ÜNİVERSİTE ÖĞRENCİLERİNDE GÖÇMENLERE YÖNELİK OLUMSUZ TUTUMUN, EMPATİ VE GELECEK KAYGISI AÇISINDAN DEĞERLENDİRİLMESİ
Bibliographic record
Abstract
Bu araştırmada, üniversite öğrencilerinde göçmenlere yönelik olumsuz tutum yan etkilerinin incelenmeye çalışılmıştır. Bu bağlamda, gelecek kaygısı ve empatinin göçmenlere yönelik olumsuz tutumu nasıl etkilediği araştırılmıştır. Araştırma nicel yöntemler kullanılarak yapılmıştır. Kartopu örnekleme yöntemi kullanılarak, 656 üniversite öğrencisine ulaşılmıştır. Araştırmada, Üniversite Öğrencileri İçin Gelecek Kaygısı Ölçeği, Göçmenlere Yönelik Olumsuz Tutum Ölçeği ve Toronto Empati Ölçeği kullanılmıştır. Ölçeklerden elde edilen veriler, çok boyutlu regresyon analizi ile analiz edilmiştir. Elde edilen veriler doğrultusunda, Toronto Empati Ölçeği’nden alınan puanlar ile Göçmenlere Yönelik Olumsuz Tutum Ölçeği’nden alınan puanlar arasında negatif yönde anlamlı bir ilişki bulunmaktadır. Göçmenlere Yönelik Olumsuz Tutum Ölçeği’nden alınan puanlar ile Gelecek Kaygısı Ölçeği’nden alınan puanlar arasında ise pozitif yönde anlamlı bir ilişki bulunmaktadır. Regresyon analizi için empati, gelecek kaygısı, cinsiyet, eğitim durumu ve göçmenlerin ülkemizdeki istihdama negatif yönde katkı yaptığı düşüncesi gibi değişkenlerden oluşan değişkenlerinden oluşan bir model kurulmuştur. Yapılan analiz sonucunda, modelin anlamlı sonuçlar verdiği görülmüştür. Bu bağlamda, katılımcıların eğitim düzeyi ve empatik tutumları arttıkça göçmenlere yönelik olumsuz tutumları azalma göstermektedir. Katılımcıların gelecek kaygıları arttıkça ve göçmenlerin ülkemizdeki istihdama negatif katkı sağladığı düşüncesi arttıkça göçmenlere yönelik olumsuz tutum artış göstermektedir. Sonuçlar cinsiyete göre anlamlı şekilde farklılaşmaktadır. Kadınların göçmenlere yönelik daha az olumsuz tutumlar içerisinde olduğu görülmüştür. Bu bağlamda değerlendirildiğinde, göçmenlere yönelik olumsuz tutumun azaltılması için empatik becerilere ve göç konusunda daha fazla yer veren müfredat programlarına ihtiyaç duyulduğu düşünülmektedir. Katılımcıların gelecek kaygıları, yalnızca içsel bir süreçten değil, sosyal ve politik etkenlerden de etkilendiği ve makro değişkenlere müdahale edilebilmesinin zorluğu değerlendirildiğinde, katılımcıların kaygı, korku gibi içsel uyaranlarla birlikte yaşamlarına devam edebilmelerini sağlayacak beceriler edinmeleri, göçmenlere yönelik olumsuz tutumu azaltıcı bir etki doğurabilir.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 0.039 |
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".