ارائه‌ی یک شبکه‌ی عصبی به‌منظور پیش‌بینی مصرف سیگار در دانشجویان براساس ابعاد انعطاف‌پذیری هیجانی و مولفه‌های بهزیستی روان‌شناختی

روش‌های کمی از مهم‌ترین ابزارهای پیش‌بینی روابط بین پدیده‌ها است. دقت پیش‌بینی عامل مهمی در انتخاب روش پیش‌بینی است. شبکه‌های عصبی مصنوعی، برنامه‌های کامپیوتری منعطفی هستند که با درجه‌ی بالایی از دقت و در سطحی گسترده برای پیش‌بینی به کار می‌روند. با توجه به شیوع مصرف سیگار در بین دانشجویان، هدف این پژوهش پیش‌بینی مصرف سیگار براساس ابعاد بهزیستی روان‌شناختی و مولفه‌های انعطاف‌پذیری هیجانی بود. روش: روش پژوهش از نوع پیش‌بینی و جامعه‌ی آماری همه‌ی دانشجویان دانشگاه بوعلی‌سینا در سال 1396 بود. تعداد 198 دانشجو به روش خوشه‌ای طبقه‌ای انتخاب شدند و پرسش‌نامه‌های انعطاف‌پذیری هیجانی و بهزیستی روان‌شناختی را پاسخ دادند. در این پژوهش از تکنیک داده‌کاوی و ترکیبی از شبکه‌های عصبی mlp و خود رمزگذار رفتار افراد بررسی و اطلاعات نهان در این رفتار‌ها به کمک نرم‌افزار پایتون شناسایی شد. یافته‌ها: نتایج نشان داد که بین مصرف سیگار با ابعاد انعطاف‌پذیری هیجانی و مولفه‌های بهزیستی روان‌شناختی دانشجویان رابطه وجود دارد (0.05 > p). همچنین شبکه‌های عصبی به‌کار رفته در این پژوهش مصرف سیگار را با دقت 77 درصد پیش‌بینی کردند. نتیجه‌گیری: نتایج شبیه‌سازی شبکه‌ی عصبی نشان داد که با توجه به محدودیت داده‌ها، ضمن وجود رابطه بین ابعاد انعطاف‌پذیری هیجانی و مولفه‌های بهزیستی روان‌شناختی، شبکه‌های عصبی مورداستفاده توانایی مطلوبی برای پیش‌بینی مصرف سیگار در دانشجویان دارد.