تشخیص اختلال نقص توجه/ بیش فعالی با ابزار وکسلر چهارم و نسخه تکمیلی: رتبه بندی خرده مقیاس های موثر با تحلیل شبکه عصبی مصنوعی

اختلال نقص توجه /بیش فعالی اختلالی است با نقص در کارکردهای شناختی که آزمون هایی نظیر وکسلر در تشخیص این نواقص کاربرد دارد. اخیرا داده کاوی بر اساس شبکه عصبی در تحقیقات روان شناختی مورد توجه قرار گرفته است. هدف این پژوهش رتبه بندی خرده مقیاس های موثر وکسلر در پیش بینی اختلال نارسایی توجه/بیش فعالی با تحلیل شبکه عصبی بود.

نمونه پژوهش دانش آموزان مراجعه کننده به مراکز مشاوره شهریار بوده و به روش نمونه گیری در دسترس و با مصاحبه بالینی بر اساس معیارهای DSM-5 به تعداد 162 نفر در سال تحصیلی 97-96 انتخاب شدند. نمرات نارسایی توجه، بیش فعالی و نوع ترکیب با تکمیل پرسشنامه سوانسون و نوپلهام توسط معلمان تعیین شده و در نهایت آزمون هوشی وکسلر نسخه چهارم انجام شد. داده ها با روش شبکه عصبی و نرم افزار متلب مورد تحلیل قرار گرفتند. 40 خرده مقیاس به عنوان ورودی شبکه با 40، یک لایه میانی با 42 نورون و یک لایه خروجی به عنوان بهترین الگوی شبکه مشخص شد.

در نوع ترکیبی خرده مقیاس های 1- رمزگذاری، 2- ظرفیت حرف با آهنگ، 3- شباهت ها، 4- گزینه ای واژگان تصویری، 5- حذف تصادفی، در بیش فعالی 1- رمزگذاری، 2- حذف تصادفی، 3- ظرفیت فضایی مستقیم،4- فرایند طراحی با مکعب و 5- شباهت ها و در نارسایی توجه1- مفاهیم تصویر 2- شباهت ها 3- نمادیابی، 4- توالی عدد- حرف و 5- محاسبات به عنوان موثرترین خرده مقیاس ها مشخص شدند(05/0<P).

نتایج نشان داد شبکه عصبی روش توانمندی در پیش بینی اختلال نارسایی توجه/ بیش فعالی است و برخی خرده مقیاس های وکسلر در شناسایی نواقص شناختی این افراد از بقیه برتر بوده است.