ULTRAGEN 2021-2026 - informacje o zbiorze danych jakościowych
Nazwa projektu: ULTRAGEN. Wchodzenie w dorosłość w czasach ultra-niepewności: międzypokoleniowa teoria „rozedrganych” tranzycji
Numer grantu NCN: 2020/37/B/HS6/01685
Kierowniczka projektu: dr hab. Paula Pustułka, Profesor USWPS
Instytucja realizująca projekt: Uniwersytet SWPS
Wersja 1.0 • 13 października 2026
1 Opis zbioru
1.1 Pochodzenie i wykorzystanie zbioru
Baza danych jakościowych pochodzi z komponentu WP2 projektu ULTRAGEN. Badanie zostało zrealizowane w dwóch falach przez Zespół badawczy projektu ULTRAGEN.
Pierwsza fala wywiadów została zrealizowana w okresie maj-listopad 2021. W wywiadach brały udział międzypokoleniowe diady rodzinne obejmujące młodą osobę dorosłą (18-35) oraz jej jednego rodzica. Zebrano 70 wywiadów z 35 diad. Średnia wieku badanych wyniosła 24 lata dla pokolenia młodych i 50 dla badanych rodziców. W pokoleniu młodszym (G2), respondentami było 17. mężczyzn, 33 kobiety i jedna osoba niebinarna. Pokolenie rodziców reprezentuje 21 matek i 14 ojców. Do wszystkich badanych starano się powrócić w drugiej fali wywiadów, realizowanej od maja do października 2023. W drugiej fali ostatecznie wzięło udział 51 osób, z czego 26 stanowiły osoby młode i 25 rodzice. 23 diady rodzinne wzięły udział w obu falach badania.
Zbiór może być wykorzystywany do analiz sytuacji młodych dorosłych, w tym relacji rodzinnych, pracy, edukacji, mieszkalnictwa, relacji rodzinnych i planów relacyjno-rodzinnych, definicji dorosłości, kryzysu/polikryzysu, wartości i postaw polityczno-społecznych. Może być także wykorzystywany do analiz wyżej wymienionych tematów w ujęciu pokoleniowo porównawczym i na poziomie mezo (w obrębie rodzin).
1.2 Rodzaje, formaty i wielkość danych
Plik do pracy w programie MaxQDA zawiera poddany anonimizacji, zakodowany i opatrzony komentarzami analitycznymi (memo) zbiór tekstowych danych jakościowych w formie wywiadów z dwóch fal badania
Baza danych - w formacie .x24 - obejmuje 121 dokumentów wyjściowych w postaci poddanych anonimizacji transkrypcji wywiadów, a także 156 memo analitycznych, w tym 121 podsumowań dla każdego z wywiadów oraz 35 memo opisujących podzestawy danych skonstruowanych dla danej rodziny. W systemie kodowym opracowanym w obrębie programu MAXQDA znajduje się łącznie 163 elementy (główne kody oraz podkody). Struktura ta obejmuje 25 głównych kodów oraz 138 podkodów zagnieżdżonych na kolejnych poziomach hierarchii. Kodów tych użyto łącznie 19446 razy do zakodowania szczegółowych fragmentów. Plik ma wielkość 66,8 MB.
Dodatkowo do danych załączono narzędzia gromadzenia danych, tj. scenariusze/przewodniki do wywiadów z fali 1 i fali 1.
Metadane repozytorium obejmują autorki wraz z numerem ORCID, projekt i numer grantu, datę, wersję, warunki dostępu i licencję.
2 Udostępnianie i licencja
2.1 Zakres i termin dostępu
Zbiór udostępniony zostaje na licencji CC BY-NC 4.0.
