OBSESİF KOMPULSİF SEMPTOMLAR İLE UTANÇ, SUÇLULUK VE ALGILANAN STRES ARASINDAKİ İLİŞKİDE PSİKOLOJİK ESNEKLİĞİN ARACI ROLÜ
Bibliographic record
Abstract
Bu araştırmanın amacı, obsesif kompulsif semptomlar ile utanç, suçluluk ve algılanan stres arasındaki ilişkide psikolojik esnekliğin aracı rolünü incelemektir. Çalışmada ilişkisel tarama modeli kullanılmıştır. Araştırmanın evreni Türkiye’de ve Kuzey Kıbrıs Türk Cumhuriyeti’nde yaşayan 18 yaş ve üzeri bireylerden oluşturulmuştur. Araştırmanın örneklemini ise evreni bilinmeyen örnekleme yöntemi ile seçilen 18 yaş ve üzeri Türkçe konuşan yetişkin 500 kişiden oluşturulmuştur. Bu çalışma, Sosyo-Demografik Bilgi Formu, Psikolojik Esneklik Ölçeği, Vancouver Obsesif Kompulsif Ölceği, Algılanan Stres Ölçeği ve Hatayla İlişkili Suçluluk-Utanç Ölçeği uygulanmıştır. Araştırma bulgusunda, obsesif kompulsif ölçeğinden aldıkları puanlar ile hatayla ilişkili suçluluk-utanç ölçeği, algılanan stres ölçeği ve psikolojik esneklik ölçeğinden aldıkları puanlar arasında pozitif yönlü ve anlamlı korelasyonlar bulunmuştur. Katılımcılarda obsesif kompulsif puanları arttıkça hatayla ilişkili suçluluk-utanç, algılanan stres ve psikolojik esneklik puanları da arttığı görülmüştür. Hatayla ilişkili suçluluk-utanç ölçeği puanları ile algılanan stres ölçeği ve psikolojik esneklik ölçeği puanları arasında pozitif yönlü ve anlamlı ilişkiler bulunmuştur. Bu alanda daha fazla araştırma yaparak, OKB'nin psikolojik esneklik üzerindeki etkisi daha iyi anlaşılabilir.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 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) | 0.024 | 0.004 |
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".