میر محسن پدرام

بازی های المپیک، بزرگترین رویداد ورزشی جهان می باشد و کشورها سال ها قبل از برگزاری مسابقات، با برنامه ریزی های بلند مدت، میان مدت و کوتاه مدت سعی در به دست آوردن بهترین نتایج دارند؛ به همین دلیل، پیش بینی مؤلفه های موفقیت کشورها در این مسابقات از اهمیت زیادی برخوردار است. با عنایت به ماهیت اکتشافی موضوع، از روش پژوهش کیفی به منظور تعیین مهم ترین مؤلفه های پیش بین بر موفقیت کشورها استفاده گردید. نخست از طریق مطالعات اولیه، فهرست مقدماتی شاخص های موثر شناسایی گردید. سپس مصاحبه های نیمه ساختار یافته با (28(n= از نخبگان آگاه از موضوع پژوهش انجام شد. نتایج نشان می دهد 185 شاخص می تواند پیش بینی کننده موفقیت کشورها در بازی های المپیک باشد. علاوه براین، تحلیل های انجام شده شاخص ها را در 5 مؤلفه سیاسی، اقتصادی، اجتماعی و فرهنگی، فناوری و ورزشی (PEST+S) طبقه بندی می کند. همچنین، با استفاده از مدل پیشنهادی دی بوسچر و همکاران (2006) مؤلفه های مذکور در سه سطح خرد، متوسط و کلان تقسیم بندی می شوند. با توجه به یافته ها، سیاستگذاران ورزش کشورها می توانند در برنامه ریزی های آتی خود به منظور حضور موفق تر در بازی های المپیک، از شاخص ها و مؤلفه های شناسایی شده استفاده نمایند.

مقدمه: گفتار مؤثرترین ابزاری است که انسان ها برای انتقال اطلاعات از آن استفاده می کنند. گوینده در خلال گفتار خویش علاوه بر واژگان و دستور زبان اطلاعاتی همچون سن، جنسیت و حالت هیجانی خود را منتقل می کند. پژوهش های فراوانی با رویکردهای گوناگون پیرامون هیجان در گفتار هیجانی انجام شده است. این پژوهش ها نشان می دهند که هیجان ضمن پیام در گفتار هیجانی از طبیعتی پویا برخودار می باشد. این پویایی، مطالعه کمّی هیجان در گفتار هیجانی را با دشواری همراه می سازد. این پژوهش به ارزیابی هیجان ضمن پیام از طریق پردازش گفتار هیجانی با استفاده از ویژگی های ضرایب کپسترال فرکانس مِل ( MFCC ) و تبدیل فوریه زمان کوتاه ( STFT ) پرداخت. روش کار: داده های ورودی، پایگاه داده استاندارد گفتار هیجانی Berlin شامل هفت حالت هیجانی خشم، کسلی، انزجار، ترس، شادی، غم و حالت خنثی می باشد. با استفاده از نرم افزار MATLAB ابتدا فایل های صوتی خوانده شدند. در مرحله بعد نخست ویژگی های MFCC و سپس ویژگی های STFT استخراج شدند. بردار های ویژگی برای هر کدام از ویژگی ها بر اساس هفت مقدار آماری کمینه، بیشینه، میانگین، انحراف معیار، میانه، چولگی و کشیدگی محاسبه شدند و به عنوان ورودی شبکه عصبی مصنوعی مورد استفاده قرار گرفتند. در انتها، بازشناسی حالت های هیجانی با استفاده از توابع آموزشی مبتنی بر الگوریتم های مختلف انجام شد. یافته ها: نتایج بدست آمده نشان داد میانگین و صحت بازشناسی حالت های هیجانی با استفاده از ویژگی های STFT نسبت به ویژگی های MFCC بهتر است. همچنین، حالت های هیجانی خشم و غم از نرخ بازشناسی بهتری برخوردار بودند. نتیجه گیری: ویژگی های STFT نسبت به ویژگی های MFCC هیجان ضمن پیام در گفتار هیجانی را بهتر بازنمایی می کنند.

