NATIONAL BIBLIOGRAPHY NUMBER
Number
۲۱۶۷۳پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
per
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
پیش‌بینی ویژگی‌های شخصیتی براساس شکایات بدنی ومکانیزم های دفاعی:یک رویکرد شبکه عصبی
First Statement of Responsibility
/صادق ملایی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: علوم تربیتی و روانشناسی
Date of Publication, Distribution, etc.
، ۱۳۹۸
Name of Manufacturer
، میرزائی
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۰۳ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
روانشناسی بالینی
Date of degree
۱۳۹۸/۰۶/۱۳
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
هدف : پژوهش حاضر با هدف پیش بینی ویژگی های شخصیتی با استفاده از شکایات بدنی و مکانیزم های دفاعی انجام گرفت . این پژوهش با توجه به روش گردآوری داده ها از نوع توصیفی) غیر آزمایشی ( می باشد و بر مبنای هدف تحقیق در قالب شبیه‌سازی رایانه‌ای با رویکرد شبکه عصبی مصنوعی- پیش‌بین ، بنیادی کاربردی بوده و بر مبنای زیر بنای نظری جزو تحقیقات کمی است . روش : جامعه آماری، کلیه دانشجویان دانشگاه تبریز در سال تحصیلی۹۸ - ۹۷می‌باشد .نمونه مورد نیاز برای این پژوهش تعداد ۵۰۰ نفر در نظرگرفته شد . شیوه نمونه گیری به صورت در دسترس و به صورت داوطلبانه انجام گرفت به این ترتیب که کلیه افرادی که از جامعه مذکور مایل به شرکت در این پژوهش بودند به عنوان نمونه انتخاب شدند و از آنها آزمون های نئو فرم بلند ، مکانیزم های دفاعی اندروز وهمکاران۴۰ - DSQو پرسشنامه جسمانی کردن۱۵ - PHQبه عمل آمد .یافته ها : نتایج حاصل از تحلیل نشان داد که شبکه عصبی آموزش دیده قادر است با تقریب مناسبی با استفاده از مکانیزم های دفاعی و نشانه های بدنی ، ویژگی های شخصیتی که در این پژوهش نمره های مقیاس کلی آزمون NEO می باشد را پیش بینی کند . نتیجه : پژوهش حاضر نشان داد که تمامی شاخص های اصلی آزمون نئو را می توان توسط شبکه عصبی مصنوعی با تقریب مناسبی پیش بینی کرد
Text of Note
Research aim :The aim of this study was to predict Personality Features Based on Defence Mechanisms and Somatic Complaints through a neural network approach. Method : This research is a descriptive and fundamental type .participants were selected from Tabriz University . the sample size is 500 and individuals participated in this research as volunteers.NEO-PI-R, DSQ40questionaire and PHQ questionnaire was given to individuals and the results were used as inputs of ANN. Findings : Data were entered into the model and results indicates that the trained Artificial neural network was properly able to predict personality features and can forecast the main NEO scores of the individual . Conclusion : The results of this study showed that somatic complains and defence mechanisms can predict NEO scores successfully through the trained ANN
PERSONAL NAME - PRIMARY RESPONSIBILITY
ملایی، صادق
PERSONAL NAME - SECONDARY RESPONSIBILITY
بخشی پور، عباس، استاد راهنما
رضوی، سید ناصر، استاد مشاور
باباپور، جلیل، استاد مشاور
ELECTRONIC LOCATION AND ACCESS
Public note
سیاه و سفید
نمایه‌سازی قبلی
