تدوین مدلی برای پیش‌بینی نشانگان ضربه عشقی در دانشجویان بر اساس ویژگی‌های شخصیتی، طرح‌واره‌های ناسازگار اولیه و کیفیت روابط دلبستگی

اهداف ضربه عشقی در دانشجویان پدیده ای رایج است که باعث مسائل تحصیلی و روان شناختی در آن ها می شود. این پژوهش با هدف تعیین نقش ویژگی های شخصیتی، طرح واره های ناسازگار اولیه و کیفیت روابط دلبستگی در پیش بینی نشانگان ضربه عشقی انجام شد.مواد و روش ها روش پژوهش همبستگی بود. جامعه آماری این پژوهش شامل همه مراجعه کنندگان به مراکز مشاوره دانشگاه علوم پزشکی ایران، دانشگاه تهران و دانشگاه آزاد رودهن با شکایت تجربه شکست عاطفی بودند. تعداد 200 نفر نمونه با روش هدفمند انتخاب شدند. افراد بر اساس نمره برش مقیاس نشانگان ضربه عشق غربالگری شدند و به پرسش نامه های پژوهش پاسخ دادند. تجزیه و تحلیل داده ها با روش مدل یابی معادلات ساختاری و با نرم افزار لیزرل انجام شد.یافته ها یافته های مدل معادلات ساختاری نشان داد شاخص ریشه میانگین مجذورات تقریب برابر 0.047 است و مدل برازندگی خوبی دارد.نتیجه گیری مدل پیشنهادی مربوط به عوامل پیش بینی کننده نشانگان ضربه عشقی، برازنده داده هاست و ویژگی های شخصیتی، طرح واره های ناسازگار اولیه و کیفیت روابط دلبستگی، نشانگان ضربه عشقی را پیش بینی می کنند.

Development of a Model to Predict Emotional Failure in Students According to Personal Factors and Initial Maladaptive Schemas and Quality of Love Relationships

Objectives Love trauma is a common phenomenon among university students which causes educational and psychological problems in them. This study aimed to determine the role of personality traits, early maladaptive schemes, and the quality of attachment relationships in predicting Love Trauma (LT) syndrome.Methods In this correlational study, the statistical population consisted of all patients referring to counseling centers of Iran University of Medical Sciences, Tehran University, and Islamic Azad University of Roudehen branch, with a complaint of emotional breakdown. Using purposeful sampling method, a total of 200 patients were selected as study samples. They were screened based on the cutoff point of Love Trauma Index (LTI). Data analysis was conducted using Structural Equation Modeling (SEM) method in LISREL Software.Results SEM model showed a root mean square error of 0.047 which indicate good model fit.Conclusion The provided model for predicting LT syndrome was a good fitting model. Personality traits, early maladaptive schemes, and the quality of attachment relationships could predict LT syndrome.