مقدمه : بررسی چگونگی تاثیر پذیری تصمیم گیری افراد از سایر کارکردهای شناختی و استفاده از مدل سازی ریاضی به درک بهتر این کارکرد شناختی و کیفیت بهتر تصمیم گیری ها کمک خواهد کرد. هدف این مطالعه معرفی یک مدل شناختی محاسباتی در حوزه تصمیم گیری و بررسی قدرت آن در پیش بینی تصمیمات افراد شرکت کننده در آزمون تصمیم گیری آیوا در قیاس با دیگر مدل های کلاسیک تصمیم گیری بود. روش کار: در این مطالعه از 56 نفر داوطلب با میانگین سنی 52/43 متشکل از 20 مرد و 36 زن خواسته شد تا در آزمون برد و باخت آیوا شرکت نمایند. سپس نتایج حاصل از مدل با نتایج مهمترین مدل های حوزه تصمیم گیری از جمله مطلوبیت مورد انتظار، تسهیلات مورد انتظار و مدل چشم انداز مقایسه شد. در معماری این مدل شبیه سازی ساده ای از مسیرهای تصمیم گیری در مغز صورت گرفت. معماری انعطاف پذیر این مدل با استفاده از محاسبه فاکتور تاثیر هر مفهوم برای هر فرد، ما را قادر ساخت تا به مدل سازی تصمیم گیری هر شخص به صورت منحصر به فرد بپردازیم و مفاهیمی را که در تصمیم گیری هر فرد موثرتر است شناسایی کنیم. یافته ها: یافته های حاصل از این تحقیق نشان داد که مدل ارزش انتظاری 04/36 درصد، مدل تسهیلات انتظاری با 46/42 درصد، نظریه چشم انداز 18/49 درصد و مدل پیشنهادی پیوندگرای شناختی با 02/73 درصد تصمیمات آزمون دهندگان را پیش بینی کردند. نتیجه گیری: در نتیجه می توان گفت مدل پیوندگرای شناختی در مقایسه با سایر مدل های کلاسیک تصمیم گیری موفقیت بیشتری در پیش بینی عملکرد شرکت کنندگان داشته است. ضمنا با استفاده از مفهوم فاکتور تاثیر امکان تحلیل ورودی های موثر بر تصمیم گیری هر فرد در این آزمون را میسر می سازد.

مقدمه: هم آوایی عصبی میان فردی به عنوان "الگوهای مشابه فعالیت مغزی" بین والد و کودک، در یک زمان "مشخص"، تعریف می شود که با هم آوایی رفتاری و ارتباط موفق بین آن دو مرتبط است. افزایش هم آوایی عصبی والد و کودک در نواحی پیش پیشانی جلویی جانبی می تواند زیربنای عصبی برای تسهیل حفظ توجه اشتراکی جهت پیش بینی قصد و عمل طرف مقابل در بازی های اشتراکی را فراهم نماید. روش کار: این پژوهش از نوع نیمه آزمایشی دو عاملی (یک عامل درون گروهی و یک عامل بین گروهی) بود که بر روی هجده زوج مادر_کودک با میانگین سنی مادران 39 سال و میانگین سنی کودکان 8/64 سال با در نظر گرفتن معیارهای ورود و خروج به صورت در دسترس انتخاب و در آزمایشگاه ملی نقشه برداری مغز ایران طی سال های 1401 و 1402 انجام شد. برای سنجش میزان هم آوایی عصبی مادر_کودک از ثبت هم زمان fNIRS در هنگام حل الگوهای مکعب های کهس به صورت انفرادی و اشتراکی استفاده شد. برای تحلیل سیگنال ها از ضریب همبستگی ویولت برای دو نمودار زمانی استفاده شد. برای آزمایش تحلیل های آماری، از زبان برنامه نویسی R و بسته GlmmTB برای ساخت مدل خطی تعمیم یافته استفاده گردید. یافته ها: فاصله ضریب همبستگی بین موقعیت بازی همکارانه و بازی انفرادی 0/0217 بوده که به لحاظ آماری معنادار بود. این ضریب برای زوج مادر_پسر 0/0218 بوده که به لحاظ آماری معنادار و برای زوج مادر دختر 0/0215 بوده که به لحاظ آماری معنادار، گزارش نشد. نتیجه گیری: هم آوایی عصبی والد و کودک در نواحی پیش پیشانی جلویی جانبی دو طرفه در موقعیت همکاری بالاتر از موقعیت انفرادی بوده و این افزایش در زوج مادر و پسر به لحاظ آماری معنادار بود؛ اما در زوج مادر و دختر به لحاظ آماری معنادار نبود. پژوهش های بیشتری با نمونه های بزرگ تر و اطلاعات بیشتری از ویژگی های شخصیتی و موقعیتی والد کودک برای تبیین بیشتر این پدیده مفید خواهد بود.

