پژوهش پیش بینی پیشرفت تحصیلی از روی خودکارآمدی، خودتنظیمی و خلاقیت دانشجویان دانشگاه آزاد رودهن در سال تحصیلی 90 -91

اختصاصی از فی دوو پژوهش پیش بینی پیشرفت تحصیلی از روی خودکارآمدی، خودتنظیمی و خلاقیت دانشجویان دانشگاه آزاد رودهن در سال تحصیلی 90 -91 دانلود با لینک مستقیم و پر سرعت .

فایل -pdf22 صفحه

هدف اساسی پژوهش حاضر پیش بینی پیشرفت تحصیلی از روی خودکارآمدی، خودتنظیمی و خلاقیت

دانشجویان دانشگاه آزاد اسلامی واحد رودهن است. در یک نمونه 300 نفری از دانشجویان کارشناسی اجرا شد.

گروه نمونه از بین دانشجویان دانشگاه آزاد اسلامی واحد رودهن در سال تحصیلی 90-89 ، با روش تصادفی -

طبقه ای انتخاب شد. ابزارهای سنجش عبارت از 3 آزمون خودکارآمدی شرر، خودتنظیمی بوفارد و خلاقیت

عابدی است که در مورد افراد گروه نمونه اجرا شد. علاوه بر سه آزمون نامبرده، از پرسش نامه ای استفاده شد

که در آن، مشخصات جمعیت شناختی و همچنین نمر ههای نیم سال قبلی افراد گروه نمونه، به عنوان شاخص

پیشرفت تحصیلی پرسیده شد. روش آماری به کار رفته، تحلیل رگرسیون چند متغیری است. پس از جمع آوری

و تجزیه و تحلیل داد هها نتایج زیر به دست آمد: در بین سه متغیر خودکارآمدی، خودتنظیمی و خلاقیت، متغیر

خودکارآمدی تنها متغیری بود که پیشرفت تحصیلی دانشجویان را پیش بینی م یکرد. در مورد دانشجویان

دختر در بین سه متغیر خودکارآمدی، خودتنظیمی و خلاقیت، خودکارآمدی تنها عامل عمده پیش بینی کننده

پیشرفت تحصیلی بود. در مورد دانشجویان پسر، در بین سه متغیر خودکارآمدی، خودتنظیمی و خلاقیت، تنها

متغیر خلاقیت بود که پیشرفت تحصیلی را پیش بینی م یکرد. همچنین طبق مقایسه ضرایب بتای دختران و

پسران، علامت ضرایب بتای به دست آمده در دختران نشان داد که متغیر خودکارآمدی با پیشرفت تحصیلی

همبستگی مثبت و معنادار دارد و در پسران متغیر خلاقیت با پیشرفت تحصیلی همبستگی مثبت و معنادار دارد.

مقاله جهان بینی

اختصاصی از فی دوو مقاله جهان بینی دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحه:6

فهرست

جهان بینی

 معجزه ختمیه

 جهان‌بینی علمی

مقدمه

این‌که اقبال وحی را از نوع غریزه دانسته است خطاست. غریزه یک خاصیت صددرصد طبیعی و ناآگاهانه و نازل‌تر از حسو عقل است که قانون خلقت در مراحل اولی حیاتی حیوان در حیوانات قرار داده است... امّا وحی برعکس هدایتی مافوق حس و عقل است و به علاوه تا حدود زیادی اکتسابی است. بالاتر این‌که در اعلا درجه «آگاهانه» است...

1. گویی علامه اقبال، دچار همان اشتباهی شده است که جهان غرب شده است یعنی جانشین ساختن علم به جای ایمان...»[1]

استفاده از شاخص بارش استاندارد در پیش بینی و پایش سیل

اختصاصی از فی دوو استفاده از شاخص بارش استاندارد در پیش بینی و پایش سیل دانلود با لینک مستقیم و پر سرعت .

