اثرات سطوح دشواري متفاوت بر يادگيري تكليف پرتاب كردن در سالمندان: تأكيد بر روش هاي يادگيري ماشين

The effects of different levels of difficulty on learning the task of throwing in elderly: emphasis on machine learning methods

زمينه: مطالعات متعددي به بررسي سطوح دشواري تكليف و يادگيري تكليف پرداخته­ اند. اما پژوهشي كه به استفاده از رويكرد يادگيري ماشين و به طور خاص سيستم‌هاي استنتاج عصبي - فازي به مدل­ سازي ميزان دشواري تكليف حركتي پرتاب كردن با شرايط دشواري گوناگون در بين سالمندان مغفول مانده است. هدف: هدف از مطالعه حاضر بررسي اثرات سطوح دشواري متفاوت بر يادگيري تكليف پرتاب كردن در سالمندان: تأكيد بر روش­هاي يادگيري ماشين بود. روش: پژوهش از نوع نيمه تجربي با طرح پيش ­آزمون و پس­ آزمون با 4 گروه كنترل بود. جامعه آماري پژوهش شامل كليه مردان سالمند راست دست در سال 1397 با دامنه سني 70- 60 سال شهرستان مشهد بود. 120 سالمند با روش نمونه ­گيري در دسترس به عنوان نمونه انتخاب و به صورت تصادفي در 8 گروه 15 نفري (4 گروه آزمايش و 4 گروه گواه) جايگزين شدند. ابزار پژوهش حاضر تكليف شركت ­كنندگان پرتاپ ديسك برگرفته از پژوهش سانلي و لي بود (سانلي و لي، 2015) بود. تحليل داده ­ها بـا استفاده از كـدنويسي به روش انفيس با بهره ­گيري از سيستم سـوگنـو انجـام شـد. يافته ­ها: افراد در گروه آزمايش در شرايط يادگيري وضعيت بهتري نسبت به گروه گواه داشتند. همچنين برترين سناريوي سيستم استنتاج فازي - عصبي تطبيقي در مرحله يادداري در گروه آزمايش شماره 1 با كمترين خطاي0/73 =RMSE براي داده­ هاي بررسي انتخاب شد. نتيجه­ گيري: استفاده از سيستم استنتاج عصبي فازي و ايجاد شبكه­ هاي عصبي - فازي موفقيت آميز بوده و باعث كاهش قابل توجهي در خطاي پيش­بيني شد كه خصيصه قابل توجهي در همگرايي سريع و دقت بالا دارد

Background: 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. Aims: 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. Method: 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. Results: 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. Conclusions: 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