پیش بینی سطح سازگاری نوجوانان بر اساس ویژگیهای روانشناختی با استفاده از مدلهای رگرسیون و شبکه های عصبی مصنوعی
author
Abstract:
زمینه: پژوهش حاضر یک بررسی در رابطه با ویژگیهای روانشناختی نوجوانان و سطوح سازگاری آنها میباشد. با توجه به مبانی نظری در مورد روابط متقابل بین این مفاهیم از یک مدل سنتی مبتنی بر همبستگی و یک مدل نوین مبتنی بر پردازش موازی دادهها استفاده شده است. هدف: هدف از پژوهش حاضر بررسی توانمندی هر یک از مدلهای یاد شده در پیشبینی سطوح سازگاری از طریق اندازههای مربوط به ویژگیهای روانشناختی نوجوانان است. روش: دادههای اولیه مربوط به 18 ویژگی روانشناختی و 5 سطح سازگاری از طریق اجرای آزمونهای CPI و AISS بر روی 456 دانشآموز پسر دبیرستانی شهر تهران به دست آمد. از مدلهای همبستگی و تحلیل عاملی به منظور استخراج مؤلفههای اصلی، به عنوان عوامل پیشبینی کننده استفاده شد. بر این اساس یک ترکیب چهار عاملی از ویژگیهای روانشناختی و پنج ویژگی مستقل به عنوان ترکیب بهینه در پیشبینی سطوح سازگاری با قابلیتی معادل ترکیب اولیه هجده عاملی شناسایی شدند. همچنین با توجه به انبوه عوامل اثرگذار و پیچیدگیهای موجود در روابط میان آنها از مدل شبکههای عصبی مصنوعی نیز برای پیش بینی استفاده شد و توانمندی آن با مدل رگرسیون مورد مقایسه قرار گرفت. یافتهها: یافته ها نشان داد که مدل شبکههای عصبی مصنوعی در پیشبینی پنج سطح سازگاری توانمندتر از مدل رگرسیون میباشد و در صورت کاهش تعداد سطوح سازگاری به سه سطح، این قابلیت به نفع مدل رگرسیون تغییر میکند (0.001α
similar resources
پیش بینی سطح سازگاری نوجوانان بر اساس ویژگی های روان شناختی با استفاده از مدل های رگرسیون و شبکه های عصبی مصنوعی
زمینه: پژوهش حاضر یک بررسی در رابطه با ویژگی های روان شناختی نوجوانان و سطوح سازگاری آنها می باشد. با توجه به مبانی نظری در مورد روابط متقابل بین این مفاهیم از یک مدل سنتی مبتنی بر همبستگی و یک مدل نوین مبتنی بر پردازش موازی داده ها استفاده شده است. هدف: هدف از پژوهش حاضر بررسی توانمندی هر یک از مدل های یاد شده در پیش بینی سطوح سازگاری از طریق اندازه های مربوط به ویژگی های روان شناختی نوجوانان ...
full textپیش بینی سطح مدیریت سود با استفاده از شبکه های عصبی مصنوعی...
اکثر تحقیقات انجام شده در حوزه مدیریت سود به بررسی انگیزه ها و عوامل موثر بر سطح مدیریت سود پرداخته اند، ولی از این متغیرها به طور مستقیم برای پیش بینی سطح مدیریت سود استفاده نشده است. در نتیجه تنها همبستگی بین مدیریت سود و این متغیرها بررسی شده است. از این رو، طراحی یک مدل برای پیش بینی سطح مدیریت سود به منظور کاهش ریسک بحران های مالی ناشی از مدیریت سود و کمک به سرمایه گذاران، اعتبار دهندگان و...
full textپیش بینی سیلاب در زمان واقعی با استفاده از مدلهای رگرسیونی و شبکه های عصبی مصنوعی (مطالعه موردی)
full text
پیش بینی غلظت آلاینده های هوای تهران بر اساس متغیرهای هواشناسی با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی در فصول گرم و سرد
تهران آلودهترین شهر کشور محسوب میشود که این آلودگی میتواند آثار دراز مدت و کوتاه مدتی بر سلامت انسان داشته باشد. از اینرو پیشبینی غلظت آلایندهها میتواند در برنامهریزیهای پیشگیری و کنترل مفید واقع شود. روشهای متفاوتی برای پیشبینی وجود دارد و دراین میان سالها، روشهای شبکهی عصبی پیشرفت قابل توجهی در پیشبینی آلودگی هوا داشته است. در این مطالعه، از شبکهی عصبی مصنوعی پرسپترون سهلایه به...
full textپیش بینی سطح سازگاری نوجوانان بر اساس عوامل شخصیتی بااستفاده از مدل شبکه های عصبی مصنوعی و مقایسه آن با مدل رگرسیون لجستیک
چکیده ندارد.
15 صفحه اولپیش بینی تبخیر از سطح ایستابی کم عمق با استفاده از شبیه های وایازی و شبکه ی عصبی مصنوعی
رابطه ی بین عمق سطح ایستابی و تبخیر از سطح خاک در اغلب مناطق خشک و نیمه خشک بسیار مهم است. در این مناطق به علت آبیاری بیش از حد نیاز، اغلب سطح ایستابی نزدیک زمین است که باعث شوری خاک میشود. در این مطالعه از یک شبیه فیزیکی سطح ایستابی برای تعیین شدت تبخیر در خاکهای لوم شنی، لومی و لوم رسی در گلخانه و برای سه سطح ایستابی 40، 60 و 80 سانتی متری استفاده شده است. تبخیر از سطح خاک، تبخیر از سطح آزاد...
full textMy Resources
Journal title
volume 4 issue 14
pages 89- 110
publication date 2013-12-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023