زهرا شیرمحمدی

تبخیر تعرق گیاه مرجع متغیری است که مهم ترین جزء چرخه هیدرولوژی محسوب می شود. با توجه به ارتباط مستقیم تبخیر تعرق مرجع با متغیرهای اقلیمی، انتظار می رود افزایش دمای هوا و تغییرات فراسنج های مرتبط با دما در روند و مقدار ETo تأثیر بگذارد. در این مطالعه، ضمن بررسی مهارت داده های شبکه ای CRU در برآورد میانگین سالیانه سه متغیر دمای کمینه، بیشینه و تبخیر تعرق در استان خراسان رضوی، پیش نگری تغییر در مقدار، نوسانات مکانی و روند زمانی این سه متغیر، با استفاده از برون داد چهار مدل سری CMIP5، تحت دو سناریوی واداشت تابشی (4.5 و 8.5) طی دو دوره آینده نزدیک (2050-2021) و آینده میانی (2080-2051) بررسی شد. نتایج نشان داد داده های CRU دارای مهارت مناسبی در شبیه سازی دما در منطقه اند. میانگین سالیانه دمای کمینه، در دوره 2050-2021، تحت هر دو سناریو، بیش از C ᵒ6/1 افزایش خواهد یافت که تحت RCP8.5، مساحت بیشتری از استان دچار این افزایش خواهد شد. این منطقه، طی دوره 2080-2021، با افزایش بیش از Cᵒ3 در میانگین سالیانه دمای کمینه مواجه خواهد شد. افزایش دمای بیشینه در سناریوی RCP8.5 طی دوره میانی، در تمامی استان، حدود Cᵒ4 برآورد شد. مقایسه مقادیر ETo مشاهداتی با برون داد چهار مدل اقلیمی در تمامی نقاط شبکه برای دوره پایه نشان داد، به رغم تفاوت در مقدار، نحوه پراکنش مکانی مقادیر ETo مدل با توزیع مکانی مقادیر مشاهداتی هم خوانی مناسبی دارد. براساس نتایج به دست آمده، طی دو دوره مورد بررسی، این متغیر افزایش خواهد یافت و همان طور که انتظار می رود، تحت سناریوی RCP8.5، درصد افزایش بیش از سناریوی مقابل است. [1] Reference Evapotranspiration (ETo)

هدف: آسیب های عضلانی یکی از شایع ترین دلایل غیبت بازیکنان است و عضله ی همسترینگ در این میان یکی از پرخطرترین عضلات به حساب می آید. نقش این عضله در حمایت از لیگامنت ها نیز پراهمیت است. علی رغم ویژگی های متفاوت ساختاری و کینماتیکی همسترینگ در مردان وزنان مطالعات اندکی به بررسی این اختلافات پرداخته اند؛ لذا این تحقیق قصد دارد به تعیین اثر شش هفته اجرای تمرینات همسترینگ نوردیک بر قدرت ایزوکنتیک عضله همسترینگ بازیکنان نخبه زن و مرد فوتبال بپردازد.روش شناسی پژوهش: جامعه آماری تحقیق حاضر، بازیکنان فوتبال لیگ دسته یک امید استان تهران بودند. 24 نفر بازیکن فوتبال (12 نفر دختر و 12 نفر پسر) در رده سنی 16 تا 20 سال در این مطالعه شرکت کردند. قدرت آیزوکنتیک عضلات همسترینگ و چهار سر در سرعت های زاویه ای گوناگون به صورت درون گرا و برونگرا در پیش و پس آزمون اندازه گیری شد. آزمودنی ها پس از پیش آزمون، شش هفته تمرین نوردیک را به عنوان بخشی از گرم کردن خود انجام دادند و مجدداً جهت بررسی تغییرات در پس آزمون شرکت کردند. یافته ها: انجام تمرینات همسترینگ نوردیک سبب ایجاد تفاوت معنی دار در قدرت ایزوکینتیک عضله همسترینگ در پس آزمون و در سرعت های زاویه ای 60، 180 و 300 درجه بر ثانیه و همچنین تفاوت معنی دار در نسبت قدرت ایزوکینتیک همسترینگ به چهار سر در سرعت 60 درجه بر ثانیه بین دختران و پسران شده است (001/0=P). نتیجه گیری: اجرای شش هفته تمرینات همسترینگ نوردیک نیز به عنوان یک تمرین اکسنتریک، می تواند گزینه ی مناسبی جهت بهبود قدرت عضلات همسترینگ و به دنبال آن کاهش خطر بروز آسیب در مفصل زانو باشد.

پیشینه و هدف: فناوری هوش مصنوعی ظرفیت هایی جدیدی برای ارتقای کیفیت یاددهی-یادگیری، ارزیابی های متناسب، بازطراحی تجربه های آموزشی و توانمندسازی معلمان آینده فراهم کرده است؛ با این حال، پیامدهای اخلاقی، سازمانی و آموزشی آن همچنان محل بحث و چالش است. بر همین اساس، هدف پژوهش حاضر سنتز نظام مند مطالعات موجود در بازه زمانی ۲۰۲۰ تا ۲۰۲۵ به منظور شناسایی فرصت ها و چالش های ادغام هوش مصنوعی در برنامه درسی تربیت معلم بود. روش: این پژوهش به روش سنتزپژوهی و بر اساس دستورالعمل PRISMA انجام شد. بدین منظور، از میان مطالعات منتشرشده در بازه زمانی ۲۰۲۰ تا ۲۰۲۵، تعداد 30 مطالعه واجد شرایط انتخاب گردید و داده ها طی فرایند کدگذاری باز، محوری و انتخابی تحلیل شدند. یافته ها نشان دادند که هوش مصنوعی در تربیت معلم فرصت هایی همچون شخصی سازی یادگیری، بازخورد تکوینی فوری، تصمیم گیری داده بنیاد، نوآوری در طراحی درس و شبیه سازی آموزشی، کاهش بار اداری و توسعه شایستگی های فناورانه و حرفه ای فراهم می کند. در مقابل، چالش هایی نظیر ملاحظات اخلاقی و حقوقی، خطر سوگیری الگوریتمی و تهدید عدالت آموزشی، شکاف زیرساختی و نابرابری دسترسی، کمبود سواد هوش مصنوعی، مقاومت فرهنگی و تهدید اصالت ارزشیابی شناسایی شد. نتیجه گیری پژوهش بیانگر آن است که مقوله مرکزی «ظرفیت سازی نظام مند برای ادغام مسئولانه هوش مصنوعی در تربیت معلم» می باشد. تحقق این ظرفیت مستلزم سیاست گذاری شفاف، تقویت زیرساخت های فناورانه، توسعه حرفه ای مستمر معلمان و مدیریت تغییر فرهنگی است. بر این اساس، ادغام هوش مصنوعی در تربیت معلم تنها یک نوآوری فناورانه نیست، بلکه تغییری سیستمی و فرهنگی به شمار می آید که توجه هم زمان به ابعاد سیاستی، سازمانی و فردی را ضروری می سازد.