دسته بندی | روانشناسی و علوم تربیتی |
بازدید ها | 8 |
فرمت فایل | docx |
حجم فایل | 267 کیلو بایت |
تعداد صفحات فایل | 144 |
تحقیق حاضر به بررسی اثر بخشی هوش هیجانی در کاهش وابستگی به فیسبوک دانش آموزان دختر مقطع متوسطه شهر تهران پرداخته است.
فرضیه های تحقیق عبارتند از :
1- آموزش ارتقاء هوش هیجانی موجب کاهش وابستگی دانش آموزان دبیرستانی به فیس بوک می شود.
2- پس از گذشت1 ماه تاثیر آموزش ارتقاء هوش هیجانی بر کاهش وابستگی به فیس بوک تداوم خواهد داشت.
ابزارهای اندازه گیری این تحقیق پرسشنامه هوش هیجانی بار– ان و پرسشنامه ی وابستگی به فیس بوک است.
گروه نمونه شامل دانش آموزان دبیرستان دخترانه تهران است .
این تحقیق از نوه همبستگی می باشد و بر اساس فرضیه ها و با استفاده از روش رگرسیون این نتایج به دست آمده است.
1- آموزش ارتقاء هوش هیجانی موجب کاهش وابستگی دانش آموزان دبیرستانی به فیس بوک می شود.
2- پس از گذشت1ماه تاثیر آموزش ارتقاء هوش هیجانی بر کاهش وابستگی به فیس بوک تداوم خواهد داشت.
فهرست مطالب
چکیده 1
فصل اول : مقدمه پژوهش
1-1- مقدمه 3
1-2- بیان مسأله 4
1-3- اهمیت پژوهش 4
1-4- اهداف تحقیق 6
1-4-1- هدف اصلی 6
1-4-2- اهداف فرعی 7
1-5- سؤالات و فرضیههای تحقیق 7
1-6- تعریف عملیاتی و مفهومی متغیرهای تحقیق 7
1-6-1- تعریف مفهومی 7
1-6-2- تعریف عملیاتی 8
فصل دوم: مروری برادبیات و پیشینه تحقیق
2-1- تعریف وابستگی 10
2-2- وابستگی و رسانه 11
2-3- اعتیاد اینترنتی 14
2-4- نشانه ها و علایم بالینی اعتیاد اینترنتی 17
2-4-1-نشانه های روان شناختی 18
2-4-2-نشانه های جسمانی 18
2-4-3-نشانه های رفتاری 18
2-4-4-نشانه های شناختی غیرسازشی 18
2-5- فیسبوک چیست؟ 19
2-6- نشانه های فیس بوک بازان 22
2-7- تاثیرات فیس بوک بر ابعاد مختلف زندگی 22
2-8- آسیب های روانی وابستگی به فیس بوک 31
2-9- هوش هیجانی چیست 32
2-10- اهمیت هوش هیجانی 38 2-10-1- اهمیت هوش هیجانی درکنترل هیجانات 39
2-10-2- اهمیت هوش هیجانی درروابط اجتماعی 40
... 2-10-3- اهمیت هوش هیجانی در مدیریت41
... 2-10-4- اهمیت هوش هیجانی در موفقیت افراد 41
2-11- ادراک هیجانات 42
2-12- توضیحاتی درباره اصطلاحات مختلف مربوط به هوش هیجانی 44
2-12-1- سواد هیجانی 44
2-12-2- توانش هیجانی 46
2-13- الگوهای نظری هوش هیجانی 48
2-13-1- هوش هیجانی مبتنی بر رگه و توانش 48
2-13-2- الگوهای آمیخته 50
2-13-3- الگوهای توانایی 53
2-14- وجوه اشتراک الگوهای مختلف هوش هیجانی 54
2-15- فرایند تحولی هوش هیجانی 59
2-16- عوامل موثر بر فرایند تحول هوش هیجانی 65
2-16-1- اجتماعی شدن 66
2-16-2- نقش والدین 66
2-16-3- سهم واکنش های والدین به هیجان های کودکان 67
2-16-4- سهم آموزش / پرورش والدین درباره ی هیجان ها 67
2-16-5- سهم همسالان 68
2-16-6- سهم بالقوه ی واکنش های دوستان به هیجان های دیگران 68
2-16-7- سهم بالقوه ی آموزش / پرورش دوستان درباره هیجان ها 69
2-16-8- تحول شناختی 70
2-17- کارکردهای هوش هیجانی 71
2-17-1- هوش هیجانی،تفکرو روابط اجتماعی 71
2-17-2 - هوش هیجانی: انطباق با رویدادهای استرس زا 75
2-18- مروری بر تحقیقات انجام شده 77
فصل سوم: روش اجرای تحقیق
3-1- جامعه آماری 81
3-2- حجم نمونه و روش نمونه گیری 81
3-3- طرح تحقیق 81
3-4– روش اجرای پژوهش 82
3-4-1- شرح جلسات82
3-5- ابزار پژوهش 84
3-5-1- پرسشنامه هوش هیجانی بار- ان 84
3-5-2- مشخصات آزمون هوش هیجانی بار – اُن 84
3-5-3- نحوۀ نمره گذاری 86
3-5-4- پرسشنامه اعتیاد به فیس بوک برگن 88
3-6- روش تجزیه و تحلیل داده ها 88
فصل چهارم: تجزیه و تحلیل داده ها
4-1- تحلیل توصیفی داده ها 90
فصل پنجم: نتیجه گیری و پیشنهادات
5-1- بحث و نتیجه گیری 96
5-2- محدودیت های پژوهش 98
5-3- پیشنهادات 98
منابع و مآخذ 99
منابع فارسی 100
منابع انگلیسی 102
پیوست ها 107
فهرست جداول
عنوان شماره صفحه
جدول2-1- 55
جدول3-1- 81
جدول3-2- 87
جدول4-1- 90
جدول4-2- 91
جدول4-3- 91
جدول4-4- 92
جدول4-5- 93
جدول4-6- 94
دسته بندی | کامپیوتر و IT |
بازدید ها | 16 |
فرمت فایل | doc |
حجم فایل | 274 کیلو بایت |
تعداد صفحات فایل | 40 |
مقاله نگاهی بر داده کاوی و کشف قوانین وابستگی
چکیده:
امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده، محققان یسیاری را به خود جذب کرده است. در این تحقیق ابتدا نگاه کلی بر داده کاوی، استراتژیهای داده کاوی و... داریم، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم. سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم.
