fa مدل‌سازی ریاضیاتی‌محاسباتی تصمیم‌گیری با استفاده از آزمون ایوا بر اساس ورودی‌های شناختی تخصصي Special پژوهشي اصیل Research <div style="border:none;border-bottom:solid #A2A9B1 1.0pt;padding:0cm 0cm 0cm 0cm;"><span style="font-size:14px;"><strong><span style="font-family:b titr;">مقدمه</span></strong><span style="font-family:b titr;">:</span><span style="font-family:b nazanin;"> بررسی چگونگی تاثیر‌پذیری تصمیم‌گیری</span> <span style="font-family:b nazanin;">افراد از سایر</span> <span style="font-family:b nazanin;">کارکردهای شناختی و استفاده از مدل&shy;سازی ریاضی به‌‌ درک بهتر این کارکرد شناختی و کیفیت بهتر تصمیم‌گیری‌ها کمک خواهد کرد. هدف این مطالعه معرفی یک مدل شناختی محاسباتی در حوزه تصمیم&shy;‌گیری و بررسی قدرت آن در پیش&shy;‌بینی تصمیمات افراد شرکت&shy;‌کننده در آزمون تصمیم‌گیری آیوا در قیاس با دیگر مدل&shy;‌های کلاسیک تصمیم&shy;‌گیری بود. </span><br> <strong><span style="font-family:b titr;">روش کار:</span></strong><span style="font-family:b nazanin;"> در این مطالعه از 56 نفر داوطلب با میانگین سنی 52/43 متشکل از 20 مرد و 36 زن خواسته شد تا در آزمون برد و باخت آیوا شرکت نمایند. سپس نتایج حاصل از مدل با نتایج مهمترین مدل‌های حوزه تصمیم‌&shy;گیری از جمله مطلوبیت مورد انتظار، تسهیلات مورد انتظار و مدل چشم&shy;‌انداز مقایسه شد. در معماری این مدل شبیه&shy;‌سازی ساده&shy;‌ای از مسیرهای تصمیم&shy;‌گیری در مغز صورت گرفت. معماری انعطاف&shy;‌پذیر این مدل با استفاده از محاسبه فاکتور تاثیر هر مفهوم برای هر فرد، ما را قادر ساخت تا به مدل&shy;سازی تصمیم&shy;‌گیری هر شخص به صورت منحصر به فرد بپردازیم و مفاهیمی را که در تصمیم&shy;‌گیری هر فرد موثرتر است شناسایی کنیم. </span><br> <strong><span style="font-family:b titr;">یافته‌&shy;ها:</span></strong><span style="font-family:b nazanin;"> یافته‌های حاصل از این تحقیق نشان داد که مدل ارزش انتظاری 04/36 درصد، مدل تسهیلات انتظاری با 46/42 درصد، نظریه چشم&shy;انداز 18/49 درصد و مدل پیشنهادی پیوندگرای شناختی با 02/73 درصد تصمیمات آزمون&shy;‌دهندگان را پیش&shy;‌بینی کردند.</span><br> <strong><span style="font-family:b titr;">نتیجه&shy;‌گیری:</span></strong><span style="font-family:b nazanin;"> در نتیجه می&shy;توان گفت مدل پیوندگرای شناختی در مقایسه با سایر مدل&shy;های کلاسیک تصمیم&shy;‌گیری موفقیت بیشتری در پیش&shy;‌بینی عملکرد شرکت&shy;‌کنندگان داشته است. ضمنا با استفاده از مفهوم فاکتور تاثیر امکان تحلیل ورودی&shy;‌های موثر بر تصمیم&shy;‌گیری هر فرد در این آزمون را میسر می&shy;سازد.</span></span><br> &nbsp;</div> <div style="text-align: justify;"> <div><strong>Introduction</strong>: Investigating how individuals&#39; decision-making is influenced by other cognitive elements and using computational modeling of decision can help us to better appreciate this cognitive function, as well as better decision-making quality.&nbsp; Thepresent study aimed to present a new cognitive model in the field of decision-making and to examine the model&rsquo;s efficacy in predicting the decisions of those participating in the Iowa decision test compared to other classical decision- making models.<br> <strong>Methods</strong>: In this study, 56 subjects, including 20 men and 36 womenwith an average age of 43.52, were asked to participate in the Iowa gambling task. The results of the model used were then compared with the results of the three well-known decision- making models, including expected value, expected utility, and prospect model.. The flexibility of this model by calculating the impact factor of each concept for each individual, allows us to model each person&#39;s decision-making individually and identify the concepts, which are most effective in each individual&#39;s decision-making.<br> <strong>Results</strong>: The obtained results revealed that the expected value, expected utility, prospect, and the proposed cognitive connectionist models predicted 36.04%, 42.46%, 49.18%, and 73.02% of subjects&rsquo; decisions, respectively.<br> <strong>Conclusion</strong>: As a result, it can be argued that the proposed cognitive connectionist model has more potential for modeling examinee&rsquo;s behavior in the Iowa test. It also provided a reasonable way to study the essential cognitive elements that can affect the participant&rsquo;s decisions.<br> &nbsp;</div> </div> مدل­سازی محاسباتی, تصمیم‌گیری پویا, شبکه‌های پیوندگرا, آزمون آیوا Computational modeling, Dynamic decision-making, Connectionist networks, Iowa Gambling Task 84 93 http://icssjournal.ir/browse.php?a_code=A-10-1-36&slc_lang=fa&sid=1 Azadeh Nesari آزاده نثاری 10031947532846008055 10031947532846008055 Yes PhD Student of Cognitive Modeling, Institute for Cognitive Science Studies (ICSS), Tehran, Iran دانشجوی دکترای مدل‌سازی شناختی، پژوهشکده علوم شناختی، تهران، ایران Hoda Mansourian هدی منصوریان 10031947532846008056 10031947532846008056 No PhD Student of Cognitive Modeling, Institute for Cognitive Science Studies (ICSS), Tehran, Iran دانشجوی دکترای مدل‌سازی شناختی، پژوهشکده علوم شناختی، تهران، ایران Alireza Moradi علیرضا مرادی Moradi@iricss.org 10031947532846008057 10031947532846008057 No Professor of Clinical Psycology, Kharazmi University & Head of Institute for Cognitive Science Studies, Tehran, Iran استاد روان‌شناسی بالینی، دانشگاه خوارزمی، ریاست پژوهشکده علوم شناختی، تهران، ایران Babak Mohamadi بابک محمدی 10031947532846008058 10031947532846008058 No Faculty Member of Aja University, Head of Aja University of Medical Sciences, Tehran, Iran عضو هیات علمی دانشگاه ارتش، ریاست پژوهشکده طب نظامی دانشگاه ارتش، تهران، ایران Mir Mohsen Pedram میرمحسن پدرام 10031947532846008059 10031947532846008059 No Faculty Member of Kharazmi University, Department of Cognitive Modeling of Institute for Cognitive Science Studies, Tehran, Iran عضو هیات علمی دانشگاه خوارزمی، مدیر گروه مدل‌سازی شناختی پژوهشکده علوم شناختی، تهران، ایران