<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
    <channel>
        <title>نوشته های Elena.Hatami</title>
        <link>https://virgool.io/feed/@m_54606208</link>
        <description></description>
        <language>fa</language>
        <pubDate>2026-06-10 14:19:49</pubDate>
        <image>
            <url>https://static.virgool.io/images/default-avatar.jpg</url>
            <title>Elena.Hatami</title>
            <link>https://virgool.io/@m_54606208</link>
        </image>

                    <item>
                <title>دسته بندی انواع تحلیل ها</title>
                <link>https://virgool.io/@m_54606208/%D8%AF%D8%B3%D8%AA%D9%87-%D8%A8%D9%86%D8%AF%DB%8C-%D8%A7%D9%86%D9%88%D8%A7%D8%B9-%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%D9%87%D8%A7-t6lnt807b7ns</link>
                <description>تحلیل در زمینه‌های مختلف به انواع گوناگونی تقسیم می‌شود.1. تحلیل داده:• تحلیل توصیفی: برای توصیف و خلاصه‌سازی داده‌ها استفاده می‌شود.• تحلیل استنباطی: برای استنباط نتایج کلی از نمونه‌ها به کل جامعه استفاده می‌شود.• تحلیل پیش‌بینی: برای پیش‌بینی رفتار آینده بر اساس داده‌های گذشته.2. تحلیل مالی:• تحلیل نسبت‌ها: بررسی نسبت‌های مالی برای ارزیابی عملکرد مالی یک شرکت.• تحلیل جریان نقدی: بررسی جریان‌های نقدی ورودی و خروجی.• تحلیل بنیادی: ارزیابی ارزش ذاتی یک دارایی با توجه به عوامل اقتصادی و مالی.3. تحلیل SWOT:• شناسایی نقاط قوت، نقاط ضعف، فرصت‌ها و تهدیدها در یک سازمان یا پروژه.4. تحلیل کیفی:• تحلیل محتوا: بررسی و تحلیل متون و محتوای کیفی.• تحلیل تم: شناسایی الگوها و تم‌های مشترک در داده‌های کیفی.5. تحلیل کمی:• استفاده از روش‌های آماری و ریاضی برای تجزیه و تحلیل داده‌های عددی.6. تحلیل ریسک:• شناسایی و ارزیابی ریسک‌ها و خطرات احتمالی در پروژه‌ها یا سرمایه‌گذاری‌ها.7. تحلیل بازار:• بررسی و تحلیل شرایط بازار، رقبا و نیازهای مشتریان.8. تحلیل سیستم‌ها:• بررسی و تحلیل سیستم‌های پیچیده برای درک عملکرد آن‌ها و بهبود کارایی.▎1. بر اساس هدف تحلیل:• تحلیل توصیفی (Descriptive Analysis): هدف این نوع تحلیل، توصیف و خلاصه‌سازی داده‌ها است. به عنوان مثال، استفاده از آمار توصیفی برای ارائه میانگین، میانه و واریانس داده‌ها.• تحلیل تشخیصی (Diagnostic Analysis): به بررسی علل و دلایل وقوع یک پدیده یا وضعیت خاص می‌پردازد. این نوع تحلیل معمولاً پس از تحلیل توصیفی انجام می‌شود.• تحلیل پیش‌بینی (Predictive Analysis): برای پیش‌بینی رفتارها یا نتایج آینده بر اساس داده‌های گذشته استفاده می‌شود. این نوع تحلیل معمولاً شامل مدل‌سازی آماری و یادگیری ماشین است.• تحلیل تجویزی (Prescriptive Analysis): به ارائه توصیه‌ها و راهکارها برای بهبود تصمیم‌گیری‌ها می‌پردازد. این نوع تحلیل معمولاً شامل شبیه‌سازی و بهینه‌سازی است.▎2. بر اساس نوع داده:• تحلیل کیفی (Qualitative Analysis): بر روی داده‌های غیر عددی متمرکز است و به بررسی معانی، الگوها و تجربیات می‌پردازد. این نوع تحلیل معمولاً در تحقیقات اجتماعی و انسانی استفاده می‌شود.