روابط ساختاری پنج عامل بزرگ شخصیت با نشانه های صفت شخصیتی دگرآزاری با میانجی گری شادنفرود در دانشجویان
محل انتشار: فصلنامه روان شناسی کاربردی، دوره: 16، شماره: 1
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 362
فایل این مقاله در 25 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_QAPSY-16-1_007
تاریخ نمایه سازی: 9 بهمن 1400
چکیده مقاله:
هدف: لذت بردن از درد و رنج دیگران می تواند به شکل هیجان شادنفرود در اغلب افراد رخ دهد و یا به شکل پایدارتر و عمیقتری در قالب صفت شخصیتی دگرآزاری در بعضی نمایان شود. مطالعه حاضر بررسی روابط ساختاری صفات پنجگانه شخصیتی با دگرآزاری به واسطه گذر از هیجان شادنفرود بود. روش: تعداد ۳۶۴ نفر از جامعه ۲۴۰۰۰ نفری دانشجویان دانشگاه تبریز (۱۶۹ مرد و ۱۶۷ زن) در سال ۱۳۹۹ با نمونه گیری در دسترس انتخاب شدند. آنها به پرسشنامه های میلونIII،NEO-FFI و پرسشنامه سناریویی شادنفرود پاسخ دادند. داده ها با نرم افزارهای SPSS-۲۴و Amos تحلیل شدند. یافته ها: ارزیابی مدل فرضی پژوهش با استفاده از شاخص های برازندگی نشان داد که مدل اندازه گیری شده برازش دارد. نتیجه گیری: عامل دلپذیری از میان پنج عامل بزرگ شخصیت با میانجی گری شادنفرود بر روی نشانه های شخصیت دگرآزاری اثر معنی داری دارد. یافته ها در کنار حمایت از مدل فرضی برای نشانه های شخصیت دگرآزار، چهارچوب مناسبی برای سبب شناسی این اختلال شخصیت ارائه می دهد. وجه اشتراک سه عامل مدل حاضر، عنصر اجتماعی بودن آنهاست. دلپذیری را می توان اجتماعی ترین عامل شخصیت دانست که بر شادنفرود به عنوان هیجانی اجتماعی و شخصیت دگرآزاری به عنوان تیپ شخصیتی متکی به حضور دیگران، اثرگذار است. یعنی افراد با دلپذیری بالاتر، به دلیل همدلی بیشتر، احتمال کمتری برای تجربه لذت بردن از درد و رنج دیگران خواهند داشت. نتایج حاصل، در درک رفتارهای اجتماعی، خاصه در موقعیت هایی که انتظار همدلی می رود اما رفتارهایی حاکی از دگرآزاری یا لذت بردن از درد و رنج دیگران بروز می کند کاربرد دارد.
کلیدواژه ها:
نویسندگان
نرگس یگانه
کارشناس ارشد روانشناسی بالینی، گروه روانشناسی، دانشکده علوم تربیتی و روانشناسی، دانشگاه تبریز، تبریز، 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 :