fa اثرات سطوح دشواری متفاوت بر یادگیری تکلیف پرتاب کردن در سالمندان: تأکید بر روش های یادگیری ماشین تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="font-family:Tahoma;"><span style="font-size:12px;"><strong><span dir="RTL">زمینه</span></strong>: <span dir="RTL">مطالعات متعددی به بررسی سطوح دشواری تکلیف و یادگیری تکلیف پرداخته&shy; اند. اما پژوهشی که به استفاده از رویکرد یادگیری ماشین و به طور خاص سیستم‌های استنتاج عصبی - فازی به مدل&shy; سازی میزان دشواری تکلیف حرکتی پرتاب کردن با شرایط دشواری گوناگون در بین سالمندان</span><span dir="RTL"> مغفول مانده است. <strong>هدف:</strong> هدف از مطالعه حاضر بررسی اثرات سطوح دشواری متفاوت بر یادگیری تکلیف پرتاب کردن در سالمندان: تأکید بر روش&shy;های یادگیری ماشین بود. <strong>روش: </strong>پژوهش از نوع نیمه تجربی با طرح پیش &shy;آزمون و پس&shy; آزمون با 4 گروه کنترل بود. جامعه آماری پژوهش شامل کلیه مردان سالمند راست دست در سال 1397 با دامنه سنی 70- 60 سال شهرستان مشهد بود. <span style="color:black;">120 سالمند با روش نمونه &shy;گیری در دسترس به عنوان نمونه انتخاب و به صورت تصادفی در 8 گروه 15 نفری (4 گروه آزمایش و 4 گروه گواه) جایگزین شدند. </span>ابزار پژوهش حاضر تکلیف </span><span dir="RTL">شرکت &shy;کنندگان پرتاپ دیسک برگرفته از پژوهش سانلی و لی بود (سانلی و لی، 2015) بود. تحلیل داده &shy;ها <span style="color:black;">بـا استفاده از کـدنویسی به روش انفیس با بهره &shy;گیری از سیستم سـوگنـو انجـام شـد.</span> <strong>یافته &shy;ها</strong>: افراد در گروه آزمایش در شرایط یادگیری وضعیت بهتری نسبت به گروه گواه داشتند. همچنین برترین سناریوی سیستم استنتاج فازی - عصبی تطبیقی<span style="color:black;"> در مرحله یادداری در </span>گروه آزمایش شماره 1 با</span> کمترین خطای0/73 =RMSE<span dir="RTL"> برای داده&shy; های بررسی</span> <span dir="RTL">انتخاب شد. </span><strong><span dir="RTL">نتیجه&shy; گیری</span></strong><span dir="RTL">: استفاده از سیستم استنتاج عصبی فازی و ایجاد شبکه&shy; های عصبی - فازی موفقیت آمیز بوده و باعث کاهش قابل توجهی در خطای پیش&shy;بینی شد که خصیصه قابل توجهی در همگرایی سریع</span> <span dir="RTL">و دقت بالا دارد</span></span></span></div> <div style="text-align: justify;"><strong>Background:</strong> Numerous studies have examined the difficulty levels of homework and homework learning. But research that uses machine learning approaches, and in particular neural-fuzzy inference systems, to model the difficulty of throwing a task with different difficulty conditions among the elderly has been overlooked. <strong>Aims:</strong> The aim of the present study was to investigate the effects of different levels of difficulty on learning the task of throwing in the elderly: Emphasis on machine learning methods. <strong>Method:</strong> The research was quasi-experimental with pre-test and post-test design with 4 control groups. The statistical population of the study included all right-handed elderly men in 1397 with an age range of 70-60 years in Mashhad. 120 elderly people were selected by available sampling method and randomly divided into 8 groups of 15 people (4 experimental groups and 4 control groups). The instrument of the present study was the task of discus throwing participants derived from the research of Sanli and Lee (Sanli and Lee, 2015). Data analysis was performed using encryption using an sophisticated system. <strong>Results:</strong> Individuals in the experimental group were better off than the control group in terms of learning conditions. Also, the best scenario of the adaptive fuzzy-neural inference system in the learning phase was selected in the experimental group No. 1 with the lowest error RMSE= 0/73 for the survey data. <strong>Conclusions:</strong> The use of fuzzy neural inference system and the creation of neural-fuzzy networks has been successful and significantly reduced the prediction error, which has a significant feature of rapid convergence and high accuracy</div> دشواری تکلیف, سالمندان, یادگیری ماشین. Task difficulty, elderly, machine learning. 39 46 http://psychologicalscience.ir/browse.php?a_code=A-10-667-1&slc_lang=fa&sid=1 Mojtaba Esmaeeli Abdar مجتبی اسمعیلی ابدر esmaeeli_21@yahoo.com 3149936896 100319475328460011740 No Ph.D Student. Department of Motor Behavior, Ferdowsi University of Mashhad, Mashhad, Iran دانشجوی دکتری، گروه رفتار حرکتی، دانشگاه فردوسی مشهد، مشهد، ایران Hamid Reza Taheri حمیدرضا طاهری hamidtaherii@gmail.com 100319475328460011741 100319475328460011741 Yes Professor. Department of Motor Behavior, Ferdowsi University of Mashhad, Mashhad, Iran استاد، گروه رفتار حرکتی، دانشگاه فردوسی مشهد، مشهد، ایران mahdi sohrabi مهدی سهرابی sohrabi@um.ac.ir 100319475328460011742 100319475328460011742 No Professor. Department of Motor Behavior, Ferdowsi University of Mashhad, Mashhad, Iran استاد، گروه رفتار حرکتی، دانشگاه فردوسی مشهد، مشهد، ایران Ali Ghanaei علی غنایی ghanaee@um.ac.ir 100319475328460011743 100319475328460011743 No Associate professor. Department of Clinical Psychology, Ferdowsi University of Mashhad, Mashhad, Iran دانشیار، گروه روانشناسی بالینی، دانشگاه فردوسی مشهد، مشهد، ایران