مطالب

هدف از پژوهش حاضر، تأثیر آموزش راهبرد های شناختی- رفتاری (خود آموزش دهی) در بهبود عملکرد خواندن و کاهش میزان افسردگی دانش آموزان نارساخوان مقطع ابتدایی شهر اراک بود. بدین منظور از بین کلیه دانش آموزان مقطع ابتدایی مشغول به تحصیل شهر اراک تعداد 32 دانش آموز نارسا خوان همراه با اختلال افسردگی، پس از اجرای آزمون های تشخیصی (از جمله آزمون اختلال خواندن، آزمون هوشی وکسلر و پرسشنامه رفتاری راتر) به صورت نمونه گیری چند مرحله ای تصادفی انتخاب شدند. سپس به صورت تصادفی در دو گروه آزمایش و کنترل جایگزین شدند. آزمودنی های گروه آزمایش به مدت 12 جلسه، تحت آموزش راهبرد خود آموزش-دهی قرار گرفتند. همزمان مادران همین آزمودنی ها هم به مدت 6 جلسه این راهبرد آموزشی را دریافت کردند تا با دانش آموز در خانه تمرین کنند. داده های بدست آمده با استفاده از روش آماری تحلیل کوواریانس مورد تجزیه و تحلیل قرار گرفتند. نتایج به دست آمده حاکی از آنست که عملکرد خواندن آزمودنی های گروه آزمایش در مقایسه با گروه گواه به میزان معناداری بهبود یافته و میزان افسردگی آنان نیز به میزان معناداری نسبت به گروه گواه کاهش یافته است.

۳۳۲۵۸۹.

وارسی ویژگی های روان سنجی پرسشنامه چهار سامانه ای اضطراب (FSAQ)(مقاله علمی وزارت علوم)

نویسنده: علیرضا ماردپور محمدرضا شعیری سید موسی کافی ماسوله

منبع: دانشور رفتار آبان ۱۳۸۹ شماره ۴۳

کلیدواژه‌ها: اضطراب اعتبار روایی پرسشنامه چهار سامانه ای اضطراب (FSAQ)

حوزه‌های تخصصی:

حوزه‌های تخصصی روانشناسی ارزیابی، سنجش وآمار آزمونهای تشخیص بیماری

تعداد بازدید : ۳۴۵۹ تعداد دانلود : ۱۴۵۴

هدف اساسی پژوهش حاضر تعیین ویژگی های روان سنجی پرسشنامه چهار سامانه ای اضطراب (FSAQ) بوده است. بدین خاطر پس از آماده سازی پرسشنامه یاد شده، در آغاز، مطالعه ای مقدماتی بر روی پرسشنامه FSAQ با 153 آزمودنی انجام شده است سپس برای وارسی های نهایی، دو گروه آزمودنی های بالینی و غیر بالینی مورد مطالعه قرار گرفته اند. آزمودنی های غیربالینی شامل 530 دانشجوی دانشگاه گیلان (265 آزمودنی مذکر، 264 آزمودنی مؤنث و 1 آزمودنی با جنسیت نامشخص) و آزمودنی های بالینی دربرگیرنده 39 آزمودنی مبتلا به اختلال های اضطرابی بوده اند. مطالعه حاضر در عین آماده سازی نتایج توصیفی مربوط به پرسشنامه FSAQ با توجه به جنسیت، برای بررسی اعتبار پرسشنامه از روش های بازآزمایی، تنصیف و آلفای کرونباخ سود جسته است. یافته ها بیانگر اعتبار مناسب پرسشنامه و مؤلفه های آن بوده است. روایی پرسشنامه نیز از طریق بررسی همبستگی آن با دیگر آزمون ها مثل مقیاس اضطراب کتل، پرسشنامه اضطراب بک، سیاهه حالت – صفت اشپیلبرگر، مقیاس تکمیلی اضطراب (A) در MMPI-2 و پرسشنامه سلامت عمومی (GHQ-28) پی گرفته شده است. نتایج به دست آمده روایی همگرای پرسشنامه را تأیید کرده اند. از سویی مقایسه گروه های بالینی (افراد مبتلا به اختلال های اضطرابی) و غیربالینی نمایانگر تمایز داده ها و در نتیجه تأیید روایی تشخیصی پرسشنامه بوده است.

۳۳۲۵۹۰.

راهبردهای موثر در بهره گیری از نشانگرها، نمادها، در طراحی رابط کاربر

نویسنده: فریبرز درودی

منبع: کتاب سال بیست و یکم زمستان ۱۳۸۹ شماره ۴ (پیاپی ۸۴)

حوزه‌های تخصصی:

حوزه‌های تخصصی علم اطلاعات و دانش‌شناسی علوم اطلاع رسانی رابط کاربر

تعداد بازدید : ۲۲۴۳ تعداد دانلود : ۱۲۹۵

۳۳۲۵۹۱.

پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی (مورد : تهران)(مقاله علمی وزارت علوم)

نویسنده: محمدحسین قلی زاده محمد دارند

منبع: پژوهش های جغرافیای طبیعی (پژوهش های جغرافیایی سابق) سال چهل و دوم بهار ۱۳۸۹ شماره ۷۱

کلیدواژه‌ها: تهران شبکه های عصبی مصنوعی پیش بینی الگوریتم ژنتیک بارش

حوزه‌های تخصصی:

حوزه‌های تخصصی جغرافیا جغرافیای طبیعی آب و هواشناسی

تعداد بازدید : ۱۷۳۳ تعداد دانلود : ۹۴۱

گسترش سریع استفاده از شبکه های عصبی مصنوعی ( ANN) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی در شهر تهران می باشد. در این تحقیق از داده های بارش ماهانه طی دوره آماری 53 سال (1951-2003) و شبکه های عصبی مصنوعی به عنوان یک روش غیر خطی جهت پیش بینی بارش استفاده شده است. نتایج این تحقیق بعد از آزمون شبکه با لایه های پنهان و با ضرایب یادگیری مختلف نشان داد که استفاده از شبکه های عصبی مصنوعی با یک پرسپترون 2 لایه پنهان با ضریب یادگیری 1/0 و مومنتم 7/0 مدل نسبتاً بهتری را ارائه می کند. ضریب همبستگی بین مقادیر واقعی ماهانه بارش و پیش بینی شده توسط شبکه بدون ترکیب با الگوریتم ژنتیک برابر با 88/0 و ضریب تعیین برابر با 77/0 می باشد. همچنین بعد از آموزش مجدد شبکه و آزمون شبکه با لایه های پنهان و ضرایب مختلف یادگیری در ترکیب با الگوریتم ژنتیک نشان داد که ترکیب شبکه با ویژگی های مذکور با الگوریتم ژنتیک باعث کاهش خطا و افزایش سرعت محاسبات شده و مدل بهتری را ارائه می کند. ضریب همبستگی بین مقادیر واقعی ماهانه بارش و پیش بینی شده توسط شبکه برابر با 91/0 و ضریب تبیین برابر با 83/0 می باشد.

۳۳۲۵۹۲.