پیش بینی گرایش به مواد مخدر بر اساس خودکنترلی، تحمل آشفتگی و احساس تنهایی در زنان معتاد مراجعه کننده به مراکز ترک اعتیاد
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 494
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSF-14-51_003
تاریخ نمایه سازی: 12 مهر 1400
چکیده مقاله:
در بین آسیب های اجتماعی، رفتارهای پرخطر و به ویژه گرایش به مصرف دخانیات و مواد، از جمله ضرورت ویژه ای برای توجه و برنامه ریزی برای پیشگیری برخوردار است. پژوهش حاضر از نوع توصیفی- همبستگی بود. حجم نمونه ۱۵۰ نفر زن معتادان مراجعه کننده به مراکز ترک اعتیاد شهر خرم آباد بودند که با استفاده از نمونه گیری در دسترس به عنوان نمونه انتخاب شدند. برای سنجش متغیرها از پرسشنامه های گرایش به مواد مخدر گلپرور (۱۳۸۰)، خودکنترلی تانگی و همکاران (۲۰۰۴)، تحمل آشفتگی سیمونز و گاهر (۲۰۰۵) و احساس تنهایی راسل (۱۹۹۳) استفاده شد. نتایج نشان داد رابطه خودکنترلی با گرایش به مواد مخدر منفی و معنی دار (۰۰۱/۰ > p) و رابطه احساس تنهایی با گرایش به مواد مخدر مثبت و معنی دار بود (۰۲/۰ > p) بنابراین این دو سازه توانسته اند تاحدودی میزان گرایش به مواد مخدر را پیش بینی نمایند. ولی رابطه تحمل آشفتگی با گرایش به مواد مخدر هر چند به صورت منفی به دست آمد ولی این رابطه معنی دار نبود. یافته ها حاکی از آن است که قوی ترین پیش بین برای گرایش به مواد مخدر متغیر خودکنترلی بود (۳۹/۰= β و ۲۸/۵=t). این نتایج کاربردهای مهمی در آسیب شناسی گرایش به مواد مخدر دارد. بر این اساس، می توان با آموزش و ارائه مشاوره های مناسب، خودکنترلی و تحمل آشفتگی را بهبود بخشیده و با انجام اقداماتی در جهت کاهش احساس تنهایی، از گرایش افراد به اعتیاد پیشگیری کرد و حتی می توان درمان موثر و متناسب با شرایط افراد وابسته به مواد را انتخاب نمود.
کلیدواژه ها:
نویسندگان
عزت اله قدم پور
دانشیار، گروه روانشناسی ، دانشگاه لرستان، خرم آباد، ایران. ghadampour.e@lu.ac.ir
لیلا امیریان
دانشجوی دکتری، گروه روانشناسی، دانشگاه لرستان، خرم آباد، ایران.
حدیث دهنوی
کارشناس ارشد، گروه روانشناسی، دانشگاه لرستان، خرم آباد، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :