حمیدرضا امیری

حمیدرضا امیری

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۴ مورد از کل ۴ مورد.
۱.

Investigating the Effect of Social Intelligence on Self-determination in Teenagers with the Mediating Role of Mobile Phone Addiction(مقاله علمی وزارت علوم)

کلیدواژه‌ها: Social intelligence self-determination Mobile Phone Addiction

حوزه‌های تخصصی:
تعداد بازدید : ۱۱ تعداد دانلود : ۶
Purpose: The excessive use of mobile phones significantly alters human thought patterns and affects individuals' behavior and psycho-social well-being. This study aims to explore the correlation between social intelligence and self-determination in adolescents, focusing on how mobile phone addiction plays a mediating role. Methodology: The research employed a descriptive-correlational approach and cross-sectional method, utilizing structural equation modeling (SEM) for analysis. The statistical population consisted of teenage boys and girls in Tehran who experienced mobile phone addiction from July to October 2023, with psychologist confirmation of addiction. A sample of 150 teenagers was selected through purposive sampling, with 17 individuals excluded due to incomplete or erroneous questionnaire responses. Research instruments included the Tromso Social Intelligence Scale, Self-Determination Scale, and Mobile Phone Addiction Questionnaire. Data analysis was conducted using SPSS version 27 for overall data and SmartPLS version 4 for path analysis between variables, with a significance level set at 0.05. Findings: The results of the current study indicated that Social Intelligence had a significant negative impact on mobile phone addiction (β=-0.380, p <0.001). In addition, there was a significant positive effect of Social Intelligence on Behavioral independence (β=0.383, p <0.001), but no significant effect on Psychological Empowerment and Self-determination (p>0.05). Furthermore, the relationship between Social Intelligence and Behavioral independence, as well as Self-determination with the mediating factor of Mobile phone addiction, was found to be significant (p < 0.001). However, the association between Social Intelligence and Psychological Empowerment with the mediating role of Mobile phone addiction was not significant (P>0.05). Conclusion: The findings of the current research indicate that social intelligence can decrease mobile phone addiction and enhance behavioral independence, while mobile phone addiction can diminish behavioral independence and self-consciousness. However, social intelligence and mobile phone addiction do not impact psychological empowerment. Additionally, mobile phone addiction serves as a mediator in the correlation between social intelligence and the aspects of behavioral independence and self-consciousness.
۲.

بررسی قدرت مدل های مبتنی بر هوش مصنوعی در پیش بینی روند قیمت سهام بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پیش بینی قیمت سهام یادگیری ماشین سرمایه گذاری بورس اوراق بهادار تهران

حوزه‌های تخصصی:
تعداد بازدید : ۲۷۰ تعداد دانلود : ۱۷۳
هدف: در سال های اخیر، روش های پیش بینی داده های سری زمانی مبتنی بر هوش مصنوعی و یادگیری عمیق گسترش بسیاری یافته است. با توجه به اینکه این داده ها در حوزه سرمایه گذاری و پیش بینی قیمت سهام ابعاد بزرگی دارند، روش های سنتی تحلیل داده، به سختی می توانند به یادگیری آن ها بپردازند. در این پژوهش، قدرت مدل های مختلف مبتنی بر یادگیری ماشین، در پیش بینی روند قیمت سهام در بورس اوراق بهادار تهران بررسی شده است. روش: پس از جمع آوری داده های 150 شرکت بزرگ پذیرفته شده در بورس اوراق بهادار تهران، از سال 1390 تا 1399، با تنظیم دقیق روش های یادگیری ماشین برای هر یک از سهام، به پیش بینی روند قیمت سهام و صحت سنجی هر یک از روش ها پرداختیم و آن ها را با هم مقایسه کردیم. در این روش ها، در هر مرحله یادگیری، بخشی از داده ها را به بخش یادگیری و ارزیابی و بقیه را به بخش آزمون اختصاص دادیم. این روش ها عبارت بودند از: مدل های خطی، مدل های خودهم بسته، جنگل تصادفی و شبکه های عصبی. یافته ها: مدل های مبتنی بر یادگیری عمیق نسبت به سایر مدل ها عملکرد بهتری از خود نشان می دهند و در پیش بینی روند کوتاه مدت قیمت سهام، از دقتی حدود 70 تا 80 درصد برخوردارند. همچنین، مدل های یادگیری کم عمق دقت بالاتری داشتند. به طور کلی، بیشتر مدل ها در پیش بینی روندهای منفی سهام، عملکرد بهتری نشان می دهند. نتیجه گیری: در این پژوهش، تلاش شد تا مدل ها با دقت بسیار به کار گرفته شوند. نتایج پژوهش نشان داد که برخلاف یافته های پژوهش های گذشته، این مدل ها نتایج خیره کننده ای در اختیار سرمایه گذاران قرار نمی دهند.
۳.

پتانسیل یابی منابع آب زیرزمینی با استفاده از روش منطق فازی (مطالعه موردی: حوزه آبخیز داراب فارس)(مقاله پژوهشی دانشگاه آزاد)

کلیدواژه‌ها: پتانسیل یابی منابع آب زیرزمینی فرآیند تحلیل سلسله مراتبی سیستم اطلاعات جغرافیایی منطق فازی حوزه آبخیز داراب

حوزه‌های تخصصی:
تعداد بازدید : ۱۶۷ تعداد دانلود : ۱۲۹
محدودیت و کمبود منابع آب زیرزمینی در دشت داراب فارس سبب شده این دشت در وضعیت بحرانی و در گروه ممنوعه قرار گیرد. با مدیریت صحیح می توان ظرفیت منابع آب های موجود سطحی و زیرزمینی به خوبی شناسایی و مطالعه کرد تا برنامه ریزی جامعی برای بهره برداری درست از آنها انجام شود. استفاده از GIS در کنار داده های مشاهده ای منجر برآورد آسان و سیستمی مناطق مستعد تغذیه آب های زیرزمینی می گردد. هدف این پژوهش پتانسیل یابی منابع آب زیرزمینی با استفاده از مدل AHP و توابع فازی در محیط GIS می باشد. برای ارزیابی پتانسیل یابی منابع آب زیرزمینی 10 معیار زمین شناسی، تراکم گسل، ارتفاع، شیب، کاربری اراضی، خاک ، ژئومورفولوژی، بارش، تراکم زهکشی و فاصله از رودخانه ها، مورد بررسی و تحلیل قرار گرفت. لایه هادر محیط GIS آماده سازی شده و سپس با استفاده از توابع منطق فازی، پتانسیل یابی منابع آب زیرزمینی مدل سازی شده است. نتایج نشان داد که استفاده از گامای 98/0 نتایج مطلوب تری نسبت به دیگر اعداد مشخص کرد. مناطق با پتانسیل بالای آب زیرزمینی با دقت بالا تعیین شد. برای اعتبارسنجی مدل از چاه های بهره برداری در منطقه استفاده شده است. حدود 62/63 درصد از این نوع چاه ها در پهنه های با پتانسیل خوب و خیلی خوب قرار دارند. پهنه های دارای پتانسیل خوب و خیلی خوب منطبق بر ذخایر تراسی، آبرفت ها و رسوبات دوران چهارم و دارای شیب کم (5-0 درجه) است. حدود 31 درصد از حوزه آبخیز در دو طبقه ی پتانسیل خوب و خیلی خوب قرار دارند.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان