هدف: پژوهش حاضر به منظوربررسی اثر بخشی نرم افزار درمانی مسابقه اعداد در درمان اختلال حساب نارسایی در دانش آموزان حساب نارسا انجام شد. روش: بدین منظور در چهار چوب روش پژوهش شبه آزمایشی و با طرح پژوهش پیش آزمون – پس آزمون با گروه کنترل ،با مراجعه به چهار مرکز تخصصی درمان اختلالات یادگیری در شهر تهران تعدا 28 دانش آموز پس دارای اختلال حساب نارسایی در محدوده سنی 6سال و 8 ماه الی 8 سال و 8 ماه انتخاب شدند و به تصادف به دو گروه آزمایش و کنترل تقسیم شدند . 14 دانش آموز گروه آزمایش به مدت 20 جلسه به بازی با نرم افزار مسابقه اعداد پرداختند . نتایج نشان داد که تفاوت معنا داری در پس آزمون گروه آزمایش نسبت به گروه کنترل وجود دارد. می توان چنین نتیجه گیری نمود که بازی با نرم افزار مسابقه اعداد می تواند باعث درمان اختلال حساب نارسایی در دانش آموزان حساب نارسا شود.

سیستم های آموزشی مبتنی بر وب هوشمند و تطبیق پذیر به عنوان راه حلی برای ایجاد محیط های یادگیری شخصی(ple) ارائه شده اند. این سیستم ها سعی در پیشنهاد آموزش های شخصی به یادگیرنده با توجه به مدلسازی دانش، اولویت ها و اهداف او دارند. سیستم های پیشنهادگر (rs) نیز برای حمایت یادگیرندگان و پیشنهاد منابع یادگیری مناسب به منظور حل مساله اضافه بار اطلاعات و شخصی سازی محیط یادگیری با توجه به گرایش و اولویت های یادگیرنده به عنوان جزئی از این سیستم ها به کارگرفته شده اند. این تحقیق در سه بخش مجزا با هدف بهبود عملکرد rs جهت ارائه منابع یادگیری و دروس یادگیری ارائه شده است. در دو بخش اول هدف پیشنهاد منابع یادگیری و بخش سوم هدف پیشنهاد دروس مناسب می باشد. در بخش اول ویژگی های صریح (آشکار) و ویژگی های ضمنی (پنهان) برای منابع یادگیری و یادگیرندگان معرفی می شود. در پیشنهادگر مبتنی بر ویژگی های صریح ((eabr، ابتدا منابع در فضای چند بعدی ویژگی های صریح مدل شده و سپس درخت ویژگی های یادگیرنده (lat) به منظور مدل کردن ارجحیت های چندگانه یادگیرنده با استفاده همزمان ویژگی های صریح منبع، امتیازدهی یادگیرنده و ترتیب مطالعه منابع ساخته می-شود. از مفهوم تابع فراموشی تدریجی (gff) نیز برای ایجاد رویکردی داینامیک، در مدلسازی ارجحیت های کاربر استفاده می شود. در این پیشنهادگر پیشنهادات با استفاده از دو رویکر پالایش محتوایی مبتنی بر ویژگی (abcbf) و پالایش مشارکتی مبتنی بر ویژگی (abcf) تولید می شود. این پیشنهادگر قادر است مسائل تنک بودن داده ها و شروع سرد را کاهش داده و در عین یک لیست پیشنهادی نسبتا متنوع ارائه دهد. به منظور افزایش دقت پیشنهادات در مواقعی که اطلاعات درباره ویژگی های صریح کافی نمی باشد، ویژگی های ضمنی معرفی می شود. در پیشنهادگر مبتنی بر ویژگی های ضمنی ((eabr از تکنیک جداسازی غیر منفی ماتریس(nnmf) جهت استخراج ویژگی های ضمنی استفاده می شود. مقادیر اولیه این ویژگی ها نیز با استفاده از الگوریتم ژنتیک(ga) برای کاربران و آیتم ها تولید می شود. در نهایت در این بخش دو رویکرد وزنی و آبشاری جهت ترکیب پیشنهادات استفاده می شود. نتایج ارزیابی رویکرد ارائه شده با استفاده از داده های واقعی محیط آموزشی نشان از افزایش دقت پیشنهادات و کاهش مسائل تنک بودن داده ها و شروع سرد دارد. از آنجائیکه منابع یادگیری دارای یک ترتیب ذاتی در فرآیند یادگیری می باشند، در بخش دوم از کاوش الگوی توالی(spm) برای شناسایی الگوهای پنهان توالی دسترسی منابع یادگیری استفاده می شود. با مقایسه دو الگوریتمprefixspan و + bideمشخص شد که پیشنهادات دو الگوریتم دارای دقت (سنجه ) تقریبا یکسانی بوده در حالی که سرعت حل الگوریتم + bideبالاتر از prefixspan می باشد. بنابراین الگوهای توالی بسته کشف شده توسط +bide، توسط دو رویکرد پیشنهادات مبتنی بر مدل منطقی (lbr) و پیشنهادات مبتنی بر مدل مارکو (mbr) جهت تولید پیشنهادات استفاده شد. علاوه بر آن پیشنهادات lbr با پیشنهادات روش پالایش مشارکتی (cf) مبتنی بر آیتم با دو وزنی و آبشاری ترکیب شد. نتایج آزمایشات نشان می دهد که استفاده از الگوهای پنهان توالی دسترسی منابع یادگیری کیفیت پیشنهادات را بهبود می دهد. از آنجائی که پیشنهاد درس یا مساله به یادگیرنده بر اساس عملکرد قبلی او در گذشته می باشد، پیش بینی عملکرد یادگیرندگان از ضروریات سیستم های یادگیری است. لذا در بخش سوم رویکردی جدید بر مبنای سیستم های پیشنهادگر جهت پیش بینی عملکرد یادگیرنده ارائه می شود. ابتدا از الگوریتم k-میانگین جهت خوشه بندی یادگیرندگان استفاد می شود. بعد از تشکیل خوشه ها، قواعد انجمنی(ar) به منظور پیش بینی عملکرد یادگیرنده با توجه به عملکرد گذشته او (حداقل بعد از دو ترم تحصیلی) ویرایش می شود. به منظور بهبود دقت پیش بینی نتایج حاصل از ar با استفاد از روش رای اکثریت با نتایج cf تقویت می شود. نتایج ارزیابی رویکرد ارائه شده نشان داد که رویکرد ترکیبی دقت پیشنهادات را افزایش می دهد.

