♻️#مدلسازی و #پیش_بینی #توجه #مستمر
#Connectome-based #predictive #modeling of #attention: Comparing different #functional #connectivity features and #prediction methods across #datasets
در گزارشی که به تازگی منتشر شده است، پژوهشگران نوروساینس دانشگاه ییل 🇺🇸 روشی جدید برای #مدلسازی، #طبقه بندی و #پیش بینی #الگوهای توجه در افراد یافته اند.
🔬در این پژوهش 294 داوطلب تکالیف توجهی مختلفی را در وضعیت های مختلف و حین #fMRI انجام دادند.
📚بر اساس یافته های پژوهش حاضر، می توان در حوزه #توجه #پایدار در افراد، بر اساس #تفاوتهای #فردی 12 الگوی مختلف وجود دارد که بر اساس آن #کنشوری و #عملکرد کارکردهای اجرایی افراد با دقت بالایی قابل پیش بینی است.
Abstract
#Connectome-based predictive #modeling was recently developed to predict #individual #differences in #traits and #behaviors, including #fluid #intelligence and #sustained #attention, from #functional #brain #connectivity (#FC) measured with #fMRI. Here, using the #CPM framework, we compared the #predictive power of three different measures of FC (#Pearson's #correlation, #accordance, and #discordance) and two different #prediction #algorithms (#linear and #partial #least #square [#PLS] #regression) for attention #function. Accordance and discordance are recently proposed FC measures that respectively track #in-phase #synchronization and #out-of-phase #anti-correlation. We defined connectome-based models using task-based or #resting-state FC data, and tested the effects of (1) functional connectivity measure and (2) feature-selection/prediction algorithm on individualized attention predictions. Models were #internally #validated in a training dataset using leave-one-subject-out cross-validation, and externally validated with three independent datasets. The training dataset included fMRI data collected while participants performed a sustained attention task and rested. The validation datasets included: 1) data collected during performance of a #stop-signal task and at rest (N = 83, including 19 participants who were administered #methylphenidate prior to scanning;) data collected during #Attention #Network #Task performance and rest (N = 41), and 3) resting-state data and #ADHD symptom severity from the #ADHD-200 Consortium (N = 113). Models defined using all combinations of functional connectivity measure (Pearson's correlation, accordance, and discordance) and prediction algorithm (linear and PLS regression) predicted attentional abilities, with correlations between predicted and observed measures of attention as high as 0.9 for internal validation, and 0.6 for external validation (all p's < 0.05). Models trained on task data outperformed models trained on rest data. Pearson's correlation and accordance features generally showed a small numerical advantage over discordance features, while PLS regression models were usually better than linear regression models. Overall, in addition to correlation features combined with linear models, it is useful to consider accordance features and PLS regression for CPM.
لینک منبع 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuroimage.2017.11.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Connectome-based #predictive #modeling of #attention: Comparing different #functional #connectivity features and #prediction methods across #datasets
در گزارشی که به تازگی منتشر شده است، پژوهشگران نوروساینس دانشگاه ییل 🇺🇸 روشی جدید برای #مدلسازی، #طبقه بندی و #پیش بینی #الگوهای توجه در افراد یافته اند.
🔬در این پژوهش 294 داوطلب تکالیف توجهی مختلفی را در وضعیت های مختلف و حین #fMRI انجام دادند.
📚بر اساس یافته های پژوهش حاضر، می توان در حوزه #توجه #پایدار در افراد، بر اساس #تفاوتهای #فردی 12 الگوی مختلف وجود دارد که بر اساس آن #کنشوری و #عملکرد کارکردهای اجرایی افراد با دقت بالایی قابل پیش بینی است.
