پیش‌بینی شادکامی بر اساس مولفه‌های تاب‌آوری با استفاده از شبکه‌های عصبی‌فازی در زنان سرپرست خانوار

محورهای موضوعی : روان شناسی

پرستو آفریننده ¹ ( گروه روانشناسی دانشگاه ازاد اسلامی واحد اسلام اباد غرب )
شیما پرندین ² ( استادیار گروه رو ان شناسی، واحد اسلام آباد غرب، دانشگاه آزاد اسلامی، اسلام آباد غرب، ایران )

تاریخ دریافت : 1399/11/11 تاریخ پذیرش : 1400/10/01 تاریخ انتشار : 1400/08/01

کلید واژه: شادکامی, تاب آوری, زنان سرپرست خانوار, شبکه های عصبی‌فازی,

چکیده مقاله :

زنان سرپرست خانوار مشکلات جسمی و روانی بسیاری دارند. می توان از روش های محاسبات ریاضی به عنوان ابزاری کارا برای پیش بینی مشکلات روانی افراد استفاده نمود. هدف مندی و خوش بینی به آینده از مولفه های مهم در تاب آوری است که در شادکامی زنان موثر است. عدم شادکامی و افسردگی در زنان سرپرست خانواده یک بیماری است لذا نیاز به شناسایی و پیش بینی دارد. هدف از انجام این تحقیق پیش بینی شادکامی زنان سرپرست خانواده بر اساس مولفه های تاب آوری با استفاده از سیستم استنتاج عصبی فازی بود. ابزار اندازه گیری پرسشنامه تاب آوری کانر و دیودیسون و شادکامی آکسفورد بود. جامعه آماری شامل تعداد 50 زن سرپرست خانواده بود. پس از تکمیل، نمره گذاری پرسشنامه و ثبت اطلاعات و تحلیل با نرم افزار SPSS و کاربرد جعبه ابزار ANFIS به مدلسازی اقدام گردید. میانگین نمره تاب آوری و شادکامی زنان سرپرست خانوار به ترتیب 39.8 و 40.26 بود. پس از ارزیابی مدل ها، از مدل نهایی برای پیش‌بینی شادکامی براساس مولفه های تاب آوری استفاده شد. براساس نتایج همبستگی بین تاب آوری و شادکامی زنان سرپرست خانواده 0.96 بود. نتایج نشان داد افزایش تاب آوری در زنان سرپرست خانواده تاثیر مستقیم و معناداری بر میزان شادکامی آنان داشت. براساس نتایج دقت بالا 0.94 مدل نهایی شبکه های عصبی فازی می‌توان برای پیش بینی سطح شادکامی زنان سرپرست خانواده بویژه در سطح خطر افسردگی به خوبی و با دقت بالا استفاده نمود.

چکیده انگلیسی:

Female-headed households have many physical and mental problems. Today, methods of mathematical computing can be used as reliable tool for predicting individuals' psychological problems. Targeting and optimism about the future are important components of resiliency that affect women's happiness. Happiness and consequently depression in female-headed households is a disease so it needs to be identified and predicted. The aim of this study was to predict happiness in female-headed based on resiliency components using ANFIS. In this study, the measuring instrument was the Conner and Davidson Resiliency and the Oxford Happiness Questionnaire. The statistical population included 50 female-headed households. The mean happiness and resiliency in female-headed households was 39.8 and 40.26, respectively. After evaluating the models, the final model of happiness prediction based on resiliency components was used. Based on the results, the correlation between resiliency level and happiness of female head was 0.96. The results showed that increasing resiliency in the Female-headed households had a direct and significant effect on their happiness. Based on the results of the high accuracy 0.94 in the final model, fuzzy neural networks can be used well and accurately to predict the level of happiness of Female-headed households, especially at the level of their depression risk.