تحقیق حاضر، کوششی برای بررسی و مقایسه دیدگاه های روزنامه نگاران و افراد مشهور در مورد جایگاه حریم خصوصی به منظور یافتن نقاط اشتراک و تمایز دیدگاه آنهاست. آگاهی از این دیدگاه ها ما را قادر خواهد ساخت تا در حرفه روزنامه نگاری به تفاوت میان آنچه مردم به عنوان "حق" خود باید بدانند و آنچه "دوست دارند" بدانند، دست پیدا کنیم. از این رو، ضمن مروری بر نظریه های بلک-داگلاس، امرسون و ادوارد بلوستین و در ادامه نظریه دیوید آرکارد، کوشش شد تا دیدگاه های هر دو گروه در مورد اولویت دو حق آزادی بیان و حریم خصوصی مورد بررسی قرار گیرد و بر همین اساس، سوال ها (گویه های) تحقیق برای استفاده از روش کیو “q” تدوین شد. به همین منظور، در این پژوهش تلاش شد تا این خطوط قرمز با جستاری در قوانین موجود در کشور چه در زمینه حمایت از حریم خصوصی و چه در پشتیبانی از آزادی بیان و مطبوعات با بررسی نقاط اشتراک و تمایز دیدگاه های دو گروه روزنامه نگاران و افراد مشهور که در این تحقیق شامل سیاستمداران، هنرپیشه ها و ورزشکاران می شوند، تعیین شود. یافته های حاصل از آزمون کیو گویای آن بود که دو گروه آزمون، دیدگاه هایی متفاوت در مورد اولویت آزادی بیان و حریم خصوصی در انتشار مطالب دارند. روزنامه نگاران چنانچه انتظار می رفت، آزادی بیان را حق اساسی بشر و غیر قابل نقض با توجیهاتی چون حق حریم خصوصی می دانستند و چهره ها نیز بر لزوم حمایت از حریم خصوصی در هر شرایطی تاکید داشتند. با این حال، هیچ یک از دو گروه، انتشار مطالب را با توجیه کنجکاوی عمومی شایسته نمی دانستند. در واقع، از نظر هر دو گروه آزمون، آنچه مردم باید در مورد چهره ها بدانند، آن چیزی نیست که دوست دارند، بلکه مطالبی است که در تصمیم گیری آنها درباره سرنوشت خود به عنوان عضوی از جامعه مدنی تاثیرگذار است. از سوی دیگر، هر دو گروه به اتفاق بر ناکافی بودن حمایت های قانونی در کشور و لزوم وجود قانونی مستقل و سختگیرانه تر برای حریم خصوصی تاکید داشتند. از این رو، با به آزمون گذاشتن تعاریف موجود در لایحه حریم خصوصی، نوع بندی های مختلف این حریم بررسی و بر اساس اشتراک نظر پاسخگویان، مدلی فرضی برای حریم خصوصی ارائه شد.

در این تحقیق بررسی مقایسه ای بین روش شبکه های عصبی مصنوعی و روش الگوریتم ژنتیک با روش های کلاسیک برای تخمین کشش سطحی مواد مختلف که شامل گروه های هیدروکربن های خالص(1- آلکان هاو 1- آلکن ها)، الکل و اسید ها می باشد انجام شده است. در این تحقیق از شبکه عصبی پرسپترون چند لایه با الگوریتم آموزشی پس انتشار خطا با ورودی های مستقل دما، دمای بحرانی، فشار بحرانی، وزن مولکولی و ضریب بی مرکزی استفاده شده است که این پارامترها مشابه با پارامترهای استفاده شده در روش های کلاسیک نظری می باشد. همانند سایر روش¬های بهینه سازی، الگوریتم ژنتیک از پارامترهای بهینه سازی و یک تابع هدف تشکیل شده است ولی آنچه که این الگوریتم را از سایر روش¬ها جدا می کند، روش عملکرد آن است، لازم به ذکر است که هدف از بهینه سازی در این تحقیق پیدا کردن مینیمم مقدار خطای حاصل از روش های ارتقائ یافته با نتایج آزمایشگاهی می باشد. دراین پژوهش با توجه به نتایج بدست آمده از روش شبکه عصبی و الگوریتم ژنتیک و روش های کلاسیک، شبکه عصبی از دقت خوبی برخوردار بوده و درصد خطای حدود 27/0 درصد را نتیجه داده است و روش الگوریتم ژنتیک درصد خطای زیر5 درصد را نتیجه داده است.