مدل های پیش بینی تجربی برای تأمین تطبیقی منابع در ابر *

اختصاصی از فی دوو مدل های پیش بینی تجربی برای تأمین تطبیقی منابع در ابر * دانلود با لینک مستقیم و پر سرعت .

تعداد صفحه : 21 صفحه

محاسبات ابری شرایط مقیاس پذیری منابع پویا برای سیستم های معاملاتی آنلاین سازمانی را فراهم می کند، این موضوع یکی از ویژگی های کلیدی تفاوت ابر از الگوی رایانش سنتی است. با این حال، مقدار دهی اولیه یک نمونه مجازی جدید در یک ابر آنی نیست؛ پلت فرم های میزبانی کننده از ابر تاخیر چند دقیقه ای را در تخصیص منابع سخت افزاری تحمیل می کنند. در این مقاله، ما استراتژی های تأمین و اندازه گیری مبتنی بر پیش بینی را با استفاده از شبکه های عصبی و رگرسیون خطی برای تامین منابع آینده توسعه می دهیم. نتایج تجربی نشان می دهند که روش پیشنهادی، مدیریت منابع تطبیقی تر برای برنامه های کاربردی موجود در محیط ابر ارائه می دهد، مکانیسمی مهم برای رسیدن به تخصیص منابع بر اساس تقاضا در ابر.

مدل پیشرفته برای پیش بینی کارآمد حجم کار در ابر *

اختصاصی از فی دوو مدل پیشرفته برای پیش بینی کارآمد حجم کار در ابر * دانلود با لینک مستقیم و پر سرعت .

تعداد صفحه : 17

برآورد و پیش بینی حجم کار یکی از حوزه های تحقیقاتی مورد توجه در محاسبات ابری است. دلیل این موضوع مزایای متعدد آن است، که عبارتند از QoS (کیفیت سرویس)، مقیاس پذیری منابع به صورت خودکار، و زمان بندی وظایف/کارها. پیش بینی دقیق حجم کار برنامه های کاربردی در ابر بسیار دشوار است بویژه اگر آنها به شدت با هم متفاوت باشند. برای پرداختن به این موضوع، راه حل های موجود یا از روش های آماری استفاده می کنند، که به طور موثر الگوهای تکراری را شناسایی می کنند اما در پیش بینی بلند مدت خیلی دقیق نیستند و یا از روش های یادگیری استفاده می کنند، که یک مدل پیش بینی پیچیده را توسعه می دهند اما عمدتا قادر به تشخیص الگوهای غیر معمول نیستند. برخی از راه حل ها از ترکیبی از هر دو روش استفاده می کنند. با این حال، هیچ یک از آنها به موضوع جمع آوری اطلاعات به منظور بهبود دقت پیش بینی نمی پردازند. ما یک مدل پیشرفته برای پیش بینی حجم کار در ابر (AME-WPC) پیشنهاد می کنیم، که ترکیبی از روش های آماری و یادگیری است، و موجب بهبود دقت و صحت پیش بینی حجم کار برای برنامه های محاسبات ابری می شود و می تواند به صورت پویا به یک سیستم خاص اِعمال شود. روش های یادگیری از یک مجموعه داده آموزشی توسعه یافته استفاده می کنند، که ما از طریق تجزیه و تحلیل عوامل سیستم تعریف می کنیم که دارای تاثیر قوی در حجم کار نرم افزار است. ما مشکل پیش بینی حجم کار را از طریق طبقه بندی و همچنین رگرسیون حل می کنیم و راه حل خود را با استفاده از روش یادگیری ماشینی جنگل تصادفی در هر دو - داده های آموزشی مبنا و توسعه یافته تست می کنیم. به منظور بررسی مدل پیشنهادی، ما آزمون های تجربی خود را با روش یادگیری ماشینی KNN مقایسه می کنیم (K-نزدیکترین همسایه). نتایج تجربی نشان می دهند که ترکیب روش های آماری و یادگیری به طور قابل توجهی موجب بهبود دقت پیش بینی حجم کار در طول زمان می شود.