• تحلیل کمی (Quantitative Analysis): بر روی داده‌های عددی تمرکز دارد و به استفاده از آمار و مدل‌های ریاضی برای تحلیل داده‌ها می‌پردازد.▎3. بر اساس روش‌شناسی:• تحلیل همبستگی (Correlation Analysis): بررسی روابط بین دو یا چند متغیر.• تحلیل رگرسیون (Regression Analysis): مدل‌سازی روابط بین متغیر وابسته و یک یا چند متغیر مستقل.• تحلیل سری زمانی (Time Series Analysis): بررسی داده‌ها در طول زمان برای شناسایی الگوها و روندها.▎4. بر اساس حوزه کاربرد:• تحلیل مالی (Financial Analysis): بررسی وضعیت مالی شرکت‌ها و ارزیابی عملکرد اقتصادی.• تحلیل بازار (Market Analysis): بررسی شرایط بازار، رقبا و نیازهای مشتریان.• تحلیل داده‌های پزشکی (Medical Data Analysis): بررسی داده‌های مربوط به سلامت و درمان بیماران.</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Thu, 29 May 2025 18:54:41 +0330</pubDate>
            </item>
                    <item>
                <title>تحلیل تشخیصی در فرایند تحلیل یادگیری</title>
                <link>https://virgool.io/@m_54606208/%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5%DB%8C-%D8%AF%D8%B1-%D9%81%D8%B1%D8%A7%DB%8C%D9%86%D8%AF-%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-hyw3jfs44lne</link>
                <description>تحلیل تشخیصی در فرآیند تحلیل یادگیری به معنای شناسایی و ارزیابی نیازها، مشکلات و نقاط قوت یادگیرندگان است. این نوع تحلیل معمولاً در مراحل اولیه طراحی و برنامه‌ریزی یک دوره آموزشی یا برنامه یادگیری انجام می‌شود و به چندین مرحله تقسیم می‌شود:1. شناسایی اهداف یادگیری: در این مرحله، هدف‌های آموزشی مشخص می‌شود. این اهداف باید واضح و قابل اندازه‌گیری باشند.2. جمع‌آوری داده‌ها: برای انجام تحلیل تشخیصی، نیاز به جمع‌آوری اطلاعات از منابع مختلف وجود دارد. این اطلاعات می‌تواند شامل نظرسنجی‌ها، مصاحبه‌ها، آزمون‌ها و مشاهدات باشد.3. تحلیل داده‌ها: پس از جمع‌آوری داده‌ها، باید آن‌ها را تحلیل کرد تا نقاط قوت و ضعف یادگیرندگان شناسایی شود. این تحلیل می‌تواند شامل بررسی نتایج آزمون‌ها، ارزیابی عملکرد و تحلیل رفتار یادگیرندگان باشد.4. شناسایی نیازها: بر اساس تحلیل داده‌ها، نیازهای آموزشی و مشکلات موجود شناسایی می‌شود. این نیازها می‌توانند شامل کمبود دانش، مهارت یا انگیزه باشند.5. توسعه راهکارها: پس از شناسایی نیازها، باید راهکارهایی برای برطرف کردن آن‌ها توسعه داد. این راهکارها می‌توانند شامل طراحی دوره‌های آموزشی جدید، اصلاح محتوای موجود یا ارائه حمایت‌های اضافی به یادگیرندگان باشند.6. ارزیابی و بازخورد: در نهایت، پس از اجرای برنامه‌های آموزشی، باید نتایج آن‌ها ارزیابی شود تا مشخص شود آیا نیازهای شناسایی شده برطرف شده‌اند یا خیر. این مرحله شامل جمع‌آوری بازخورد از یادگیرندگان و ارزیابی مجدد عملکرد آن‌ها است.تحلیل تشخیصی به عنوان یک ابزار کلیدی در فرآیند یادگیری کمک می‌کند تا آموزش‌ها به طور مؤثرتر و هدفمندتر طراحی و اجرا شوند.</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Sun, 25 May 2025 13:43:22 +0330</pubDate>
