مطالب مرتبط با کلیدواژه

Fall


۱.

رنج قدسی و رهایی در الهیات متأخر مسیحیت(مقاله علمی وزارت علوم)

نویسنده:

کلیدواژه‌ها: رنج قدسی مسیحیت هبوط Fall کنوسیس تجسم Incarnation تثلیث Trinity

حوزه‌های تخصصی:
تعداد بازدید : ۱۱۴۶ تعداد دانلود : ۶۶۰
این مقال درصدد است، علاوه بر واکاوی مفهوم رنج، به رابطه بین رنج و رهایی (رستگاری) در الهیات مسیحی بپردازد. تمرکز نویسنده بر سه طیف از رنج است که نه تنها از هم گسسته و غیرمرتبط نیستند، بلکه در ارتباطی تنگاتنگ با یکدیگر نیز به سر می برند: رنج مسیح به عنوان انسانی برگزیده و حتی خارق العاده؛ رنج انسان (معمولی) و رنج خدا. سئوال درباره چرایی و چگونگی تحقق رنج است و توجه به یک رویکرد تئولوژیک در الهیات مسیحیت؛ خدایی که رنج می کشد. پاسخ الهیات مدرن مسیحی به این سئوال که آیا خداوند (با همه قدرت و قهاریتش) می تواند دچار رنج شود، مثبت است و البته می کوشد به پارادوکس قادر و مطلق بودن خدای یگانه (که در عین حال پدر است) و رنج کشیدنش، با طرح مفاهیمی چون تجسم، کنوسیس (Kenosis) خدای عشق و رهایی، پاسخ دهد. البته این پاسخ، شرحی توأمان است بر چرایی رنج مسیح، و البته وجه کنوتیکی و غیرفیزیکی رنج او. از این رو وجه کنوتیکی رنج پدر و پسر، نشان از عمق رنجی داوطلبانه، آگاهانه و عامدانه، برای رستگاری بشر دارد؛ هرچند پدر این رنج را از همان ابتدای خلقت و با حلول روح خود در بنی آدم به جان خریده است. روایت چرایی و چگونگی وقوع این رنج که در الهیات مسیحی، رنج قدسی و الهی (sacred and divine suffering) نام گرفته با بهره گیری از رویکردهای متألهان متأخر مسیحیت (کاتولیک) انجام شده است که برخی از آنها مانند یورگن مولتمان، مفهوم رنج قدسی را تا بعد پراکتیکال الهیات امید و رهایی بخش (liberation theology) تداوم داده اند.
۲.

Efficacy of AI-Based Pilates on Motor Performance and Fear of Falling in Older Adults

کلیدواژه‌ها: Artificial Intelligence Elderly Performance Fall

حوزه‌های تخصصی:
تعداد بازدید : ۷ تعداد دانلود : ۷
Over the past decade, research on artificial intelligence (AI) has expanded significantly, exploring its potential to enhance the quality of life for older adults. Therefore, the study aims to investigate the effect of a 4-week AI-generated Pilates training program on motor performance and fear of falling in older adults. This quasi-experimental study selected 30 female older adults aged 65 years and older, dividing them into two groups: one for experimental (N = 15) and another for control (N = 15).  The experimental groups had four weeks of AI-based intervention with three sessions per week. During this period, the control group engaged in the routine activities. The Timed Up and Go and the Falls Efficacy Scale-International (FES-I) questionnaire were done as pre-posttest, respectively. The independent t-test was used for inferential statistics. Data analysis was conducted at a significance level of 95% with an alpha level less than or equal to 0.05. The findings showed that there was a significant difference between the two groups in the scores of the TUG test (p<0.03) and the FES-I questionnaire (p<0.001). By utilizing AI to develop personalized exercise programs, healthcare practitioners can improve motor performance and reduce the fear of falling in older adults. These findings highlight the potential of AI-driven rehabilitation strategies in geriatric care, emphasizing the need for further research to refine program parameters and extend their benefits to a broader aging population.