Abstract
#Connectome-based predictive #modeling was recently developed to predict #individual #differences in #traits and #behaviors, including #fluid #intelligence and #sustained #attention, from #functional #brain #connectivity (#FC) measured with #fMRI. Here, using the #CPM framework, we compared the #predictive power of three different measures of FC (#Pearson's #correlation, #accordance, and #discordance) and two different #prediction #algorithms (#linear and #partial #least #square [#PLS] #regression) for attention #function. Accordance and discordance are recently proposed FC measures that respectively track #in-phase #synchronization and #out-of-phase #anti-correlation. We defined connectome-based models using task-based or #resting-state FC data, and tested the effects of (1) functional connectivity measure and (2) feature-selection/prediction algorithm on individualized attention predictions. Models were #internally #validated in a training dataset using leave-one-subject-out cross-validation, and externally validated with three independent datasets. The training dataset included fMRI data collected while participants performed a sustained attention task and rested. The validation datasets included: 1) data collected during performance of a #stop-signal task and at rest (N = 83, including 19 participants who were administered #methylphenidate prior to scanning;) data collected during #Attention #Network #Task performance and rest (N = 41), and 3) resting-state data and #ADHD symptom severity from the #ADHD-200 Consortium (N = 113). Models defined using all combinations of functional connectivity measure (Pearson's correlation, accordance, and discordance) and prediction algorithm (linear and PLS regression) predicted attentional abilities, with correlations between predicted and observed measures of attention as high as 0.9 for internal validation, and 0.6 for external validation (all p's < 0.05). Models trained on task data outperformed models trained on rest data. Pearson's correlation and accordance features generally showed a small numerical advantage over discordance features, while PLS regression models were usually better than linear regression models. Overall, in addition to correlation features combined with linear models, it is useful to consider accordance features and PLS regression for CPM.
لینک منبع 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuroimage.2017.11.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
♻️رابطه بین #هوش و #شخصیت در #نظام #جانشین‌پروری
A tale of two #general #factors of #personality in relation to #intelligence and #validity measures
پژوهشگران دانشگاه وسترن اونتاریو 🇨🇦در پژوهشی بدیع که گزارش آن به تازگی منتشر شده است به بررسی روابط متقابل ساختارهای شخصیتی و هوشی در کاندیداهای #مدیریت پرداختند.
🔬در این پژوهش 118 داوطلب از کسانی که در دوره جانشین‌پروری شرکت نموده بودند مورد ارزیابی ساختار شخصیت (مدل #جکسن و مدل #16عاملی) و هوش قرار گرفتند.
📊نتایج نشان دادند:
1️⃣دو عامل کلی شخصیتی بر اساس تحلیل عاملی بدست آمد.
2️⃣عامل های شخصیتی #ثبات #رفتاری، #استقلال، #گشودگی نسبت به تجربه، #وظیفه‌شناسی، #روان‌رنجورگرایی، و #دقت، ارتباط معناداری با هوش افراد دارند.
3️⃣بنظر می رسد در دوره‌های جانشین‌پروری، لازم است در کنار آزمون‌های توانمندی و هوش، آزمون‌های شخصیت بر پایه مدل‌های دقیق و عاملی شخصیت نیز صورت گیرد
Highlights
🔑Two separate General Factors of Personality (#GFP) were extracted in one sample.
🔑GFP scores were extracted using two different methods.
🔑The lower-order factors had higher correlations with the intelligence measures than did the GFP scores.
🔑The results suggest that GFP scores reflect #impression #management.
لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.paid.2017.12.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
https://t.me/DrAmirMohammadShahsavarani
A tale of two #general #factors of #personality in relation to #intelligence and #validity measures
پژوهشگران دانشگاه وسترن اونتاریو 🇨🇦در پژوهشی بدیع که گزارش آن به تازگی منتشر شده است به بررسی روابط متقابل ساختارهای شخصیتی و هوشی در کاندیداهای #مدیریت پرداختند.
🔬در این پژوهش 118 داوطلب از کسانی که در دوره جانشین‌پروری شرکت نموده بودند مورد ارزیابی ساختار شخصیت (مدل #جکسن و مدل #16عاملی) و هوش قرار گرفتند.
📊نتایج نشان دادند:
1️⃣دو عامل کلی شخصیتی بر اساس تحلیل عاملی بدست آمد.
2️⃣عامل های شخصیتی #ثبات #رفتاری، #استقلال، #گشودگی نسبت به تجربه، #وظیفه‌شناسی، #روان‌رنجورگرایی، و #دقت، ارتباط معناداری با هوش افراد دارند.
3️⃣بنظر می رسد در دوره‌های جانشین‌پروری، لازم است در کنار آزمون‌های توانمندی و هوش، آزمون‌های شخصیت بر پایه مدل‌های دقیق و عاملی شخصیت نیز صورت گیرد
Highlights
🔑Two separate General Factors of Personality (#GFP) were extracted in one sample.
🔑GFP scores were extracted using two different methods.
🔑The lower-order factors had higher correlations with the intelligence measures than did the GFP scores.
🔑The results suggest that GFP scores reflect #impression #management.
لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.paid.2017.12.010
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
https://t.me/DrAmirMohammadShahsavarani
Telegram
دکتر امیر محمد شهسوارانی
☎️هماهنگی وقت مشاوره/برگزاری کارگاه: +989057962633
🌐 https://www.ipbses.com/
http://bit.ly/IPBSES-Institue
باهم در اوج 🦅
🌐 https://www.ipbses.com/
http://bit.ly/IPBSES-Institue
باهم در اوج 🦅
♻️تعامل #شخصیت و #هوش #هیجانی برای #تاب‌آوری
The contributions of #personality and #emotional #intelligence to #resiliency
پپژوهشگران دانشگاه فلورانس 🇮🇹 و دانشگاه وسترن اونتاریو 🇨🇦 در پژوهشی که به تازگی گزارش آن منتشر شده است، به بررسی روابط بین مدل‌های مختلف شخصیت و هوش هیجانی در ارتباط با تاب‌آوری در بزرگسالان پرداختند.
🔬در این پژوهش 368 داوطلب بزرگسال پرسشنامه های مرتبط با مدل #5عاملی شخصیت (#FFM)، مدل شخصیت #هگزاکو، مدل شخصیت #آیزنک (#EPQ)، هوش هیجانی، تاب‌آوری، و ضعف در تاب‌آوری را اجرا نمودند.
📚نتایج نشان دادند:
1️⃣در مدل 5عاملی (FFM)، عامل‌های #برون‌گرایی (E)، #دلپذیربودن (A)، #وظیفه شناسی (C)، و #گشودگی نسبت به تجربه (C) رابطه مثبت با تاب‌آوری دارند. عامل #روان‌رنجورگرایی (N) با تاب‌آوری رابطه منفی دارد.
2️⃣در مدل هگزاکو (HEXACO)، #صداقت (HH)، برون‌گرایی (E)، دلپذیربودن، وظیفه‌شناسی (C)، و گشودگی نسبت به تجربه (O) رابطه مثبت با تاب‌آوری دارند. هیجانی شدن با تاب‌آوری رابطه منفی دارد.
3️⃣در مدل آیزنک، برون‌گرایی (E) رابطه مثبت با تاب‌آوری داشته، در حالی که روان‌رنجورگرایی (N) و #روان‌پریش‌گرایی (P) رابطه منفی با تاب‌آوری دارند.
4️⃣در هوش هیجانی (#EQ/EI)، بهزیستی، کفّ نفس، هیجان‌پذیری، مردم‌آمیزی و سطح کلی EQ رابطه مثبتی با تاب‌آوری دارند.
5️⃣در تمامی تحلیل‌های #رگرسیون مدل‌های شخصیت بررسی شده، افزودن هوش هیجانی (EI#) منجر به افزایش #اعتبارپیش‌بین برای تاب‌آوری می‌شود.
آموزش سبک‌های #فرزندپروری به والدین، و آموزش #مهارت‌های دهگانه زندگی به افراد، بویژه مهارت‌های #مدیریت‌هیجان، #مدیریت‌استرس، و #حل‌مسئله، کمک شایانی به افزایش تاب‌آوری افراد در بزرگسالی خواهد نمود
Highlights
🔑The major #personality factors are related to self-reported #resiliency.
🔑#EI added variance beyond the 4 major personality #traits models.
🔑Personality factors and EI while correlated, are not simply redundant.
لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.paid.2017.11.012
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
https://ipbses.com/resilience-personality-eq/
The contributions of #personality and #emotional #intelligence to #resiliency
پپژوهشگران دانشگاه فلورانس 🇮🇹 و دانشگاه وسترن اونتاریو 🇨🇦 در پژوهشی که به تازگی گزارش آن منتشر شده است، به بررسی روابط بین مدل‌های مختلف شخصیت و هوش هیجانی در ارتباط با تاب‌آوری در بزرگسالان پرداختند.
🔬در این پژوهش 368 داوطلب بزرگسال پرسشنامه های مرتبط با مدل #5عاملی شخصیت (#FFM)، مدل شخصیت #هگزاکو، مدل شخصیت #آیزنک (#EPQ)، هوش هیجانی، تاب‌آوری، و ضعف در تاب‌آوری را اجرا نمودند.
📚نتایج نشان دادند:
1️⃣در مدل 5عاملی (FFM)، عامل‌های #برون‌گرایی (E)، #دلپذیربودن (A)، #وظیفه شناسی (C)، و #گشودگی نسبت به تجربه (C) رابطه مثبت با تاب‌آوری دارند. عامل #روان‌رنجورگرایی (N) با تاب‌آوری رابطه منفی دارد.