            </item>
                    <item>
                <title>تکنیک ها و روش های تحلیل یادگیری</title>
                <link>https://virgool.io/@m_54606208/%D8%AA%DA%A9%D9%86%DB%8C%DA%A9-%D9%87%D8%A7-%D9%88-%D8%B1%D9%88%D8%B4-%D9%87%D8%A7%DB%8C-%D8%AA%D8%AD%D9%84%DB%8C%D9%84-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-gqnvytpnmlhw</link>
                <description>1. تحلیل داده‌های یادگیری: استفاده از داده‌های جمع‌آوری شده از فعالیت‌های یادگیری (مانند نمرات، بازخوردها و تعاملات) برای شناسایی نقاط قوت و ضعف یادگیرندگان.2. تحلیل محتوای آموزشی: بررسی مواد آموزشی و منابع درسی برای ارزیابی کیفیت و تناسب آن‌ها با نیازهای یادگیرندگان.3. نظرسنجی و پرسشنامه: استفاده از نظرسنجی‌ها برای جمع‌آوری نظرات و تجربیات یادگیرندگان درباره فرایند یادگیری و شناسایی مشکلات موجود.4. تحلیل کیفی: استفاده از روش‌های کیفی مانند مصاحبه، گروه‌های کانونی و مشاهدات مستقیم برای درک عمیق‌تر از تجارب یادگیری.5. مدل‌های یادگیری: به کارگیری مدل‌های مختلف یادگیری (مانند مدل بلوم، مدل کلاسی و غیره) برای تحلیل و ارزیابی فرایند یادگیری.6. تحلیل مقایسه‌ای: مقایسه نتایج یادگیری بین گروه‌های مختلف یا در شرایط مختلف برای شناسایی عوامل مؤثر بر یادگیری.7. فیدبک مستمر: ارائه بازخورد به یادگیرندگان در طول فرایند یادگیری برای کمک به بهبود عملکرد آن‌ها.8. استفاده از فناوری: بهره‌برداری از ابزارهای دیجیتال و نرم‌افزارهای آموزشی برای جمع‌آوری و تحلیل داده‌های یادگیری.9. تحلیل پیشرفت فردی: پیگیری پیشرفت هر یادگیرنده به صورت فردی و شناسایی نیازهای خاص آن‌ها.با استفاده از این تکنیک‌ها و روش‌ها، می‌توان به بهبود کیفیت آموزش و یادگیری کمک کرد و تجربه‌ای مؤثرتر برای یادگیرندگان فراهم ساخت.</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Sun, 18 May 2025 00:56:48 +0330</pubDate>
            </item>
                    <item>
                <title>انتقادات بر الگوی کرک پاتریک</title>
                <link>https://virgool.io/@m_54606208/%D8%A7%D9%86%D8%AA%D9%82%D8%A7%D8%AF%D8%A7%D8%AA-%D8%A8%D8%B1-%D8%A7%D9%84%DA%AF%D9%88%DB%8C-%DA%A9%D8%B1%DA%A9-%D9%BE%D8%A7%D8%AA%D8%B1%DB%8C%DA%A9-qxpndh7uneha</link>
                <description>انتقاداتی که بر الگوی (کرک پاتریک) وارد است:۱ . سادگی بیش از حد: عدم توجه به جوانب پیچیده و منعکس نکردن تاثیرات عمیق و بلندمدت۲ . عدم توجه به زمینه : تمرکز بر آموزش و عدم توجه به زمینه اجتماعی، فرهنگی و سازمانی۳ . تکیه بر داده های کمی : توجه به نمرات و آزمون و عدم توجه به تغییرات در نگرش یا رفتار۴ . پیچیدگی در ارزیابی رفتار و نتایج: دقت کافی را در زمینه ارزیابی ندارد۵ . توجه ناکافی به یادگیری مداوم : تنها به ارزیابی مقطعی توجه دارد۶ . عدم توجه به نیاز های یادگیرندگان: عدم تناسب برای همه گروه ها</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Sun, 18 May 2025 00:54:28 +0330</pubDate>
            </item>
                    <item>
