برنامه درسی

کارشناسی ارشد  علوم شناختی - گرایش روان شناسی شناختی

دروس پیشنیاز: مبانی علوم اعصاب شناختی،ارزیابی عصب-روانشناختی،

دروس هم نیاز: توانبخشی1، توانبخشی2

✅ فعالیت‌های کلاسی و پروژه‌های گروهی:    12 نمره
✅ آزمون پایان نیمسال:                             8نمره

راهبردهای تدریس و یادگیری متناسب با محتوا وهدف:
ترکیبی شامل سخنرانی، پروژههای گروهی و ..

• Cole, E. (2013). Patient-centered design of cognitive assistive technology for traumatic brain injury telerehabilitation (Synthesis lectures on assistive, rehabilitative, and health-), Morgan & Claypool Publishers
• Costin H, Schuller B, Florea A M (Editors) (2020). Recent Advances in Intelligent Assistive Technologies: Paradigms and Applications, Springer.
• Farina,D.,Jensen, W., & Akay, M. (2013). Introduction to neural engineering for motor
• rehabilitation. Wiley-IEEE Press.
• (2018) 18:213 Gregor, G. & Newell, A. (2004). Technology in cognitive rehabilitation. Psychology Press.
• Huber, J., et al (2017). Assistive augmentation (Cognitive science and technology), Springer.
• Kane, R. L. & Parsons, T. D. (Eds.). (2019). The role of technology in clinical neuropsychology.
• Oxford University Press. O'Neill, B., and Gillespie , A. (2015). Assistive technology for Cognition: A handbook for clinicians and developers, Routledge.
• Rizzo, A. S. and Shilling, R. (2017). Clinical virtual reality tools to advance the prevention, assessment, and treatment of PTSD, Eur J Psychotraumatol. 8(sup5): 1414560
• Sweeton, J. (2019). Trauma treatment toolbox: 165 Brain-changing tips, tools & handouts to move therapy forward (1st Ed.), PESI Publishing

 سرفصلها:
-ارتز و پروتزهای هوشمند در نقایص حرکتی
-استفاده از تعامل مغز ماشین برای توانبخشی شناختی-حرکتی
-استفاده از نرمافزارها و بازیهای توانبخشی شناختی

-وسایل کمکی در ترمیم نقایص شناختی بیماران
-استفاده از رباتها در توانبخشی
-ابزارها و فناوریهای ارتباطی با افراد دارای نقائص شناختی

الف)هدف کلی:
-آشنایی بافناوریهای نوین وابزارهای تطبیقی و وسایل کمکی هوشمند برای کاربردهای بالینی وآموزشی

ب)اهداف ویژه:
-آشنایی با ارتزها و پروتزهای هوشمند
-آشناییبا فنون تعامل ماشین-مغز در توانبخشی
-آشنایی با نرمافزارها و بازیهای توانبخشی شناختی
-آشنایی با ابزارها(ارتزها و پروتزها) و وسایل کمکی برای بیماران با نقص شناختی

هرگونه مکاتبات در خصوص درس از طریق آدرس الکترونیک دانشگاهی  Farkhondeh_F@Tabrizu.ac.ir انجام شود.

ندارد

پروژه های کلاسی:                                                                                                6 نمره

پروژه پایانی: تحلیل یک مجموعه داده مرتبط با علوم شناختی با روش‌های آمار استنباطی      4 نمره

امتحان پایان ترم کتبی:                                                                                         10 نمره

روش تدریس: ترکیبی از تدریس نظری و تمرین‌های عملی
 نرم‌افزارهای مورد استفاده: Ghraphpad Prism ، MATLAB ، Python
تمرین‌های عملی: تحلیل داده‌های آماری و پیاده‌سازی مدل‌ها در محیط نرم‌افزاری

هفته 1: مقدمه و مفاهیم پایه

✅ آشنایی با استنباط آماری و کاربردهای آن در علوم شناختی
✅ مرور تعاریف و مفاهیم اولیه آمار توصیفی

هفته 2: نمایش داده‌ها و توزیع‌های آماری

✅ معرفی توزیع‌های آماری و نمایش داده‌ها (هیستوگرام، نمودارهای توزیع)
✅ تخمین توزیع‌های آماری و بررسی خصوصیات توزیع‌های مهم

هفته 3: مفاهیم پایه احتمال و متغیرهای تصادفی

✅ تحلیل و بسط متغیرهای تصادفی
✅ خواص متغیرهای تصادفی گسسته و پیوسته

هفته 4: تخمین آماری - بخش 1

✅ تخمین نقطه‌ای و روش‌های کلاسیک تخمین
✅ تخمین بیشترین درست‌نمایی (MLE)

هفته 5: تخمین آماری - بخش 2

✅ محاسبه فاصله اطمینان و تخمین فاصله‌ای
✅ کاربردهای تخمین در تحلیل داده‌های علوم شناختی