استفاده تجاری از انرژی شرط اصلی توسعه در دنیا است کشورهایی که از این موهبت کم بهره اند در زمره کشورهای فقیر محسوب می شوند. مصرف انرژی به خصوص انرژی های ناشی از سوخت های فسیلی اثرات مخربی همچون تغییر شرایط اقلیمی، اثرات گلخانه ای،گرمایش شدید زمین (گرمایش جهانی)، بارش باران های اسیدی و افزایش مواد سرطان زا، دود و عوامل آلاینده در محیط زیست را با خود به همراه دارد.افزایش روزافزون جمعیت موجب افزایش تقاضا برای انرژی است و نیازمند یک استراتژی متوازن و درازمدت است که شامل راه کارهای متفاوت و خاص و به صورت منطقه ای نظیر بهره گیری بیشتر از منابع انرژی جایگزین، تکنولوژی تولید بهینه انرژی و استفاده از تکنولوژی انرژی های پاک توسط بخش های خصوصی است. بنابه گزارش های برنامه محیط زیست سازمان ملل متحد، تقریباً نیمی از برق تولیدی جهان امروزه از انرژی های پاک و تجدیدپذیر تأمین می شود و این در حالی است که هزینه های تولید انرژی های خورشیدی و بادی به سرعت روبه کاهش است. براساس مطالعات انجام شده در آلمان استفاده از انرژی های تجدیدپذیر مانع از انتشار 1/2میلیارد تن دی اکسید کربن به جو زمین می شوند. هدف از این تحقیق ارزیابی استان زنجان ازنظر پتانسیل انرژی خورشیدی و شناسایی پهنه های دریافت انرژی خورشیدی برای بهره گیری بهینه از آن برای تأمین یک انرژی پاک و تجدیدپذیر و پایداراست که با بهره گیری از فرمول دانشمندانی چون آنگسترم و پریسکات از طریق داده های هواشناسی همچون ابرناکی، ساعت آفتابی و تابش و نرم افزارهای gis و matlab و تحلیل ahp امکان فرموله کردن مسئله را فراهم آوردیم. نتایج این تحقیق نشان می دهد که استان زنجان ازنظر دریافت انرژی خورشیدی دارای پهنه های دریافت بسیار قوی و فوق العاده قوی می باشد. به خصوص نقاطی در جنوب و جنوب شرقی استان مستعد احداث نیروگاه می باشد و برای کاربرد این انرژی یک آبگرمکن خورشیدی با آینه سهموی-شلجمی طراحی و ساخته شد.

این تحقیق با موضوع "انتخاب ترکیب سبد تسهیلات " سعی دارد با در نظر گرفتن دانش مدیریت مالی و سرمایه گذاری و ارزیابی ریسک و بازده تسهیلات بانکی، مدلی برای بهینه سازی ومینیمم سازی ریسک ارائه دهد. مدل پیشنهادی، انواع مختلف سرمایه گذاری هایی را بررسی می کند که یک سرمایه گذار می تواند و تمایل دارد جهت تشکیل سبد سرمایه گذاری خود، آن ها را مورد ملاحظه قرار دهد. در نهایت برای حل مدل از الگوریتم ژنتیک استفاده کرده و روی یک مثال واقعی این الگوریتم را اجرا و تحلیل می کند. نوآوری این تحقیق ارائه مدلی نو جهت انتخاب عقودی که بیشترین بازدهی و بیشترین برگشت سرمایه داراست وجنبه ی دیگر جدید بودنش در وارد نمودن انواع محدودیت های بودجه ای، سیاست های اعتباری و ریسک تسهیلات است.

چکیده ندارد.