تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > مقارنة الشبكات العصبية الإصطنا...>الوصف
يجب تسجيل الدخول أولا

مقارنة الشبكات العصبية الإصطناعية وتحليل الإنحدار المتعدد في التنبؤ ببعض المتغيرات النفسية لدى عينة من طالبات الجامعة

العنوان بلغة أخرى: Comparison of Artificial Neural Networks and Multiple Regression Analysis In Prediction of some Psychological Variables among University Female Students
المصدر: مجلة جامعة الملك خالد للعلوم التربوية
الناشر: جامعة الملك خالد - كلية التربية - مركز البحوث التربوية
المؤلف الرئيسي: محمد، نسرين محمد سعيد يوسف (مؤلف)
المؤلف الرئيسي (الإنجليزية): Zarea, Nisreen Mohamed Saeed
المجلد/العدد: مج9, ع1
محكمة: نعم
الدولة: السعودية
التاريخ الميلادي: 2022
التاريخ الهجري: 1443
الصفحات: 261 - 297
DOI: 10.55534/1320-009-001-009
ISSN: 1658-6654
رقم MD: 1285473
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch
مواضيع:
المؤسسات الأكاديمية | طلبة المرحلة الجامعية | المتغيرات النفسية | القيم المستقبلية | الذكاء الإصطناعي | تقدير الذات
كلمات المؤلف المفتاحية:
الشبكات العصبية الإصطناعية | الصلابة النفسية | فعالية الذات | التكيف الأكاديمي | تحليل الإنحدار المتعدد | Artificial Neural Networks | Psychological Hardness | Academic Adaptation | Self-Efficacy | Multiple Linear Regression
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

38

حفظ في:
المستخلص: هدف البحث الحالي الكشف عن كفاءة النموذج التنبؤي الذي تم بناؤه باستخدام الشبكات العصبية الاصطناعية وفعاليته في التنبؤ ببعض المتغيرات النفسية بالمقارنة بأسلوب تحليل الانحدار المتعدد لدى عينة من طالبات جامعه القصيم بلغت (359) طالبه، وتمثلت أدوات البحث في: قائمة التكيف الأكاديمي بوصفه متغيرا تابعا، واستبانة الصلابة النفسية، ومقياس فعالية الذات بوصفهما متغيرين مستقلين، وقد خلصت نتائج البحث إلى كفاءة نموذج التنبؤ الذي تم إنشاؤه باستخدام الشبكات العصبية الاصطناعية حيث تم استخدام مجموع مربعات الخطأ للحكم على جودة التنبؤ بين مجموعة بيانات التدريب وتحسنه حيث بلغ المؤشر (92.139) وبين مجموعة الاختبار حيث بلغ المؤشر (34.042)، ويظهر بوضوح انخفاض نسبة الخطأ للتنبؤ ما بين مجموعتي التدريب والاختبار؛ مما يدل على رصانة النموذج المستخدم ووصوله لأفضل أداء تنبؤي. وللحكم على فعالية النموذج تم عمل مقارنة بين أسلوب الشبكات العصبية الاصطناعية في التنبؤ وأسلوب تحليل الانحدار المتعدد لمتغيرات الدراسة وأظهرت النتائج التي اعتمدت على مؤشرات جودة النموذج التنبؤي وملائمته انخفاضا في قيم كل مؤشرات الحكم (جذر متوسط مربع الخطأ - متوسط القيمة المطلقة للخطأ - المتوسط النسبي للخطأ المطلق - جذر المتوسط النسبي لمربع الخطأ ) وزيادة في النسبة المفسرة للتباين للمتغير المتنبأ به التي تم حسابها عن طريق معامل التحديد (R2)، ووصلت الشبكة لمعدل مرتفع وعال من الدقة، وأعطت نموذجا رصينا يصلح للتنبؤ بالقيم المستقبلية لاستخدامه طريقة التحقق المتقاطع.

This study aimed to reveal the efficiency and effectiveness of the predictive model built using artificial neural networks in predicting psychological variables among female students from Qassim University comparing to multiple regression analysis with sample size reached 359 students. The study tools were academic adaptation inventory as a dependent variable, the psychological hardness questionnaire and the self-efficacy scale as independent variables. Results assured the efficiency of the prediction model that was created using ANN, where the sum of the square errors was used to judge the quality and improvement of prediction between the training data set, where the indicator reached 92.139, and the test set, where the indicator reached 34.042, and it clearly shows a decrease in the error rate for prediction between the two groups, which indicates the validity of the used model and its best predictive performance. In order to judge the effectiveness of the model, a comparison was made between artificial neural networks (ANN) and multiple linear regression (MLR). The results showed that there was a decrease in the values of all judgment indicators (root mean square error RMSE - mean absolute error MAE - Mean Absolute Percentage Error MAPE - Root Mean Square Percentage Error RMSPE) and an increase in the explanatory ratio of variance for the predicted variable calculated by means of the coefficient of determination R2, and the network reached a high accuracy rate and gave a solid model that is suitable for predicting future values using the cross-validation method.
ISSN: 1658-6654

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.