청소년의 메타인지 능력에 대한 몰입형 교육 (VRtraining)

소개

메타인지 능력과 자기 지식은 개인의 심리적 성숙과 좋은 정신 기능에 필요합니다. 자기 지식은 청소년기에 구조화되기 시작하여 청소년기 및 후기 단계에서 진화하는 인지 및 성격 발달의 중심 요소입니다. 그것은 사람들이 개인적인 경험을 바탕으로 자신과 타인을 해석하는 데 사용하는 "정신 지도" 또는 이론으로 간주될 수 있습니다. 자기 지식은 사람들이 사건을 해석하고, 반응과 행동을 조직하고, 미래를 예상하기 위해 사용하는 도식이나 구조로 구성됩니다. 메타인지 능력과 자기 지식을 반영하는 변수는 과학 문헌에서 다양합니다. 조사관은 다음을 강조합니다.

1. 자기개념 명료성은 개인의 자기개념의 내용이 확실하고 일관성 있게 명확하게 정의되고 내적, 시간적으로 안정적인 것으로 경험되는 정도로 이해된다(Campbell et al., 1996).
2. 메타인지는 자신과 타인의 정신 상태(예: 생각, 욕망, 감정)를 식별, 이해 및 반영하는 능력을 의미합니다(Pedone et al, 2017).
3. 반사 기능(RF)은 정신화(Katznelson, 2014)의 기저에 있는 정신 과정의 운영화를 말하며, 이는 암묵적으로 또는 명시적으로 자신과 타인의 정신 상태를 이해하거나 해석하는 능력으로 정의됩니다(Fonagy & Bateman, 2008). .
4. 자기 지식은 여러 연구(예: Carapeto & Feixas, 2020)에서 사용되는 광범위한 용어이며 다른 사람에게서 인식하는 구성과 자신의 "이상적인 자아"와 관련하여 자신의 성격 특성을 구성하는 것으로 이해됩니다.
5. 자존감은 고전적인 개념으로, 종종 이전 용어와 관련이 있으며, 자신과 자신의 능력에 대한 개인의 평가를 나타냅니다.

메타인지 능력과 자기 지식의 좋은 발달이 개인과 사회의 최적의 기능을 위한 기본으로 간주된다는 점을 감안할 때, 연구자들은 발달을 개선하고 강화할 수 있는 도구 및/또는 중재를 생성할 필요성을 필수적이라고 생각합니다. 이에 따라 몇 가지 접근 방식이 고려됩니다. 개인 구성 이론(Kelly, 1955)은 개인의 핵심 구성으로 이해되는 개인 정체성 연구에 초점을 맞추고 메타인지 능력과 변혁적 자기 지식을 향상시키는 유효한 도구를 제공합니다. 레퍼토리 그리드 기법(RGT)을 기반으로 우리 연구팀은 설명된 메타인지 능력을 향상시키기 위해 간단한 몰입형 교육을 개발했습니다.

이 개입을 통해 참가자는 안전한 환경에서 자신의 개인 정체성을 탐색할 수 있습니다. 특히, 정신 건강 전문가가 고객의 개인 개발 및 치료 변화를 강화할 수 있도록 돕기 위해 만들어진 기술 플랫폼인 의미 탐색(EYME) 도구를 사용하여 가상 현실(VR)을 통해 개인의 의미 세계에 몰입하는 것입니다. .

목표

이 연구의 일반적인 목적은 RGT 및 EYME에 기반한 몰입형 교육이 젊은 참가자의 메타인지 능력 및 자기 지식에 미치는 영향을 평가하는 것입니다. 구체적인 목표는 다음과 같습니다.

1. 이러한 훈련이 참여자의 자아 개념 명확성, 메타인지, 성찰 기능 및 자존감을 증가시킨다는 가설을 검증합니다.
2. 이러한 변수 간의 관계와 RGT에서 파생된 자기 인식 지표(예: 현재 자기/이상적 자기 불일치, 인지 갈등)와의 관계를 식별합니다.
3. 젊은 참여자들의 자기인식 내용과 구조의 일반적인 특징을 탐색한다.
4. 젊은 참가자의 메타인지 능력 및 자기 지식 수준과 성별 및 기타 사회 인구학적 변수의 관계를 조사합니다.

절차. 참가자는 인터넷 포럼 및 소셜 네트워크에 공지 사항을 게시하여 참여에 관심이 있는 사람들에게 온라인 설문 조사에 액세스하도록 요청하는 방식으로 연락을 받을 것입니다. 설문 조사는 정보에 입각한 동의서 양식으로 시작됩니다. 정보에 입각한 동의서를 읽고 수락한 후 참가자는 나이, 성별, 국가, 고용 및 결혼 상태와 같은 사회 인구학적 질문과 작년에 심각한 정신 질환 또는 약물 남용 기록이 있는지 여부를 제시하게 됩니다. 이 초기 평가의 일부로 LS, SCC, MSAS, RFQ-8, RSE, CORE-OM 및 DASS-21 설문지가 관리됩니다(결과 측정 섹션 참조).

설문 조사를 완료한 사람들 중 자격이 있는 참가자는 3개 세션 개입에 직접 참석하도록 초대됩니다. 이 모든 세션에서 CORE-SFB는 가능한 자살 생각을 감지하기 위해 세션 시작 시 관리됩니다. 그렇다면 담당 연구원은 조사를 계속하지 않고 이 문제(의뢰 제안, 가족과의 연락 또는 전문 서비스 호출)를 처리합니다.

