شبكه های عصبی مصنوعی: مدلی برای پیش بینی

ا توجه به محدوديتها و ابهامهاي موجود در مدلهاي متداول آماري مانند از دست دادن داده هاي مربوط به تعاملهاي پيچيده و غيرخطي بين سازه هاي روان شناختي و برخي مفروضه ها مانند همگوني واريانسها و توزيع نرمال، پژوهش حاضر توانايي مدلهاي شبکه هاي عصبي مصنوعي را براي مطالعات پيش بيني بررسي کرد. گروه نمونه اي شامل 456 دانش آموز پسر سال سوم دبيرستان پرسشنامه شخصيتي کاليفرنياCPI) ؛ گاف، 1975) و پرسشنامه همسازي دانش آموزان مدرسهAISS) ، سينها و سينگ، 1993) را تکميل و در پنج سطح همسازي (از ناسازگار تا کاملا سازگار) طبقه بندي شدند. تحليل عاملي ترکيبهاي مختلف رگه هاي شخصيتي نشان داد که برخي از شبکه ها به دليل ناهمخواني بين تعداد متغيرها و معماريهاي شبکه، نمي توانند همسازي را پيش بيني کنند. اما بازنگري معماري ها و تکرار شبکه هاي جديد نسبت پيش بيني درست (نسبت طبقه بندي شرکت کنندگان در سطوح همسازي مبتني بر (AISS را به گونه اي معنادار افزايش داد. مناسب ترين شبکه براي پيش بيني همسازي شامل ترکيبي از متغيرهاي شناختي انعطاف پذيري، زنانگي، اشتراک و تحمل بود