%0 Journal Article %A PourAfrouz, Elham %A Setayeshi, Saeed %A Bigdeli, Iman Allah %A Pedram, Mir Mohsen %T Predicting mindfulness effect on irritability with Bayesian models, regression and neural network %J The Neuroscience Journal of Shefaye Khatam %V 9 %N 2 %U http://shefayekhatam.ir/article-1-2005-fa.html %R 10.52547/shefa.9.2.35 %D 2021 %K Mindfulness, Therapeutics, Counseling, %X مقدمه: محققان هوش مصنوعی در تلاش‌اند هوش انسانی را روی دستگاه پیاده کنند. این مطالعه با هدف ایجاد یک مدل رایانه‌ای پیش‌ بینی کننده مناسب جهت ارزیابی اثربخشی درمان شناختی مبتنی بر ذهن آگاهی بر تحریک‌پذیری انجام شد. مواد و روش‌ها: طرح پژوهش حاضر از نوع شبه آزمایشی و با روش پیش‌آزمون- پس‌آزمون بود. آزمودنی‌های پژوهش حاضر 135 نفر از افراد مراجعه‌کننده به مرکز مشاوره خانه مهر در مشهد بودند و در یک دوره 8 جلسه‌ای شناخت درمانی مبتنی بر ذهن آگاهی (MBCT) شرکت کردند. در مجموع 11 دوره MBCT برگزار شد و 10 تا 14 نفر در هر دوره شرکت کردند. شرکت کنندگان پرسشنامه تحریک‌پذیری (پورافروز و دیگران) را در دو مرحله (قبل از درمان و بعد از درمان) تکمیل کردند. به منظور بررسی تفاوت‌های پیش‌آزمون تا پس‌آزمون در این تحقیق، از تحلیل واریانس اندازه‌گیری‌های مکرر استفاده شد. یافته‌ها: یافته‌های آماری نشان داد که تفاوت معنی‌داری میان نمرات پیش‌آزمون و پس‌آزمون تحریک‌پذیری وجود داشت. اندازه اثر ذهن آگاهی نیز 83 درصد بود. برای توسعه مدل پیش بینی، سه مدل بیزی، رگرسیون و شبکه عصبی مقایسه شد. مدل بیزی، با صحت داده‌های تست 93 درصد مناسب‌ترین مدل در نظر گرفته شد. علاوه بر این، مدل‌های بیزی با خوشه‌بندی ورودی و خروجی (7/85 درصد)، بیزی با رده‌بندی (49/71 درصد)، شبکه عصبی ترتیبی (29/64 درصد)، مدل‌های مناسبی برای پیش ‌بینی تاثیر‌گذاری دوره‌های 8 جلسه‌ای ذهن ‌آگاهی بر کاهش تحریک‌پذیری شناخته شدند. مدل‌های بیزی با خوشه‌بندی خروجی‌ها، رگرسیون با یک خروجی و شبکه عصبی کانوولوشنی نیز دقت پیش بینی کافی برای اثر گذاری ذهن آگاهی را نداشتند. نتیجه‌گیری: به کمک مدل‌سازی شناختی می‌توانیم اثر بخشی شناخت درمانی مبتنی بر ذهن آگاهی را بر روی میزان تحریک‌پذیری افراد پیش بینی کنیم. %> http://shefayekhatam.ir/article-1-2005-fa.pdf %P 35-47 %& 35 %! %9 Research --- Open Access, CC-BY-NC %L A-10-549-3 %+ Department of Energy and Physics, Amir Kabir University of Technology, Tehran, Iran %G eng %@ 2322-1887 %[ 2021