Data mining(داده کاوی)
تعریف :
داده کاوی فرآیند بکارگیری یک یا چند تکنیک آموزش کامپیوتر، برای تحلیل و استخراج داده های یک پایگاه داده می باشد.در واقع هدف داده کاوی یافتن الگوهایی در داده هاست.
دانش کسب شده از فرآیند داده کاوی بصورت مدل یا تعمیمی از داده ها نشان داده می شود.
چندین روش داده کاوی وجود دارد با این وجود همه روشها “ آموزش بر مبنای استنتاج “ را بکار می برند.
آموزش بر مبنای استنتاج، فرآیند شکل گیری تعاریف مفهوم عمومی از طریق مشاهده مثالهای خاص از مفاهیمی که آموزش داده شده اند، است.
مثال زیر نمونه ای از دانش بدست امده از طریق فرایند اموزش بر مبنای استنتاج است:
آیا تا کنون فکر کرده اید، فروشگاههای بزرگ اینترنتی در mail های خود به مشتریان از چه تبلیغاتی استفاده می کنند؟ و آیا این تبلیغات برای همه مشتریان یکسان است؟
پاسخ این است که از روی دانش کسب شده از اطلاعات خرید افراد و نتیجه گیری از این دانش، این کار را انجام می دهند.مثلا در نظر بگیرید یک قانون در پایگاه داده بصورت زیر استخراج می شود:
دقت = 80% : سیگار می خرند ^ نان می خرند کسانی که شیر می خرند
از روی این قانون فروشگاه می تواند به تمام کسانی که شیر می خرند تبلیغات سیگار و انواع نان را نیز بفرستد.همچنین این قانون در چیدن قفسه های فروشگاه نیز بی تاثیر نخواهد بود.
{شیر و نان و سیگار در قفسه های کنار هم چیده شوند}
کشف دانش در پایگاه داده 1
KDD یا کشف دانش در پایگاه داده اصطلاحی است که مکررا بجای داده کاوی بکار می رود. از نظر تکنیکی، KDD کاربردی از روشهای علمی داده کاوی است.
بعلاوه برای انجام داده کاوی فرایند KDD شامل :
1- یک روش برای تهیه داده ها و استخراج داده ها ،
2- تصمیم گیری درباره عملی که پس از داده کاوی باید انجام شود،
می باشد.
آیا داده کاوی برای حل مسائل ما مناسب است؟
تصمیم گیری در مورد اینکه آیا داده کاوی را به عنوان استراتژی حل مساله بکار ببریم یا نه، یک مساله دشوار است.
اما به عنوان نقطه شروع چهار سؤال عمومی را باید در نظر بگیریم :
1. آیا به وضوح می توانیم مساله را تعریف کنیم ؟
2. آیا بطور بالقوه داده با معنی وجود دارد ؟
3. آیا داده ها شامل “ دانش پنهان” هستند یا فقط برای هدف گزارشگری مناسبند ؟
4. آیا هزینه پردازش داده (برای داده کاوی) کمتر از سود حاصل از دانش پنهان بدست آمده از پروژه داده کاوی است ؟
یک مدل پردازش داده کاوی ساده :
در یک دید کلی ، ما می توانیم داده کاوی را به عنوان یک فرآیند چهار مرحله ای تعریف کنیم :
1. جمع آوری یک مجموعه از داده ها برای تحلیل
2. ارائه این داده ها به برنامه نرم افزاری داده کاوی
3. تفسیر نتایج
4. بکارگیری نتایج برای مساله یا موقعیتهای جدید