첫 번째 세션: 연구원은 참가자에게 개인 개발 및 성장을 촉진하기 위한 자기 지식 증가로 구성된 세 개의 세션의 목적을 참가자에게 설명합니다. 참가자의 가족 및 관계적 맥락과 가능한 어려움 또는 우려 사항은 물론 참가자가 자신의 자기 지식을 높임으로써 개선될 수 있다고 믿는 영역을 탐색할 것입니다. 자기 특성화(Kelly, 1955; Feixas & Villegas, 2000)는 다음 세션에서 제출할 숙제(최소 한 문단, 최대 한 페이지)로 요청됩니다.

두 번째 세션: 개입의 일환으로 자기 특성화에 대해 간략하게 논의하고 디지털 플랫폼 EYME를 사용하여 RGT를 적용합니다. 컴퓨터 지원 인터뷰로 시작하여 "지금의 자신"과 "이상적인 자아" 외에도 대인 관계 세계에서 가장 중요한 사람들에게 7점 시각적 척도를 통해 참가자의 구성을 도출하고 적용합니다. " (Feixas, Alabèrnia-Segura & García-Gutiérrez, 2022). 자기의 다른 요소 또는 첫 번째 세션이나 자기 특성화에서 관련이 있는 것으로 보이는 다른 구성이 포함될 수 있습니다.

세 번째 세션: EYME에서 제공하는 데이터 분석 결과는 자기 정의, 개선할 수 있는 영역, 현재의 자신과 이상적인 자신과 타인의 불일치, 내부 갈등에 대해 논의됩니다. 구성물과 중요한 사람들은 컴퓨터 화면에서 볼 수 있는 3D 공간에서 시각화되며, 참가자는 VR을 사용하여 몰입형 탐색을 통해 자신과 타인에 대한 개인의 도식과 인식에 대한 강력하고 명확한 경험을 제공합니다. 이상적인 이미지. 몰입형 경험 도중 및 이후에 연구원과의 대화는 제공된 정보의 동화 및 그 분석을 촉진하는 데 지향되며, 여기에는 사람의 관련 구성 중 하나에서 상향 사다리가 포함될 수 있습니다(Neimeyer, 1993). 세션이 끝나면 LS, SCC, MSAS, RFQ-8, RSE 및 DASS-21 설문지가 관리됩니다.

후속 평가: 세 번째 세션(기준선에서 2주 후 배치) 후 1개월 후 CORE-OM, SCC, MSAS, RFQ-8, RSE, LS 및 CRES-4 기기가 온라인으로 관리됩니다.

데이터 분석. 통계 분석은 Stata 16.1(StataCorp LLC)로 수행되며, 보고는 SAMPL(Statistical Analyzes and Methods in the Published Literature) 지침에 따라 수행됩니다. 다변량 데이터 정규 분포는 Mardia의 왜도 및 첨도 계수에 의해 테스트되고 일변량 데이터 정규 분포는 Shapiro-Wilk 테스트에 의해 테스트됩니다. 변수들 간의 중첩은 이변량 Spearman의 상관관계와 분산 인플레이션 계수(VIF)에 의한 공선성으로 검사됩니다.

사회인구학적 및 심리적 변수에 대한 설명적 분석이 수행됩니다. 반복 측정의 다단계 선형 혼합 모델은 연령, 성별의 공변량으로 조정된 SCC, MSAS, RFQ-8 및 RSE의 결과 변수의 사전 및 사후 점수를 분석하여 개입의 효과를 평가하기 위해 수행됩니다. , 및 기타 사회인구학적 변수. 추정 방법은 REML(Restricted Maximum Likelihood)이 될 것이며, 이는 연속 결과 변수의 정상 편차에 대해 견고합니다. 모델의 조정은 우도비 테스트, R2, 조정된 R2 및 베이지안 정보 기준(BIC)으로 평가됩니다. 모든 분석에서 유의 수준은 0.05로 간주되고 신뢰 구간이 계산되며 효과 크기(Cohen's d)가 보고됩니다.

두 번째 특정 목표를 달성하기 위해 SCC, MSAS, RFQ-8, RSE 도구로 평가된 메타인지 능력과 관련된 변수와 RGT에서 파생된 자기 지식 척도 사이의 상관관계를 계산합니다. CORE-OM을 포함하면 심리적 고통과 관련하여 달성된 변화의 정도를 평가할 수 있습니다. 마찬가지로 각 세션에서 CORE-SFB를 적용하면 세션별 자살 위험 및 변경 비율을 평가할 수 있습니다. DASS를 사용하면 비임상 샘플이기 때문에 초기에는 높지 않을 것으로 예상되지만 불안, 우울증 및 스트레스 수준에 변화가 있는지 관찰할 수 있습니다.

LSS를 결과 변수로 고려하여 2차 분석을 수행하여 양성 결과의 진화를 평가하고 다른 결과와의 관계도 상관 분석을 통해 조사합니다.

탐색적 내용 분석을 위해 두 명의 평가자가 RGT를 통해 수집된 구성을 코딩하고 발견된 불일치(있는 경우)를 논의하고 설명 분석을 수행합니다. 평가자 간 합의는 Kappa 지수를 사용하여 계산됩니다.