                <title>تفاوت ارزیابی،ارزشیابی،سنجش</title>
                <link>https://virgool.io/@m_54606208/%D8%AA%D9%81%D8%A7%D9%88%D8%AA-%D8%A7%D8%B1%D8%B2%DB%8C%D8%A7%D8%A8%DB%8C%D8%A7%D8%B1%D8%B2%D8%B4%DB%8C%D8%A7%D8%A8%DB%8C%D8%B3%D9%86%D8%AC%D8%B4-t53rc4jt5sbg</link>
                <description>🔷️ارزیابی:ارزیابی به عنوان یک فرآیند سیستماتیک و منطقی، در تمام حوزه‌های زندگی از آموزش و پرورش تا مدیریت و صنعت نقش کلیدی ایفا می‌کند. این فرآیند به جمع‌آوری داده‌ها، تحلیل نتایج و تصمیم‌گیری بر مبنای اطلاعات دقیق می‌پردازد. با استفاده از ارزیابی، سازمان‌ها و افراد قادرند عملکرد خود را اندازه‌گیری کنند، نقاط قوت و ضعف را شناسایی کرده و در نهایت بهبود و توسعه را در پیش بگیرند. ارزیابی به یک ابزار قدرتمند تبدیل شده است که به ما کمک می‌کند تا به نحوی علمی و برنامه‌ریزی شده به چالش‌های موجود نگاه کنیم.🔷️ارزشیابی:ارزشیابی، فرایند قضاوت ارزشی در مورد ارزش فراورده و یا عملکرد دانش‌آموز است. برای مثال، ممکن است شما وضعیت نگارش دانش‌آموزان را فوق‌العاده خوب قضاوت و تعیین سطح کنید (بروکهارت و نیتکو، 2019). این ارزشیابی باعث می‌شود شما دانش‌آموزان را برای شرکت به یک رقابت ملی مقاله‌نویسی تشویق و هدایت کنید. برای انجام چنین ارزشیابی، شما باید اول توانایی نگارش او را بسنجید. ممکن است شما با مرور مجلات دانش‌آموزی، مقایسه نگارش او با سایر دانش‌آموزان و با دانستن استانداردهای کیفی نگارش و ... اطلاعاتی جمع‌آوری کنید. این سنجش‌ها اطلاعاتی به شما می‌دهد که ممکن است در قضاوت در مورد کیفیت و ارزش نگارش دانش‌آموزان از آن‌ها استفاده کنید. قضاوت شما در مورد اینکه نگارش او کیفیت بالایی دارد، شما را به تصمیم‌گیری در مورد اینکه او را برای ورود به رقابت‌هایی تشویق کنید، هدایت می‌کند. ارزشیابی‌ها اساس تصمیماتی هستند که به ما می‌گویند چه اقداماتی باید پیگیری شوند.🔷️سنجش:سنجش در اینجا یک اصطلاح گسترده برای توصیف فرایند جمع‌آوری، ترکیب و تفسیر اطلاعات، به‌‌منظور کمک به تصمیم‌گیری‌های کلاسی محسوب می‌شود (بروکهارت و نیتکو، 2019، آیراسیان و راسل،2011). برای مثال، وقتی ما از سنجش شایستگی یک دانش‌آموز سخن می‌گوییم، بدین معناست که در حال جمع‌آوری اطلاعاتی هستیم که در تصمیم‌گیری‌هایمان در مورد اینکه دانش‌آموز تا چه حد، نتایج قصدشده یادگیری را کسب کرده است، به ما کمک کند. تکنیک‌های سنجشی زیادی ممکن است برای گردآوری این اطلاعات مورد استفاده قرار بگیرند: مشاهدات رسمی و غیررسمی دانش‌آموزان، آزمون‌های مداد ـ کاغذی، تکالیف سنجش عملکرد، و سنجش به‌وسیله راهنماهای توصیف عملکرد (راهنمای نمره‌گذاری). برای مثال: تکالیف عملکردی در منزل، فعالیت خارج از کلاس، فعالیت‌های آزمایشگاهی، مقالات پژوهشی، پروژه‌ها، پرسش‌های شفاهی روزانه، تحلیل سوابق دانش‌آموزان.🟦 در نتیجه:سنجش به استفاده از ازمون یا اندازه گیری احتیاج نداردو همه تصمیمیات سنجش به قضاوت ارزشی دانش اموزان ختم‌نمی‌شوداما ارزشیابی نوعی قضاوت ارزشی است.</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Sun, 18 May 2025 00:52:42 +0330</pubDate>
            </item>
                    <item>
