Turkish Adaptation of the 12-Item Highly Sensitive Child Scale
Bibliographic record
Abstract
Hassasiyeti Yüksek Çocuk Ölçeği (12 Maddelik -Kısa Form): Türkçe Geçerlik ve Güvenirlik ÇalışmasıTurkish Adaptation of the 12-Item Highly Sensitive Child Scale Amaç: Bu çalışmanın amacı Hassasiyeti Yüksek Çocuk (HYÇ: Highly Sensitive Child Scale) ölçeğinin 12-maddelik kısa formunu Türkçeye çevirerek, ölçeğin faktör yapısını, geçerlik ve güvenirliğini okul çağındaki çocuk ve ergenlerde incelemektir.Gereç ve Yöntem: 8-18 yaş arası 139 çocuk ve ergene ulaşılmıştır.HYÇ ölçeğini eksiksiz bir şekilde 126 katılımcı doldurmuştur.İngilizcesi ile paralel olarak, maddelerin Türkiye örnekleminde tek faktörlü, üç faktörlü ve iki etkenli modele uyumu doğtulayıcı faktör analizi ile test edilmiştir.Geçerliği test etmek için, mizacın alt boyutlarından Negatif Duygulanım, Çaba Gerektiren Kontrol, ve Algısal Hassasiyet, Davranışsal İnhibisyon/Ketleme (DİS) ve Davranışsal Aktivasyon Sistemi (DAS), Negatif Duygu ve Pozitif Duygu ölçekleri kullanılmıştır.Bulgular: Doğrulayıcı faktör analizi sonuçlarına göre, tek faktörlü yapının veriye uyumluluk göstermediği bulunmuştur, iki etkenli model reddedilmiş, üç faktörlü modelin veri ile en uyumlu model olduğu kabul edilmiştir.Ölçeğin güvenirlik değerlerinin, Estetik Duyarlılık (ED; Aesthetic Sensitivity) alt ölçeği hariç kabul edilebilir değerlerde olduğu görülmüştür.Cronbach Alfa değerleri 5 maddelik Uyaranlardan Kolaylıkla Rahatsız Olma (UKRO; Ease of Excitation) alt boyutu için.68, 4 maddelik ED için.43, 3 maddelik Düşük Duyarlılık Eşiği (DDE; Low Sensory Threshold) için.63, 12 maddelik HYÇ ölçeği için ise.64 bulunmuştur.HYÇ ve alt boyutlarının benzer mizaç özellikleri ile korelasyonlarının beklenen yönlerde olması ölçeğin birleşen geçerliğine işaret etmektedir.Ayırt edici geçerlik için, HYÇ ve alt boyutlarındaki varyansların önemli bir yüzdesini incelenen benzer ölçekler tarafından açıklanmadığı görülmektedir.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".