2.1 Autorki
Paula Pustułka (ORCID 0000-0001-6679-0365)
Jowita Radzińska (ORCID 0000-0002-6187-636X)
Justyna Kajta (ORCID 0000-0002-2428-8876)
Justyna Sarnowska-Wilczyńska (ORCID 0000-0001-5376-7625)
Agnieszka Golińska (ORCID 0000-0002-0284-7315)
2.2 Identyfikacja i cytowanie zbioru
Pustułka, P., Radzińska, J., Kajta, J., Sarnowska, J., Golińska, A. (2026). Baza danych jakościowych z projektu ULTRAGEN 2021-2026 [zbiór danych]. DOI: [DOI]. Licencja: CC BY-NC 4.0.
2.3 Materiały źródłowe
Ultragen_mx24
Ultragen_przewodnik_F1.pdf
Ultragen_przewodnik_F2.pdf
System kodowy wraz z liczba zakodowan.pdf
ULTRAGEN 2026 - informacje o zbiorze danych
Nazwa projektu: ULTRAGEN. Wchodzenie w dorosłość w czasach ultra-niepewności: międzypokoleniowa teoria „rozedrganych” tranzycji
Numer grantu NCN: 2020/37/B/HS6/01685
Kierowniczka projektu: dr hab. Paula Pustułka, Profesor USWPS
Instytucja realizująca projekt: Uniwersytet SWPS
Wersja 1.0 • 13 października 2026
1 Opis zbioru
1.1 Pochodzenie i wykorzystanie zbioru
Sondaż stanowi komponent projektu ULTRAGEN i został zrealizowany we współpracy z IPSOS w dniach 10-16 września 2026 r. Sondaż objął 1646 osoby w wieku 18-35 lat w Polsce. Próba jest reprezentatywna pod względem wieku, płci, wielkości miejsca zamieszkania i regionu. Różnice względem struktury populacji GUS z 2021 r. wyrównano wagami poststratyfikacyjnymi (waga, zakres 0,481-1,898). Zbiór może być wykorzystywany do analiz sytuacji młodych dorosłych, relacji rodzinnych, pracy, edukacji, mieszkalnictwa, dorosłości, wartości i postaw polityczno-społecznych.
1.2 Rodzaje, formaty i wielkość danych
Plik SAV zawiera 1646 rekordy i 479 zmienne: 464 numerycznych i 15 zmiennych tekstowych. Obejmuje odpowiedzi, metryczkę, identyfikator id i wagę (waga). Zbiór ma 1.95 MB. Dane w zbiorze są zanonimizowane i nie umożliwiają identyfikacji indywidualnych respondentów.
Zbiorowi towarzyszy kwestionariusz badania w formacie PDF. Pełne brzmienie pytań należy uzgadniać z kwestionariuszem, ponieważ część etykiet w pliku SAV jest skrócona.
Metadane repozytorium obejmują autorki wraz z numerem ORCID, projekt i numer grantu, datę, wersję, warunki dostępu i licencję.
2 Udostępnianie i licencja
2.1 Zakres i termin dostępu
Zbiór udostępniony zostaje na licencji CC BY-NC 4.0.
2.1 Autorki
Agnieszka Kwiatkowska (ORCID 0000-0002-2241-0831)
Paula Pustułka (ORCID 0000-0001-6679-0365)
Olga Czeranowska (ORCID 0000-0002-3516-1563
Iga Wermińska-Wiśnicka (ORCID 0000-0003-4818-3128)
Agnieszka Golińska (ORCID 0000-0002-0284-7315)
Justyna Sarnowska-Wilczyńska (ORCID 0000-0001-5376-7625)
2.2 Identyfikacja i cytowanie zbioru
Kwiatkowska, A., Pustułka, P, Czeranowska, O., Wermińska-Wiśnicka, I, Golińska, A. Sarnowska-Wilczyńska, J., (2026). Sondaż ULTRAGEN 2026 [zbiór danych]. DOI: [DOI]. Licencja: CC BY-NC 4.0.
