هدف این پژوهش، پیش بینی سبک تدریس از طریق ادراک از خوش‏بینی علمی معلم و دانش آموز و همچنین مشخص کردن رابطه مولفه های میان این دو متغیر است. به منظور آزمودن سوالات پژوهش از بین دانش آموزان دختر پایه ی اول مقطع متوسطه شهر بیرجند در سال تحصیلی 93-92، نمونه ی با حجم 300 نفر با استفاده از روش نمونه گیری تصادفی خوشه ای دو مرحله ای انتخاب شد. بدین صورت که از میان 16 دبیرستانی که دارای پایه ی اول بودند، تعداد 10 مدرسه را به صورت تصادفی انتخاب کرده و در هر مدرسه به طور تصادفی یک کلاس پایه ی اول با کلیه ی دانش-آموزان آن مورد بررسی قرار گرفت و تمامی شرکت کنندگان به پرسش نامه های خوش بینی علمی معلم، دانش آموز و سبک تدریس که پژوهشگر ترجمه و اعتباریابی کرده است، پاسخ دادند. برای کنترل نوع درس، از میان دروس فقط درس زیست‏شناسی را به لحاظ تنوع در روش های تدریس انتخاب کرده و دانش آموزان پرسش نامه ها را در ارتباط با دبیر زیست شناسی خود تکمیل نمودند. داده ها به روش همبستگی پیرسون و تحلیل رگرسیون تحلیل شدند. نتیجه پژوهش نشان داد که نمره کل خوش بینی علمی دبیران و دانش آموزان با سبک تدریس رابطه مثبت و معنی داری دارد. همچنین بین خوش بینی علمی دبیران و دانش آموزان همبستگی مثبت و معنی داری وجود دارد و مولفه های خوش-بینی علمی دبیران قابلیت تبین و پیش بینی نوع سبک تدریس را دارند. همچنین نتایج حاکی از این بود که سبک تدریس اولیه معلمان زن پایه ی اول مقطع متوسطه ی شهر بیرجند به ترتیب سبک تدریس خبره، آمرانه، تسهیل-کننده، وکالتی و مدل فردی می باشد. در مجموع، این پژوهش یافته های نظری و تجربی مهم را برای تحقیقات آینده در مورد تدریس و خوش بینی علمی ارائه کرده است. به طور خاص، خوش بینی علمی را در سطح فردی به عنوان یک سازه قابل سنجش مورد تأیید و تصحیح قرار داده است و پیش بینی می‏کند که احساس خوش‏بینی علمی معلم و دانش آموز ممکن است یک الزام برای پیشرفت تحصیلی دانش آموز باشد، اما رابطه میان آن دو به تحقیقات تجربی بیشتری احتیاج دارد.

امروزه ادراک محتوای ویدئو به یک مسأله مهم برای بسیاری از کاربردها تبدیل شده است. یکی از اساسی ترین فرآیندها به منظور ادراک محتوای ویدئو، ردیابی اشیاء متحرک است که در آن فرآیند موقعیت یابی و تشخیص پیکربندی پویای یک یا چندین شیء متحرک در هر فریم ویدئو صورت می گیرد. در این پایان نامه تمرکز خود را بر یک رویکرد احتمالاتی عمومی که به ساختار بیزین بازگشتی مشهور است، معطوف کرده ایم. در این ساختار با استفاده از اطلاعات مستخرج از ویدئو، توزیع احتمالاتیِ مجهولِ متناظر با حالت اشیاء متحرک، به صورت بازگشتی تخمین زده می شود. در کاربردهای واقعی، روش های ردیابی مبتنی بر ساختار بیزین بازگشتی موفقیت آمیز بوده اند؛ ولی با این وجود حرکات ناگهانی اشیاء متحرک چالشی است که ردیابی را به یک فرآیند دشوار تبدیل می کند. بنابراین مسأله مهمی که در این پایان نامه تمرکز خود را معطوف به حل آن کرده ایم، ارائه یک الگوریتم ردیابی تطبیق پذیر است که بتواند در مقابل حرکات سریع و ناگهانی اشیاء متحرک مقاوم باشد. به همین منظور یک مدل حرکتی جدید و تطبیق پذیر ابداع کرده و آن را در فیلتر ذره ای sir pf که مشهورترین ردیاب مبتنی بر ساختار بیزین بازگشتی است، تعبیه کرده ایم. در این مدل در هر فریم ویدئو، در صورت لزوم، پیکربندی ذرات با استفاده از اطلاعات مدل مشاهده به روز رسانی می شوند. همچنین به جهت فرار از بهینه های محلی در مرحله به روز رسانی پیکربندی ذرات، از الگوریتم جستجوی محلی با رویکرد بهترین پیشرفت، استفاده شده است. سپس مدل حرکتی با استفاده از موقعیت بهترین ذرات در فریم جاری و قبلی به صورت بلادرنگ در حین اجرای الگوریتم، به روز رسانی می-شود. با استفاده از مدل حرکتیِ تطبیق پذیرِ پیشنهادی، الگوریتم ردیابی مقاومی در برابر حرکات سریع اشیاء متحرک ابداع شده است. روش پیشنهادی به صورت تجربی با سایر الگوریتم های ردیابی در مجموعه داده های bobot و spot مقایسه شده و نتایج تجربی برتری روش پیشنهادی را براساس معیارهای مختلف از جمله معیار پاسکال نشان داده اند. از سوی دیگر، روش پیشنهادی دقت فیلتر ذره ای متعارف (sir pf) را براساس معیار پاسکال در حدود 15 درصد بهبود داده است.