                <title>(VR) , (AR)</title>
                <link>https://virgool.io/@m_54606208/vr-ar-uam47erxyo6q</link>
                <description>تعریف (VR) و (AR) و کاربردهای آنهاARیا واقعیت افزوده، ترکیبی از دنیای دیجیتال و دنیای واقعی برای ایجاد یک محیط مصنوعی است که هدف آن، شبیه سازی دنیای واقعی در دنیای دیجیتال است.کاربرد آن در اپلیکیشنی است که می‌توان در آن محصول مورد نظر را از کاتالوگ انتخاب کرده و در قسمت مورد نظر خانه آن را مشاهده کرد؛ همچنین تماشای شخصیت ها به صورت سه بعدی، مسائل سیاسی و جنگی، راهنمایی سفر و ترجمه متون از دیگر کاربرد های آن است.VRیا واقعیت مجازی، یک شبیه سازی کامپیوتری است که تلاش می‌کند جهان یا واقعیت جایگزین برای انسان ایجاد کند و یک تجربه سه بعدی واقعی برای کاربران فراهم کند.نمونه هایی از کاربرد های آن:بازی و سرگرمیبهداشت و درمان(شبیه سازی جراحی، جراحی رباتیک)آموزش(شکوفا کردن استعداد و تخیل دانش آموزان)ارتش (کاهش تلفات نظامی)ورزش( انجام هر نوع ورزش دلخواه در خانه)</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Mon, 20 Jan 2025 15:05:01 +0330</pubDate>
            </item>
                    <item>
                <title>همش مصنوعی (AI)</title>
                <link>https://virgool.io/@m_54606208/%D9%87%D9%85%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-ai-p7b0iaueiqzw</link>
                <description>هوش مصنوعی(AI)هوش مصنوعی شاخه ای از علوم کامپیوتر است که تمرکز آن بر ایجاد سیستم های هوشمند می باشد و وظایف پیچیده ای را که معمولا نیازمند تحلیل و تصمیم گیری انسانی هستند می‌تواند انجام دهد.در واقع هدف هوش مصنوعی توسعه ماشین هایی است که بتوانند ۱-مشابه انسان فکر کنند ۲-یاد بگیرند و ۳-به طور مستقل عمل کنند.هوش مصنوعی ماشین هارا قادر می‌سازد که قابلیت های شناختی انسان را مدل سازی کرده یا حتی آنها را بهبود بخشند.مثالی از کاربرد هوش مصنوعی در حوزه آموزش:thinkster math (ریاضی متفکر)سیستم آنلاین آموزش ریاضی است که دوره های مختلف آموزش ریاضی را در سطوح مختلف و به صورت خصوصی ارائه می‌دهد. این ابزار با استفاده از ترکیبی از معلمان انسانی و هوش مصنوعی یک تجربه یادگیری شخصی سازی شده را فراهم می‌کند.هر دانش آموز یک برنامه یادگیری سفارشی متناسب با نیاز های خاص و سرعت یادگیری خود دریافت می‌کند و این برنامه از طریق یک ارزیابی اولیه که نقاط قوت و ضعف دانش آموز را شناسایی می‌کند، تنظیم می‌شود.هوش مصنوعی قابلیت داره خودش زبان انگلیسی را بخونه‌قابلیت آن بیشتر از حد نویسی و… استنوعی ai که در آموزش به دبیران کمک می کندشخصی سازی کف _ هر فردی متناسب با نیازهایش سوال حل می کند ‌امتیاز می گیردداشبورد یادگیرنده اطلاعاتی که از ما دارد یا خودمان داریم یا خودش از عملکرد داردتحلیل یادگیری: حالا چهره یادگیرندهdeep learningMachin learningاین ها در هوش مصنوعی استفاده می شود اما در علوم کامپیوتر کاربرد دارد</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Mon, 20 Jan 2025 15:02:03 +0330</pubDate>
            </item>
                    <item>
