تدوین مدل رشد پس از سانحه براساس طرحواره های هیجانی با نقش میانجی شفقت به خود در بین زنان سوگوار از مرگ همسر ناشی از بیماری کرونا
Publish place: Journal of Positive Psychology، Vol: 9، Issue: 2
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 41
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PPLS-9-2_005
تاریخ نمایه سازی: 27 مرداد 1403
Abstract:
مرگ همسر به منزله رویدادی سهمگین می تواند پیامدهای روانی بسیاری را به دنبال داشته باشد. در چنین شرایطی، برخی از افراد ممکن است با وجود مواجهه با واقعه ای دردناک، رشد پس از سانحه را تجربه کنند؛ از این رو، شناسایی عوامل دخیل در این پدیده حائز اهمیت است. مطالعه حاضر با هدف تدوین مدل رشد پس از سانحه براساس طرحواره های هیجانی با نقش میانجی شفقت به خود در بین زنان سوگوار از مرگ همسر ناشی از بیماری کرونا انجام شد. روش پژوهش، توصیفی - همبستگی و از نوع مدل سازی معادلات ساختاری بود. نمونه شامل ۳۳۰ نفر از زنان سوگوار مرگ همسر در اثر بیماری کرونا بود که به پرسشنامه های رشد پس از سانحه، طرحواره های هیجانی و شفقت به خود پاسخ دادند. برای تحلیل داده ها از ضریب همبستگی پیرسون و روش معادلات ساختاری استفاده شد. طبق نتایج، اثر مستقیم کنترل ناپذیر بودن، غیرمنطقی بودن، عدم پذیرش هیجانات، گناه، ابراز هیجانات و تاییدطلبی بر شفقت به خود و رشد پس از سانحه و اثر مستقیم شفقت به خود بر رشد پس از سانحه معنی دار است. اثر غیرمستقیم کنترل ناپذیر بودن، غیرمنطقی بودن، عدم پذیرش هیجانات، گناه، ابراز هیجانات و تاییدطلبی بر رشد پس از سانحه معنی دار است؛ بنابراین، شفقت به خود به عنوان متغیر میانجی در رابطه بین طرحواره های هیجانیو رشد پس از سانحه دارای نقش معنی دار است. با توجه به نتایج، برای ارتقای رشد پس از سانحه در افراد سوگوار می توان به طراحی مداخلاتی مبتنی بر اصلاح طرحواره های هیجانی و شفقت به خود اقدام کرد.
Keywords:
Authors
منصوره نیکوگفتار
دانشیار گروه روانشناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه پیام نور، تهران، ایران
کامران شورانگیز
دانشیار گروه روانشناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه پیام نور، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :