پیش بینی اضطراب مرگ بر اساس دلبستگی و سه گانه تاریک شخصیت

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (بدون رتبه معتبر)
چکیده:
مقدمه

یکی از اشکال اضطراب مرگ واکنش های افراد نسبت به مرگ، وسواس مرگ است. هدف پژوهش حاضر پیش بینی اضطراب مرگ براساس دلبستگی (ایمن، اجتنابی و اضطرابی) و سه گانه تاریک شخصیت (خودشیفته، ماکیاولی و سایکوپات) بود.

روش پژوهش

روش پژوهش توصیفی و از نوع همبستگی و جامعه آماری شامل تمام دانشجویان مقطع کارشناسی و کارشناسی ارشد دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران در نیمسال اول سال تحصیلی 96-1395 بود که 150 نفر از دانشجویان به شیوه نمونه برداری تصادفی چندمرحله ای انتخاب شدند. ابزار پژوهش شامل پرسشنامه سبک های دلبستگی بزرگسالان سیمپسون (1990)، مقیاس شخصیت تاریک جانسون و وبستر (2010) و مقیاس اضطراب مرگ تمپلر 1970 بود. داده های پژوهش با استفاده از روش تحلیل رگرسیون سلسله مراتبی تحلیل شدند.

یافته ها

نتایج پژوهش حاضر نشان داد شخصیت خودشیفته (01/0p<، 256/0=β)، دلبستگی ایمن (01/0p<، 218/0-=β)، دلبستگی اجتنابی (05/0p<، 184/0-=β) و دلبستگی دوسوگرا (05/0p<، 218/0-=β) اضطراب مرگ را پیش بینی می کنند.

نتیجه گیری

افراد ناایمن و خودشیفته در مواجه با مفهوم و ترس ناشی از مرگ از آن جا که احتمالا منبع دلبستگی در دسترسی را نمی یابند با تنش و اضطراب بیش تری به آن پاسخ می دهند.

زبان:
فارسی
در صفحه:
3
لینک کوتاه:
magiran.com/p2278481 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!