                <title>LXP , LMS</title>
                <link>https://virgool.io/@m_54606208/lxp-lms-njdsul5y6ilb</link>
                <description>درباره LXP و LMSLMS,یا همان سیستم مدیریت یادگیری،نرم افزاری مبتنی بر وب است که به کاربران این اجازه را می‌دهد دوره های آموزشی آنلاین خود را ارائه دهند.در LMS مدیریت محتوا بر عهده موسسان و مدیران مجموعه است و کاربران صرفا از آنها استفاده می‌کنند، یعنی مطالب از پیش تعیین شده و طراحی شده در آن تعریف می‌شوند و کاربران بدون هیچ دخالتی در آن می‌توانند از آنها بهره ببرند.LXP,یا همان پلتفرم تجربه یادگیری، یک سیستم ارائه آموزش در فضای ابری است که هدف آن، شخصی سازی تجربه یادگیری است؛ منظور از شخصی سازی، این است که فرد با توجه به نیاز و تقاضای خود به دنبال مطالب مورد نظر می‌گردد و اینگونه مسیر یادگیری را به صورت (خودآموز) طی می‌کند ، به عبارتی، LXP کاربران را قادر به کشف محتوا می‌کند.از سوی دیگر، فراوانی منابع در آن دیده می‌شود و همچنین عموم مردم صرف نظر از شغل و ... در مدیریت محتوا سهیم هستند.به طور کلی LXP ، به نوعی بر پایه هوش مصنوعی فعالیت می‌کند بنابراین تجربه بسیار فراتری از LMS برای مخاطبان به ارمغان می آورد.</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Mon, 20 Jan 2025 15:00:28 +0330</pubDate>
            </item>
                    <item>
                <title>تفاوت یادگیری آنلاین و الکترونیک</title>
                <link>https://virgool.io/@m_54606208/%D8%AA%D9%81%D8%A7%D9%88%D8%AA-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%A2%D9%86%D9%84%D8%A7%DB%8C%D9%86-%D9%88-%D8%A7%D9%84%DA%A9%D8%AA%D8%B1%D9%88%D9%86%DB%8C%DA%A9-yfghtwsfdqdd</link>
                <description>تفاوت یادگیری آنلاین و یادگیری الکترونیک در چیست؟آموزش آنلاین: همیشه شامل یک اتصال به اینترنت است و می‌تواند شامل تعاملات رو در رو مجازی (وبینار،سخنرانی آنلاین و جلسات مجازی) باشد. از ابزار های آنلاین آموزشی مانند برنامه درسی آنلاین یا فضای مجازی یا نرم افزار کنفرانس استفاده می‌کند.آموزش الکترونیکی: از ابزار های دیجیتال برای آموزش و یادگیری استفاده می‌کند و این فناوری، فرآیند یادگیری را آسان می‌کند. می‌تواند به صورت آموزش آنلاین یا در محیط کلاس استفاده شود. دانش آموزان یک دوره را با یک معلم می‌گذرانند اما تنها به صورت آنلاین با معلم تعامل دارند، به محتوا دسترسی نامحدود دارند و تکمیل دوره،برنامه یا مدرک به صورت آنلاین ارائه می‌شود.</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Mon, 20 Jan 2025 14:58:25 +0330</pubDate>
            </item>
                    <item>
                <title>کلان تئوری های یادگیری</title>
                <link>https://virgool.io/@m_54606208/%DA%A9%D9%84%D8%A7%D9%86-%D8%AA%D8%A6%D9%88%D8%B1%DB%8C-%D9%87%D8%A7%DB%8C-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-wucptrnhvuov</link>
