عبدالحسین وهابی

سبک دلبستگی صفتی نسبتا پایدار در طول زندگی است که بر نحوه تعامل فرد با محیط تاثیرگذار است. تاکنون پژوهش های عصب شناختی متعددی برای شناخت زیربنای عصبی دلبستگی اجرا شده است. برای مقایسه نتایج این پژوهش ها با یکدیگر و به دست آوردن مناطق مشترکی که در پژوهش ها به آن اشاره شده باشد، پس از مرور مطالعات منتشر شده و انتخاب مقالاتی که لازم برای ورود به متاآنالیز را داشتند (11 مقاله از بین 564 مقاله حاصل از جستجوی اولیه)، نتایج منتشر شده در مطالعات اولیه دلبستگی با استفاده از تخمین احتمال فعال سازی (ALE) تجزیه و تحلیل شده است. در اضطراب دلبستگی، تجزیه و تحلیل ALE همبستگی مثبتی با فعالیت در اینسولا، شکنج تحتانی لوب پیشانی، شکنج فوقانی لوب گیجگاهی، هسته های پوتامن، هیپوکامپ و گلوبوس پالیدوس نشان داد. همچنین همبستگی منفی بین اضطراب دلبستگی و فعالیت در شکنج گیجگاهی میانی، شکنج گیجگاهی تحتانی، شکنج فوزیفورم مشاهده شد. در اجتناب، تجزیه و تحلیل ALE همبستگی منفی با فعالیت در اینسولا و شکنج گیجگاهی فوقانی نشان داد و از سوی دیگر همبستگی مثبت شکنج میانی پیشانی و شکنج تحتانی لوب پیشانی و شکنج سینگولیت مشاهده شد.

هدف: با توجه به اینکه استفاده از تخفیف های غیرقطعی میان کسب وکارهای ایرانی روزبه روز افزایش می یابد، این پژوهش در پی بررسی اثر عدم قطعیت تخفیف بر تصمیم به خرید مشتریان ایرانی است. روش: در پژوهش حاضر، آزمایش عاملی کامل درون آزمودنی آنلاین طراحی و اجرا شد و در آن 59 نفر در مقابل 72 تصمیم قرار گرفتند. در این تصمیم ها از مشارکت کنندگان درخواست شد که از بین دو تخفیف نمایش داده شده، گزینه ای را انتخاب کنند که ترجیح می دهند کالای مدنظرشان را با آن تخفیف بخرند. در طراحی این آزمایش، 9 تخفیف (8 تخفیف غیرقطعی و یک تخفیف قطعی) برای دو کالای پاوربانک (فایده باور) و تابلوفرش (لذت جویانه) در نظر گرفته شد. تمام مشارکت کنندگان با ترتیبی تصادفی در مقابل تمام تصمیم ها قرار گرفتند. یافته ها: مخاطبان ایرانی در انتخاب بین دو تخفیف مبتنی بر شانس و مهارت و تخفیف عادی، ریسک گریزانه عمل کردند و تخفیف های قطعی را ترجیج دادند؛ اما در مواجهه با تخفیف های کششی تفاوت معناداری بین انتخاب افراد دیده نشد. در تخفیف های مبتنی بر شانس، ترجیح افراد احتمال قوی تر برنده شدن با تخفیف کمتر در مقایسه با احتمال ضعیف برنده شدن با تخفیفی بیشتر بود. در تخفیف های کششی، حد بالای تخفیف بیان شده تأثیر مثبت و حد پایین تأثیری منفی در افزایش تمایل افراد به انتخاب تخفیف داشت. در نهایت، بین نوع محصول (لذت جویانه یا فایده باور) در تصمیم های افراد تفاوتی مشاهده نشد. نتیجه گیری: بازاریابان در طراحی تخفیف های همراه با عدم قطعیت، باید ترجیح افراد به تخفیف های قطعی را در کانون توجه قرار داده و با پرداختن به جنبه های دیگر این تخفیف ها، همچون خلق تجربه سرگرم کننده و هیجانی و لذت بخش، جذابیت این گونه تخفیف ها را افزایش دهند. در استفاده از تخفیف های کششی، بازاریابان باید به این نکته توجه کنند که حد بالای تخفیف در مقایسه با حد پایین تخفیف، در جذب مخاطب تأثیر بیشتری دارد.

مدیریت تولید و توزیع انرژی الکتریکی باید براساس تطبیق عرضه بر تقاضای انرژی برق، اقدام به برنامه ریزی، بهره برداری و سرمایه گذاری بهینه نماید. لذا در برنامه ریزی آینده یک سیستم قدرت، پیش بینی بار از اهمیت ویژه ای برخوردار بوده و باید میزان خطای آن تا حد امکان کاهش یابد. دقت نتایج این پیش بینی بر هزینه تولید و همچنین میزان خاموشی در سیستم قدرت تاثیرگذار می باشد. با راه اندازی بازار برق در شبکه ایران، شرکت های برق منطقه ای و در ادامه با توسعه بازار برق، شرکت های توزیع که به منزله خریدار محسوب می شوند می بایست نیاز مصرف ساعت به ساعت کل شبکه تحت پوشش خود را در روزهای آتی پیش بینی و ارائه نمایند. ضمن آنکه شرکت های مدیریت تولید و یا بهره برداری نیروگاه ها نیز ممکن است برای پیش بینی و پیشنهاد قیمت به پیش بینی بار نیاز داشته باشند. بدین ترتیب دقت پیش بینی ضمن بهبود بهره برداری از شبکه تحت پوشش از تخصیص جرایم مربوطه نیز جلوگیری می نماید. با توجه به اهمیت روزافزون پیش بینی بار در بهره برداری سیستم های قدرت و بازار برق، روش هایی به منظور پیش بینی دقیق تر بار ارائه شده است و در این میان روش هایی که بر اساس دید کارشناسانه و از منظر افراد خبره ارائه می شوند، توانایی بالاتری از خود نشان می دهند. در این مقاله روشی برای پیش بینی بار کوتاه مدت بر اساس یافتن روز های مشابه ارائه شده است که با نظر افراد خبره تطابق خوبی داشته و توانسته است در عین ساده تر بودن نسبت به سایر روش های هوشمند نظیر شبکه های عصبی، از دقت مناسبی برخوردار باشند. توانایی این روش برای بهبود دقت پیش بینی بار روزهای خاص (تعطیل ملی و مذهبی) نسبت به روش هایی نظیر سیستم خبره فازی قابل توجه است. نتایج پیش بینی برای داده های بار شبکه سراسری ایران در این مقاله آورده شده و با نتایج پیش بینی شبکه عصبی به همراه سیستم خبره فازی مقایسه شده است.