اثرات سطوح دشواری متفاوت بر یادگیری تکلیف پرتاب کردن در سالمندان: تاکید بر روش های یادگیری ماشین

زمینه: مطالعات متعددی به بررسی سطوح دشواری تکلیف و یادگیری تکلیف پرداخته اند. اما پژوهشی که به استفاده از رویکرد یادگیری ماشین و به طور خاص سیستم‌های استنتاج عصبی-فازی به مدل سازی میزان دشواری تکلیف حرکتی پرتاب کردن با شرایط دشواری گوناگون در بین سالمندان مغفول مانده است. هدف: هدف از مطالعه حاضر بررسی اثرات سطوح دشواری متفاوت بر یادگیری تکلیف پرتاب کردن در سالمندان: تاکید بر روش های یادگیری ماشین بود. روش: پژوهش از نوع نیمه تجربی با طرح پیش آزمون و پس 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. 120 سالمند با روش نمونه 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. ابزار پژوهش حاضر تکلیف شرکت کنندگان پرتاپ دیسک برگرفته از پژوهش سانلی و لی بود (سانلی و لی، 2015) بود. تحلیل داده ها با استفاده از کدنویسی به روش انفیس با بهره گیری از سیستم سوگنو انجام شد. یافته ها: افراد در گروه آزمایش در شرایط یادگیری وضعیت بهتری نسبت به گروه گواه داشتند. همچنین برترین سناریوی سیستم استنتاج فازی عصبی تطبیقی در مرحله یادداری در گروه آزمایش شماره 1 با کمترین خطای0/73 =rmse برای داده های بررسی انتخاب شد. نتیجه گیری: استفاده از سیستم استنتاج عصبی-فازی و ایجاد شبکه های عصبی-فازی موفقیت آمیز بوده و باعث کاهش قابل توجهی در خطای پیش بینی شد که خصیصه قابل توجهی در همگرایی سریع و دقت بالا دارد

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

Background: Numerous studies have examined the difficulty levels of homework and homework learning. But research that uses machine learning approaches, and in particular neuralfuzzy 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 quasiexperimental with pretest and posttest design with 4 control groups. The statistical population of the study included all righthanded elderly men in 1397 with an age range of 7060 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 fuzzyneural 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 neuralfuzzy networks has been successful and significantly reduced the prediction error, which has a significant feature of rapid convergence and high accuracy