direkt ilişki içerisinde olmadığını fakat empati ve mizah tarzlarının birlikte (katılımcı mizah hariç) olumsuz değerlendirilme korkusuyla anlamlı bir ilişkiye sahip olduğunu göstermektedir. Olumsuz değerlendirilme korkusu, empati ve kendini yıkıcı mizahın artması ve kendini geliştirici mizahın zayıflamasıyla artabilir.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| 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) | 0.014 | 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".