مقدمه: این پژوهش سازوکارهای محاسباتی تمایز ناهمگونی دوچشمی را در ناحیه V4 قشر بینایی با رویکردی نوین در مدل سازی بررسی می کند. هدف، تحلیل توانایی نورون های V4 در تشخیص ناهمگونی های ظریف نزدیک به صفحه تثبیت و ارائه چارچوبی محاسباتی برای تبیین این فرایند است. فرضیه اصلی بیان می دارد که تمایز ناهمگونی در V4 به اختلاف مطلق جفت ناهمگونی ها و نزدیکی آنها به ناهمگونی صفر وابسته است. روش کار: داده های الکتروفیزیولوژیک از ۱۵۶ نورون V4 در میمون های ماکاک با ارائه استریوگرام های نقطه ای تصادفی (RDS) با ناهمگونی های 2°/1±، 6°/0±، 3°/0± و ۰° و ضرایب همبستگی متغیر گردآوری شد. شاخصی نوین به نام «شاخص توانایی تمایز ناهمگونی» (DDAI) معرفی شد که توانایی جمعیت نورونی در تفکیک جفت ناهمگونی ها را با تحلیل ROC کمی سازی می کند. این شاخص میانگین سطح نرمال شده زیر منحنی ROC برای هر جفت محرک است. مدل محاسباتی DCM برای پیش بینی الگوهای DDAI توسعه یافت. یافته ها: نتایج نشان داد نورون های V4 برای ناهمگونی های نزدیک به صفر تنظیم پذیری بالایی دارند و تغییرپذیری پاسخ (ضریب تغییرات) در این محدوده کمینه است. با افزایش قدر مطلق ناهمگونی، تغییرپذیری پاسخ افزایش یافت. مدل DCM با دقت بالا (ضریب همبستگی پیرسون= 969/0، ضریب اسپیرمن= 887/0) الگوهای DDAI را پیش بینی کرد. آزمون هم ارزی (TOST) تأیید کرد که پیش بینی های مدل عملاً با داده های تجربی معادلند (میانگین اختلاف= 00018/0، فاصله اطمینان 90% در بازه ±03/0). نتیجه گیری: یافته ها فرضیه اصلی را تأیید می کنند که توانایی تمایز ناهمگونی در V4 به اختلاف مطلق جفت ناهمگونی ها و نزدیکی آنها به ناهمگونی صفر وابسته است. ناحیه V4 از راهبرد رمزگذاری کارآمدی بهره می برد که دقت را در ناهمگونی های نزدیک به عمق تثبیت اولویت بندی می کند و برای ناهمگونی های بزرگ تر رمزگذاری خشن تری ارائه می دهد. چارچوب DCM پایه ای محکم برای درک پردازش ناهمگونی در سطح جمعیت نورونی فراهم می کند و کاربردهایی در سیستم های بینایی مصنوعی و ارزیابی اختلالات استریوسکوپیک دارد.