حسین پور شهریار - روانشناس
کاظم طباطبایی - استادیار دانشگاه تربیت مدرس
محمدکریم خداپناهی - استاد دانشگاه شهید بهشتی
انوشیروان کاظم نژاد - استاد دانشگاه تربیت مدرس
ثریا خفری - استادیار دانشگاه بابل

با توجه به محدودیتها و ابهامهای موجود در مدلهای متداول آماری مانند از دست دادن داده‎های مربوط به تعاملهای پیچیده و غیرخطی بین سازه‎های روان‎شناختی و برخی مفروضه‎ها مانند همگونی واریانسها و توزیع نرمال، پژوهش حاضر توانایی مدلهای شبکه‎های عصبی مصنوعی را برای مطالعات پیش‎بینی بررسی کرد. گروه‎ نمونه‎ای شامل ۴۵۶ دانش‎ آموز پسر سال سوم دبیرستان پرسشنامه شخصیتی کالیفرنیا (CPI؛ گاف، ۱۹۷۵) و پرسشنامه همسازی دانش‎آموزان مدرسه (AISS، سینها و سینگ، ۱۹۹۳) را تکمیل و در پنج سطح همسازی (از ناسازگار تا کاملا سازگار) طبقه‎بندی شدند. تحلیل عاملی ترکیبهای مختلف رگه‎های شخصیتی نشان داد که برخی از شبکه‎ها به دلیل ناهمخوانی بین تعداد متغیرها و معماریهای شبکه، نمی‎توانند همسازی را پیش‎بینی کنند. اما بازنگری معماری‎ها و تکرار شبکه‎های جدید نسبت پیش‎بینی درست (نسبت طبقه‎بندی شرکت‎کنندگان در سطوح همسازی مبتنی بر AISS) را به گونه ای معنادار افزایش داد. مناسب‎ترین شبکه برای پیش‎بینی همسازی شامل ترکیبی از متغیرهای شناختی انعطاف‎پذیری، زنانگی، اشتراک و تحمل بود.

شبکه های عصبی مصنوعی, رگه های شخصیتی, پیش بینی همسازی