هفته 6: آزمون فرض - بخش 1

✅ مفاهیم پایه آزمون فرض و اصول کلی آن
✅ آزمون‌های پارامتریک و ناپارامتریک مهم

هفته 7: آزمون فرض - بخش 2

✅ کاربردهای آزمون فرض در داده‌های علوم شناختی
✅ اجرای آزمون‌های آماری با استفاده از نرم‌افزارهای آماری

هفته 8: آنالیز واریانس (ANOVA و MANOVA)

✅ مفاهیم پایه آنالیز واریانس یک‌طرفه و چندمتغیره
✅ بررسی مثال‌های کاربردی در مطالعات علوم اعصاب شناختی

هفته 9: مدل‌های رگرسیون خطی

✅ معرفی مدل‌های رگرسیون خطی و فرضیات آن
✅ پیاده‌سازی مدل‌های رگرسیون و تفسیر نتایج

هفته 10: تحلیل سری‌های زمانی

✅ مروری بر مفاهیم سری‌های زمانی و مدل‌سازی آن‌ها
✅ بررسی روش‌های تحلیل داده‌های طولی در علوم شناختی

هفته 11: ارزیابی مدل‌های آماری

✅ بررسی معیارهای انتخاب مدل و برازش آن
✅ مقایسه مدل‌ها و کاربردهای آن‌ها در تحلیل داده‌های واقعی

هفته 12: تصمیم‌گیری آماری

✅ اصول و روش‌های مختلف تصمیم‌گیری آماری
✅ مقایسه روش‌های کلاسیک و بیزی در تصمیم‌گیری

هفته 13: روش‌های بیزی در مدل‌سازی و تحلیل داده‌ها

✅ مقدمه‌ای بر روش‌های بیزی در آمار
✅ تحلیل داده‌های علوم اعصاب شناختی با رویکرد بیزی

هفته 14: جمع‌بندی و پروژه‌های عملی

✅ ارائه مثال‌های عملی از کاربردهای آمار در علوم شناختی
✅ جمع‌بندی مطالب و مرور نکات کلیدی درس
✅ ارائه پروژه‌های پایانی توسط دانشجویان

1. Casella, G., & Berger, R. L. (2002). Statistical Inference (2nd ed.). Cengage Learning.
2. Daniel, W. W. (2009). Biostatistics: A Foundation for Analysis in the Health Sciences (9th ed.). Wiley.
3. Dayan, P., & Abbott, L. F. (2001). Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems. MIT Press.
4. Doya, K., Ishii, S., Pouget, A., & Rao, R. P. N. (Eds.). (2007). Bayesian Brain: Probabilistic Approaches to Neural Coding. MIT Press.
5. Freedman, D. A. (2009). Statistical Models: Theory and Practice (2nd ed.). Cambridge University Press.
6. Kass, R. E., Eden, U. T., & Brown, E. N. (2014). Analysis of Neural Data. Springer.
7. Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2005). Applied Linear Statistical Models (5th ed.). McGraw-Hill.
8. Moore, D. S., McCabe, G. P., & Craig, B. (2006). Introduction to the Practice of Statistics (6th ed.). Freeman.
9. Ramsey, F., & Schafer, D. (2012). The Statistical Sleuth: A Course in Methods of Data Analysis (3rd ed.). Cengage Learning.
10. Wasserman, L. (2004). All of Statistics: A Concise Course in Statistical Inference. Springer.
11. بهبودیان، ج. آمار و احتمال مقدماتی. انتشارات آستان قدس رضوی.
12. بهبودیان، ج. آمار ریاضی. انتشارات امیرکبیر.

رئوس مطالب:

• مرور تعاریف و مفاهیم اولیه آمار توصیفی
• توزیع‌های ممکن، هیستوگرام و تخمین توزیع
• مرور مفاهیم پایه احتمال: تحلیل و بسط متغیر تصادفی
• تخمین: تخمین نقطه‌ای، تخمین بیشترین درست‌نمایی، تخمین فاصله‌ای و فاصله اطمینان
• آزمون فرض: اصول و روش‌ها، آزمون‌های مهم آماری
• آنالیز واریانس چندمتغیره
• مدل رگرسیون خطی و سری‌های زمانی
• روش‌های ارزیابی مدل
• تصمیم‌گیری آماری
• روش‌های بیزی در تصمیم‌گیری، مدل‌سازی و تخمین
• مثال‌های کاربردی در حوزه علوم اعصاب شناختی

✓ آشنایی با اصول و روش‌های استنباط آماری و تحلیل داده‌ها
✓ آشنایی با روش‌های تخمین، آزمون فرض، مدل‌سازی و تصمیم‌گیری آماری
✓ آشنایی با نرم‌افزارهای اصلی برای پیاده‌سازی روش‌های آماری

هرگونه مکاتبات در خصوص درس از طریق آدرس الکترونیک دانشگاهی  Farkhondeh_F@Tabrizu.ac.ir انجام شود.