کووید19-

پژوهش حاضر با هدف بررسی اثیر یادگیری معکوس بر انگیزه پیشرفت و عملکرد تحصیلی دانش اموزان پایه دوم شهرستان آمل در دوران همه گیری کوید ۱۹ انجام شد. این پژوهش از نوع تحقیقات شبه تجربی با دو گروه کنترل و آزمایش به همراه پیش آزمون و پس آزمون به منظور بررسی تغییرات حاصله پیش و پس از اعمال متغیر آزمایشی در گروه آزمایش و مقایسه آن با گروه کنترل می باشد. جامعه این پژوهش شامل کلیه دانش آموزان پسر پایه دوم دوره ابتدایی شهر آمل در سال تحصیلی 1401-1400 بود. روش نمونه گیری نیز به صورت خوشه ای چندمرحله ای بود. لازم به ذکر است در میان مدارس 2مدرسه پسرانه به تصادف انتخاب شد و پس از آن یک کلاس دوم این مدارس به صورت تصادفی به گروه کنترل و یک کلاس دیگر به گروه آزمایش اختصاص داده شد. از پرسشنامه عملکرد تحصیلی فام و تیلور(1998) و پیشرفت تحصیلی هرمنس (1970) استفاده شد. روایی این پرسشنامه به وسیله روایی محتوایی و پایایی آن به وسیله آلفای کرانباخ بررسی و تائید شد. .داده ها به وسیله تحلیل کوواریانس یکطرفه تحلیل گردید. نتایج بیانگر این بود که روش یادگیری معکوس بر پیشرفت تحصیلی و عملکرد تحصیلی در درس ریاضی تأثیرگذار است.

این مطالعه باهدف توسعه الگوریتم های هوش مصنوعی بر پایه اینترنت اشیاء انجام شده است که ضمن تشخیص و پیش بینی همه گیری در زمان واقعی با استفاده از مکان افراد، بر مراقبت و بهبود نیز تأکید می کند.بیماری هدف در این پژوهش باتوجه به اهمیت و فراگیری، کووید19 است.بر اساس نوع گردآوری داده ها از نوع پژوهش های کیفی بوده و باتوجه به توسعه الگوریتم ها، روش تحقیق در این پژوهش مبتنی بر علم طراحی است. رویکرد تحقیق آینده نگر است، به طوری که مکانیزم انتقال بیماری و ویژگی های تأثیرگذار آن ما را قادر به پیش بینی هایی در مورد بیماری و در نتیجه طرح استراتژی های کنترل بیماری و مراقبت های بهداشتی می نماید.پژوهش در یک فرایند 7 مرحله ای انجام شد. ویژگی های اینترنت اشیاء در پژوهش حاضر با نظر خبرگان استخراج شد و ویژگی های به دست آمده در آزمایش 2 الگوریتم مختلف «k نزدیک ترین همسایگی» و «درخت تصمیم» بر روی داده ها برای تعیین بهترین مدل ایجاد شد.پس از انتخاب بهترین عمق و بهترین همسایگی در الگوریتم ها، اعتبار و تصدیق مدل با تحلیل ماتریس ابهام انجام شد.نتایج اجرای الگوریتم ها برای پیش بینی بیماری کووید19، دقت بالاتر از 98 درصد را نشان دادند. حساسیت بالاتر (99 درصد) که برای تشخیص بیماری کووید19 اهمیت بالایی دارد و نشان دهنده حداقل موارد منفی کاذب در نتایج آزمون است، در الگوریتم درخت تصمیم به دست آمد.