Aleksitīmijas saistība ar stresa līmeni un lamuvārdu lietošanu.
Bibliographic record
Abstract
Pētījuma mērķis bija izpētīt aleksitīmijas rādītāju saistību ar uztvertā stresa līmeņa un lamuvārdu lietošanas rādītājiem; noskaidrot aleksitīmijas, uztvertā stresa līmeņa un lamuvārdu lietošanas rādītāju dzimumatšķirības; izpētīt lamuvārdu lietošanas iemeslus, kā arī noteikt oriģināli izstrādātās lamuvārdu lietošanas aptaujas psihometriskos rādītājus. \n- Pētījumā piedalījās profesionālās vidusskolas skolēni - 32 meitenes un 30 zēni, kuru vidējais vecums M = 17,8 gadi. \n- Pētījumā izmantotais instrumentārijs - Toronto aleksitīmijas skala (Twenty - Item Toronto Alexithymia Scale (TAS–20), Bagby, Parker & Taylor, 1994), Uztvertā stresa skala (Perceived Stress Scale (PSS), Cohen, Kamarck & Mermelstein, 1983), autores izveidotā aptauja par jauniešu lamuvārdu lietošanu kā emociju ekspresijas veidu un demogrāfiskā aptauja ar papildus jautājumiem. \n- Pētījuma rezultāti atklāj, ka aleksitīmijas rādītāji ir statistiski nozīmīgi saistīti ar uztvertā stresa līmeņa rādītājiem. Netika atklātas statistiski nozīmīgas aleksitīmijas un lamuvārdu lietošanas rādītāju saistības. Tika atklātas dažas būtiskas aleksitīmijas rādītāju saistības ar atsevišķām lamuvārdu lietošanas situācijām: tad, kad citi izturas augstprātīgi; tad, kad citi neieklausās brīžos, kad vēlas ko nopietnu pateikt un tad, kad negaidīti pārsteidz.\n- Atklājas statistiski nozīmīgas dzimumatšķirības aleksitīmijas rādītājos, zēnu grupai uzrādot augstākus rādītājus. Tomēr uztvertā stresa līmeņa un lamuvārdu lietošanas rādītājos statistiski nozīmīgas dzimumatšķirības netika konstatētas. \n- Darbā tiek atklāti vairāki lamuvārdu lietošanas iemesli, kas saistīti ar emocionāli piesātinātu situāciju - spēcīgu dusmu piedzīvošana, neveiksme attiecībās, izgāšanās, tieši apvainojumi un kritika personībai, neizdošanās pēc ilgām pūlēm un negodīga, netaisnīga izturēšanās no citu puses. \n- Pētījumā tika pārbaudīta lamuvārdu lietošanas aptaujas atbilstība psihometriskajām prasībām, secinot, ka aptauja ir pietiekami ticama.\n- Pētījums ir novatorisks ar lamuvārdu lietošanas izpēti, aizsākot diskusiju par lamuvārdu lietošanas „pozitīvajiem” aspektiem – emociju paušanai, ko citiem vārdiem nav iespējams izteikt. \n- Atslēgas vārdi: aleksitīmija, uztvertā stresa līmenis, lamuvārdu lietošana, jaunieši.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".