                <description>کلان تئوری های یادگیریتئوری های یادگیری به چهار دسته:رفتار گراییشناخت گراییسازنده گراییو ارتباط گرایی تقسیم می‌شوند.۱. رفتار گرایی: فرآیند های ذهنی نادیده گرفته می‌شوند و رفتار است که اهمیت دارد.چهار مکانیزم دارد که عبارتند از:•تقویت مثبت•تقویت منفی•خاموشی•تنبیه۲. شناخت گرایی: فرآیند های ذهنی اهمیت دارند و با بررسی رفتار های یک فرد به ذهنیت او پی برده می‌شود‌.۳. سازنده گرایی: افراد بر اساس تجارب شخصی خود، دانش را می‌سازند. در اینجا ذهن اهمیت خاصی دارد چون فرد اطلاعات را به ذهن برده و با توجه به نیاز ها، نگرش ها، احساسات و باور های خود آنها را پردازش می‌کند.۴. ارتباط گرایی: تأثیر فناوری در مورد برقراری ارتباط افراد، چگونگی ارتباط افراد و ایجاد دانش را توضیح میدهد.</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Mon, 20 Jan 2025 14:56:21 +0330</pubDate>
            </item>
                    <item>
                <title>تفاوت (تقویت و پاداش ) در نظریه رفتارگرایی</title>
                <link>https://virgool.io/@m_54606208/%D8%AA%D9%81%D8%A7%D9%88%D8%AA-%D8%AA%D9%82%D9%88%DB%8C%D8%AA-%D9%88-%D9%BE%D8%A7%D8%AF%D8%A7%D8%B4-%D8%AF%D8%B1-%D9%86%D8%B8%D8%B1%DB%8C%D9%87-%D8%B1%D9%81%D8%AA%D8%A7%D8%B1%DA%AF%D8%B1%D8%A7%DB%8C%DB%8C-eaomqhxxcgg2</link>
                <description>تفاوت (تقویت و پاداش) در نظریه رفتارگراییپاداش: هدف به طور عمده قدردانی و تشکر است، معمولا به تکرار رفتار فرد می انجامد اما لزوما هدف ما از دادن پاداش به رفتار، تکرار آن در آینده نیست.تقویت : باعث افزایش رفتار مطلوب و تکرار آن می‌شود.تفاوت پاداش و تقویت: تقویت به رفتار ارگانیسم وابسته است و حتما باید فعالیت صورت بگیرد تا به آن (تقویت) تعلق گیرد ولی در پاداش، انجام فعالیت صرفا برای دریافت پاداش انجام نمی‌شود؛یعنی اگر پاداش دریافت نشد به عامل ضرری نمی‌رسد و ممکن است تکرار شود یا تکرار نشود. همچنین پاداش ممکن است با فاصله زمانی زیادی باشد در صورتی که تقویت بلافاصله صورت می‌گیرد و پاداش با هدف تکرار فعالیت داده نمی‌شود در حالی که این در تقویت ، برعکس است و هدف تکرار فعالیت است.</description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Mon, 20 Jan 2025 14:53:34 +0330</pubDate>
            </item>
                    <item>
                <title>AI</title>
                <link>https://virgool.io/@m_54606208/ai-zaotdfbigsw7</link>
                <description>هوش مصنوعی قابلیت داره خودش زبان انگلیسی را بخونه ‌قابلیت آن بیشتر از حد نویسی و… است نوعی ai که در آموزش به دبیران کمک می کند شخصی سازی کف _ هر فردی متناسب با نیازهایش سوال حل می کند ‌امتیاز می گیرد داشبورد یادگیرنده اطلاعاتی که از ما دارد یا خودمان داریم یا خودش از عملکرد داردتحلیل یادگیری: حالا چهره یادگیرنده deep learningMachin learning این ها در هوش مصنوعی استفاده می شود اما در علوم کامپیوتر کاربرد دارد </description>
                <category>Elena.Hatami</category>
                <author>Elena.Hatami</author>
                <pubDate>Sat, 07 Dec 2024 19:40:49 +0330</pubDate>
            </item>
            </channel>
</rss>