عنوان پایان‌نامه
تهیه و اعتبار سنجی سیستم خبره برای تشخسص کودکان در خود مانده ۲ تا ۶ سال
- رشته تحصیلی
- روانشناسی و آموزش کودکان استثنایی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58957
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۱
- دانشجو
- مریم محمودی
- استاد راهنما
- باقر غباری بناب
- چکیده
- چکیده هدف: هدف از پژوهش حاضر، تهیه برنامه نرم افزاری سامانه خبره برای کمک به تشخیص کودکان با اختلال درخودماندگی است. این برنامه با فراهم آوردن اطلاعات جامع در ارتباط با اختلال درخودماندگی به تشخیص کمک می-کند. روش: طراحی سامانه خبره مستلزم یک پایگاه دانش و ماشین استنتاج است. برای تهیه پایگاه دانش سامانه خبره، گویه¬های مرتبط با تشخیص درخودماندگی از پیشینه جمع آوری شدند و سپس از سوی متخصصان روانشناسی و آموزش ویژه مورد بررسی قرار گرفته و گویه های مهمتر بر مبنای اصول روانسنجی انتخاب شدند. سپس پرسشنامه نهایی توسط والدین 85 والد کودک درخودمانده در مرکز ساماندهی درمان و توانبخشی اختلالات اتیستیک، 65 والد کودک عادی و 20 والد کودک نشانگان داون تکمیل شدند. در ادامه، گویه ها با استفاده از آلفای کرونباخ و مجذور خی و خرده مقیاس ها نیز از طریق تحلیل تمییز و تحلیل واریانس چندمتغیری مورد تجزیه و تحلیل قرار گرفتند. به این ترتیب گویه های مهم¬تر که توان بالاتری را در افتراق کودکان گروه درخودمانده از دو گروه دیگر داشتند، انتخاب شدند. بعد از تهیه این فرم بلند، گویه¬های مهمتر برای فرم کوتاه سامانه خبره از طریق روش های یادگیری ماشین (شبکه عصبی، ماشین بردار پشتیبان و جنگل تصادفی) انتخاب شدند و بالاخره، برای روایی یابی سامانه، سه روش یادگیری ماشین، ضریب توافق کاپا (توافق بین سامانه و گارس) برای اندازه گیری روایی ملاکی همزمان به همراه ضریب توافق کاپا (توافق بین متخصص و سامانه)، و ضریب همسانی درونی آلفای کرونباخ برای اندازه گیری ضریب اعتبار مورد استفاده قرار گرفتند. یافته ها: یافته ها نشان دادند که سامانه خبره از میزان اعتبار بالا و روایی ملاکی مناسبی برخوردار است. به طوری که سامانه مذکور، توافق خوبی را گارس و نظر متخصص (86 درصد) نشان داد و براساس روش های یادگیری ماشین نیز دقت سامانه در دامنه 92 الی 98 درصد قرار داشت. بحث و نتیجه گیری: با توجه به اینکه سامانه خبره ضریب اعتبار و روایی مناسبی را نشان داد، می تواند برای غربال اختلال درخودماندگی در سنین 2 تا 6 سال یا کمک به متخصصان در تشخیص این اختلال استفاده شود. کلید واژه: درخودماندگی، سامانه خبره، تشخیص
- Abstract
- Purpose: The aim of the present study is to provide an expert system software program to help children diagnosed with autistic disorder. It provides comprehensive information to help on the diagnosis of autistic disorder. Methods: Designing an expert system requires a knowledge base and inference machine. To provide the knowledge base for an expert system, items associated with the diagnosis of autism were collected from the literature and then a team of psychologists and special education experts reviewed and selected the items based on psychometric principles. The final questionnaire were completed by parents of autistic children, 85 parents in the Center for the Treatment of Autistic Disorders, 65 parents of normal children and 20 parents of children with Down syndrome. Next, a number of procedures were used to analyze the data including Cronbach's alpha, Chi-square, Discriminant Analysis and Multivariate Analysis of Variance. The more important items were selected which had more power to differentiate autistic children from the two other groups. After the completion of the long form, short form with more important items were also prepared through machine learning techniques Neural Network, Support Vector Machine and Random Forest. Finally, to study the validity of the expert system, machine learning methods, Kappa agreement (the agreement between the system and GARS)were used to measure the criterion validity with the kappa coefficient of agreement (agreement among professionals and the system), and Cronbach's alpha coefficient of internal consistency for the measure of reliability coefficient. Results: findings indicate that the expert system has satisfactory levels of reliability and criterion validity. in addition, the system showed good agreement with GARS and the experts (86%), and based on machine learning systems, accuracy was in the range of 92 to 98 percent, respectively. Conclusion: since the expert system showed good reliability and validity coefficients, it can be used for screening children with autism at the ages of 2 to 6 years old.
