موضوع این کار تحقیقی تحلیل محتوای دستوری و متنی کتاب های زبان فارسی و علوم زیستی پایه اول دبیرستان می باشد که هدف آن تعیین میزان تبعیت این کتاب ها از قواعد نگارشی به لحاظ متنی و دستوری است و هم چنین نشان دادن این مطلب که هر یک از این کتاب ها از قواعد نگارشی بیشتر تبعیت کرده باشد از متن رساتر و فهم پذیرتری نیز برخوردار خواهد بود. برای این کار از دو دسته داده استفاده گردید، دسته اول داده هایی است که از دو کتاب مورد پژوهش جمع آوری شد و دسته دوم پرسش هایی که از دانش آموزان به عمل آمد تا روشن شود که کدام یک از دو متن توانسته ارتباط بهتری را با دانش آموزان برقرار کند. با توجه به داده های دسته اول معلوم شد که کتاب زبان فارسی از جمله های مرکب، مجهول و استعاره دستوری کمتر، و هم چنین به لحاظ واژگانی، معنایی از مثال ها و کلمه های مترادف بیشتری نسبت به کتاب علوم زیستی، استفاده کرده است. کتاب زبان فارسی از لحاظ عوامل متنی و انسجام نیز از ابزارهای انسجامی بیشتری استفاده کرده است. با استناد به داده های دسته دوم این نتیجه به دست آمد که علاقه دانش آموزان به مطالعه علوم زیستی بیشتر از زبان فارسی است و کتاب علوم زیستی توانسته ارتباط بهتری را با دانش آموزان ایجاد کند. برای پاسخ به این پرسش که چرا با وجود تبعیت بیشتر کتاب زبان فارسی از قواعد نگارشی دستوری و متنی، دانش آموزان اشتیاق کمتری به مطالعه آن نشان می دهند، به سراغ موضوع این دو کتاب رفتیم و به این نتیجه رسیدیم که موضوع کتاب علوم زیستی علمی دیدنی و ملموس، و موضوع کتاب زبان فارسی یعنی دستور زبان، عینی نیست و برای دانش آموزان درک مسائل انتزاعی همیشه سخت بوده است. به نظر می رسد همین مسئله باعث بی علاقگی دانش آموزان به درس زبان فارسی گردیده است.

در این تحقیق مطالعه ی ارتباط کمی ساختار- خاصیت (qspr)، برای پیش بینی ضریب فعالیت در رقت بی نهایت 58 ترکیب آلی و آب در محیط مایع یونی، 1-بوتیل 1-متیل پیرولیدینیوم تری سیانو متانید [bmpyr][tcm]، در 6 دمای مختلف انجام شده است. تعداد زیادی توصیف کننده شامل 18 دسته‎ی مختلف، توسط نرم افزار dragon محاسبه شدند و سپس برای انتخاب توصیف‎کننده‎های مهم از دو روش رگرسیون مرحله ای (sr) و الگوریتم ژنتیک بر اساس آنالیز حداقل مربعات (ga-pls) استفاده گردید. تعداد 12 توصیف ‎کننده توسط روش sr و 10 توصیف کننده توسط روش ga-pls انتخاب شدند. توصیف کننده های انتخاب شده توسط این دو روش برای مدل سازی و پیش بینی ضریب فعالیت در رقت بی نهایت این ترکیبات به عنوان ورودی به شبکه ی عصبی مصنوعی (ann) و ماشین برداری پشتیبان (svm) داده شدند. عملکرد هر مدل توسط سری تست ارزیابی مورد بررسی قرار گرفت. نتایج به دست آمده نشان از برتری روش sr-ann نسبت به دیگر روش‎های به کار برده شده جهت پیش بینی ضریب فعالیت در رقت بی نهایت ترکیبات مورد مطالعه دارد. میانگین مربعات خطا (mse) و میانگین درصد انحراف مطلق (aad) سری تست برای روش های sr-ann، ga-ann، sr-svm و ga-svm به ترتیب برابر 0179/0، %430/2 و 0201/0، %483/3 و 0601/0 ، %135/10و 031/4 و %874/28 می‎باشد.