2️⃣در مدل هگزاکو (HEXACO)، #صداقت (HH)، برون‌گرایی (E)، دلپذیربودن، وظیفه‌شناسی (C)، و گشودگی نسبت به تجربه (O) رابطه مثبت با تاب‌آوری دارند. هیجانی شدن با تاب‌آوری رابطه منفی دارد.
3️⃣در مدل آیزنک، برون‌گرایی (E) رابطه مثبت با تاب‌آوری داشته، در حالی که روان‌رنجورگرایی (N) و #روان‌پریش‌گرایی (P) رابطه منفی با تاب‌آوری دارند.
4️⃣در هوش هیجانی (#EQ/EI)، بهزیستی، کفّ نفس، هیجان‌پذیری، مردم‌آمیزی و سطح کلی EQ رابطه مثبتی با تاب‌آوری دارند.
5️⃣در تمامی تحلیل‌های #رگرسیون مدل‌های شخصیت بررسی شده، افزودن هوش هیجانی (EI#) منجر به افزایش #اعتبارپیش‌بین برای تاب‌آوری می‌شود.
آموزش سبک‌های #فرزندپروری به والدین، و آموزش #مهارت‌های دهگانه زندگی به افراد، بویژه مهارت‌های #مدیریت‌هیجان، #مدیریت‌استرس، و #حل‌مسئله، کمک شایانی به افزایش تاب‌آوری افراد در بزرگسالی خواهد نمود
Highlights
🔑The major #personality factors are related to self-reported #resiliency.
🔑#EI added variance beyond the 4 major personality #traits models.
🔑Personality factors and EI while correlated, are not simply redundant.
لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.paid.2017.11.012
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
https://ipbses.com/resilience-personality-eq/
🔹 شخصیت کاری و هوش: تاثیر مثلث تاریک شخصیت بر کارکنان سازمان
پژوهشگران دانشگاه یونیورسیتی کالج لندن انگلستان و دانشگاه تجارت نروژ در پژوهشی مشترک به بررسی روابط بین شخصیت کاری و هوش تحت تاثیر مثلث تاریک شخصیت در کارکنان سازمان ها پرداختند.
نتایج و راهبردهای این تحقیق را در لینک زیر بخوانید👇
https://ipbses.com/work-personality-dark-triad
#مثلث_شخصیت_تاریک_و_شخصیت_کاری #مثلث_تاریک_شخصیت_در_منابع_انسانی #مثلث_شخصیت_تاریک_در_روانشناسی_صنعتی_و_سازمانی #مثلث_شخصیت_تاریک_در_رفتار_شهروندی_سازمانی #مثلث_شخصیت_تاریک_در_هوش_شغلی #عامل‌های_پنج‌گانه_شخصیتی_در_رفتار_سازمانی_کارکنان
#دکتر_امیر_محمد_شهسوارانی #انستیتو_رزا
#انستیتو_علوم_روانی_زیستی_اجتماعی_اقتصادی
#Dark_and_Bright_Side_Personality #Intelligence #Work_Personality #Gender #Work_Personality_and_Intelligence_and_the_Dark_Side_at_Work
#Dr_Amir_Mohammad_Shahsavarani #IPBSES
🍃🌹🌸💐🌸🌹🍃
پژوهشگران دانشگاه یونیورسیتی کالج لندن انگلستان و دانشگاه تجارت نروژ در پژوهشی مشترک به بررسی روابط بین شخصیت کاری و هوش تحت تاثیر مثلث تاریک شخصیت در کارکنان سازمان ها پرداختند.
نتایج و راهبردهای این تحقیق را در لینک زیر بخوانید👇
https://ipbses.com/work-personality-dark-triad
#مثلث_شخصیت_تاریک_و_شخصیت_کاری #مثلث_تاریک_شخصیت_در_منابع_انسانی #مثلث_شخصیت_تاریک_در_روانشناسی_صنعتی_و_سازمانی #مثلث_شخصیت_تاریک_در_رفتار_شهروندی_سازمانی #مثلث_شخصیت_تاریک_در_هوش_شغلی #عامل‌های_پنج‌گانه_شخصیتی_در_رفتار_سازمانی_کارکنان
#دکتر_امیر_محمد_شهسوارانی #انستیتو_رزا
#انستیتو_علوم_روانی_زیستی_اجتماعی_اقتصادی
#Dark_and_Bright_Side_Personality #Intelligence #Work_Personality #Gender #Work_Personality_and_Intelligence_and_the_Dark_Side_at_Work
#Dr_Amir_Mohammad_Shahsavarani #IPBSES
🍃🌹🌸💐🌸🌹🍃