2.3 Materiały źródłowe
Ultragen_2026.sav
Ultragen_kwestionariusz_2026.pdf
Prior research has been limited in examining emotional intimate partner violence (EIPV) related attitudes and cognitions. To address these research gaps, the current study aimed to build a better understanding of EIPV recognition and myth acceptance. Firstly, we developed and investigated reliability and factor structure, including factorial invariance for sex groups, of the Emotional Intimate Partner Violence Recognition (EIPV-R) Scale and the Emotional Intimate Partner Violence Myth Acceptance (EIPV-MA) Scale. Secondly, we explored associations between EIPV-R and EIPV-MA scores and external criteria. Study participants were a representative sample of young adults (aged 18-29 years) in Poland (N = 2705; 53.4% female). EIPV-R and EIPV-MA demonstrated strong psychometric properties and factorial invariance across sex. Both instruments were also found to be multidimensional, with five factors best capturing the EIPV-R scores (emotional withholding, controlling behavior, dominance and intimidation, severe threatening behavior, denigration) and three factors best capturing the EIPV-MA scores (romanticization of abuse, victim blaming, constrained perception of emotional abuse). Further analyses revealed than men are more likely to endorse rape myths and have more difficulties recognizing EIPV than women. Individuals who experienced intimate partner violence (IPV positive) scored significantly lower than IPV negative participants on total EIPV-R as well as on three subscales (controlling behavior, dominance and intimidation, denigration). However, IPV positive individuals scored higher on the severe threatening behavior subscale, which may be because the ability to identify overtly dangerous acts is vital for safety and survival. The current research findings can be used to build effective interventions aimed at reducing the prevalence of EIPV.
Timed security protocols rely on freshness tokens whose validity must hold when a response is delivered, not merely when it is sent. Many models collapse sending and delivery into one event, erasing the transit interval in which a token may expire. This abstraction has a concrete consequence: a delay-oblivious model can report that successful completion is reachable for a protocol that, on any network with a positive minimum transit latency, can never complete – a soundness gap rather than a missed attack. We introduce Split-Step Timed Interpreted Systems (SSTIS), a dense-time semantics in which every step has three phases – send, transit, and deliver-or-fail – making the transit interval and a delivery failure explicit local states.We formalise interpretations into classical Timed Interpreted Systems (TIS) and into SSTIS, and prove three results: SSTIS conservatively extends TIS at zero delay; a delivery-time failure is reachable in SSTIS but unsatisfiable in TIS by construction; and under a minimum transit delay D, a step whose freshness window L satisfies D > L fails in every run, including the fastest adversary-free delivery, so the protocol is unrealizable. From this we derive a linear-time realizability decision procedure that decides whether a guarded step can ever succeed, as a static pre-check before bounded model checking. We give a quantifier-free linear-real-arithmetic encoding with soundness and completeness proofs, apply it to the MobInfoSec SP2SP_MutualAuth protocol and classical timestamp families, and report a feasibility study across 779 protocol-variant instances and 12,410 reachability queries solved in under a second at the median.
Automated Machine Learning (AutoML) reduces the technical requirements for applying machine learning, yet existing systems still demand technical expertise, optimize inefficiently, and rarely support conversational use. We present a conversational AutoML system with a five-agent architecture coordinated via natural language, tuning Random Forest and gradient-boosting models (XGBoost, LightGBM, and CatBoost) with Monte Carlo Tree Search (MCTS) and Bayesian optimization under repeated cross-validation conditions. Its distinctive component is an ensemble coordinator: specialist optimizer agents tune model families concurrently, and a coordinator fuses their outputs with the strongest baseline into a stacking ensemble, deploying it only when it improves on the best single model by cross-validation. This separates two measurable benefits: a speed-up from parallel search and an accuracy gain from ensemble fusion. On six benchmark datasets (five classification and one regression), the multi-agent coordinator is best or tied on every dataset and the only configuration with a positive average gain over defaults (+0.20 pp, versus −0.69 pp for single-agent MCTS); its search is 2.3× faster than the single-agent Bayesian baseline in aggregate, and it is systematically better than single-agent MCTS across datasets (Wilcoxon signed-rank, p = 0.031). While individual dataset gains are observed, none reach statistical significance when adjusted for multiple comparisons. For classification tasks, we additionally report F1-score, precision, recall, and AUC-ROC (Area Under the Receiver Operating Characteristic Curve).
