Clustering analysis

The aim of this research is to determine the profiles of students in the Faculty of Sports Sciences according to their levels of recreational anxiety and to examine these profiles in terms of various demographic variables. The study, conducted within the framework of the general survey model, a quantitative research method, included 325 undergraduate students in the research group. Data were collected through a Personal Information Form and a Recreational Anxiety Scale. Hierarchical clustering (Ward’s method) and K-means clustering analysis were used to determine profiles. One-way analysis of variance (ANOVA), chi-square test, and correspondence analysis were used for demographic variables. The findings showed that participants were divided into three different profiles: low, medium, and high recreational anxiety. Low, medium, and high anxiety profiles were determined in all sub-dimensions of recreational anxiety. A significant and low-level relationship was found between age, gender, class level, employment status, and weekly physical activity participation frequency and recreational anxiety profiles. However, a moderate and significant relationship was found between experiencing anxiety in previous recreational activities and current recreational anxiety profiles. Furthermore, it was observed that as the level of self-efficacy in recreational activities increased, recreational anxiety decreased. Consequently, it was determined that recreational anxiety does not exhibit a homogeneous structure among students, that different profiles emerge, and that past recreational experiences and the individual's perception of competence are particularly important in understanding these profiles. The findings indicate that it is important for recreation programs in universities to be planned with the individual differences and past experiences of students in mind.

هدف این پژوهش تعیین پروفایل‌های دانشجویان دانشکده علوم ورزشی بر اساس سطوح اضطراب اوقات فراغت آنان و بررسی این پروفایل‌ها از نظر متغیرهای جمعیت‌شناختی مختلف است. این مطالعه که در چارچوب مدل پیمایش عمومی و به عنوان یک روش پژوهش کمی انجام شده است، شامل ۳۲۵ دانشجوی کارشناسی در گروه پژوهش بود. داده‌ها از طریق فرم اطلاعات فردی و مقیاس اضطراب اوقات فراغت جمع‌آوری شد. برای تعیین پروفایل‌ها از خوشه‌بندی سلسله‌مراتبی (روش Ward) و تحلیل خوشه‌ای K-means استفاده شد. برای متغیرهای جمعیت‌شناختی از تحلیل واریانس یک‌طرفه (ANOVA)، آزمون کای‌دو و تحلیل تطابق استفاده گردید. یافته‌ها نشان داد که شرکت‌کنندگان به سه پروفایل مختلف تقسیم شدند: اضطراب اوقات فراغت پایین، متوسط و بالا. پروفایل‌های اضطراب پایین، متوسط و بالا در تمامی زیرمقیاس‌های اضطراب اوقات فراغت تعیین شد. بین سن، جنسیت، سطح کلاس، وضعیت اشتغال و فراوانی مشارکت هفتگی در فعالیت‌های بدنی با پروفایل‌های اضطراب اوقات فراغت، رابطه‌ای معنادار و در سطح پایین یافت شد. با این حال، بین تجربه اضطراب در فعالیت‌های اوقات فراغت قبلی و پروفایل‌های فعلی اضطراب اوقات فراغت، رابطه‌ای معنادار و در سطح متوسط مشاهده شد. همچنین مشاهده شد که با افزایش سطح خودکارآمدی در فعالیت‌های اوقات فراغت، اضطراب اوقات فراغت کاهش می‌یابد. در نتیجه، مشخص شد که اضطراب اوقات فراغت در میان دانشجویان ساختاری همگن ندارد، پروفایل‌های متفاوتی ظاهر می‌شود و تجربیات گذشته اوقات فراغت و ادراک شایستگی فرد به طور خاص در فهم این پروفایل‌ها اهمیت دارد. یافته‌ها نشان می‌دهد که برنامه‌های اوقات فراغت در دانشگاه‌ها باید با توجه به تفاوت‌های فردی و تجربیات گذشته دانشجویان برنامه‌ریزی شود.

Relationship quality is typically assessed using self-report questionnaires, which are time-consuming and may not fully capture interpersonal processes during interaction. Automated facial expression analysis provides an opportunity to study nonverbal behavior during naturalistic interactions in a more objective and continuous manner. We characterize dyadic facial synchrony from video-based facial action unit time series and examine its association with marital relationship quality. Specifically, dyadic coordination is quantified using zero-lag cross-correlations between partners’ facial behaviors across multiple action units. Computed over successive temporal windows, these synchrony measures form a multidimensional synchrony profile, termed the S-matrix. We evaluate the proposed method using an iMotions dataset comprising video recordings of in-person conversations, frame-level facial expression estimates, and Quality of Marriage Index (QMI) survey responses from 27 married couples. Results from an unsupervised clustering analysis demonstrate that the proposed synchrony representation provides better separation between couples with high and low marital relationship quality than conventional statistical feature baselines.

کیفیت رابطه معمولاً با استفاده از پرسشنامه‌های خودگزارشی ارزیابی می‌شود که زمان‌بر بوده و ممکن است فرایندهای بین‌فردی را در طول تعامل به طور کامل منعکس نکند. تحلیل خودکار حالات چهره این امکان را فراهم می‌کند تا رفتارهای غیرکلامی در تعاملات طبیعی به شیوه‌ای عینی و پیوسته مورد مطالعه قرار گیرد. در این پژوهش، هم‌زمانی چهره‌ای دوتایی بر اساس سری‌های زمانی واحدهای کنشی چهره مبتنی بر ویدئو توصیف شده و ارتباط آن با کیفیت رابطه زناشویی بررسی می‌شود. به طور مشخص، هماهنگی دوتایی با استفاده از همبستگی‌های متقاطع بدون تأخیر میان رفتارهای چهره‌ای زوجین در چندین واحد کنشی کمی‌سازی می‌شود. این شاخص‌های هم‌زمانی که در پنجره‌های زمانی متوالی محاسبه می‌شوند، یک نمایه هم‌زمانی چندبُعدی به نام ماتریس S را تشکیل می‌دهند. روش پیشنهادی با استفاده از مجموعه داده iMotions شامل ضبط ویدئویی مکالمات حضوری، برآوردهای حالت چهره در سطح فریم و پاسخ‌های پرسشنامه Quality of Marriage Index (QMI) از ۲۷ زوج متأهل ارزیابی شده است. نتایج تحلیل خوشه‌بندی بدون ناظر نشان می‌دهد که نمایش هم‌زمانی پیشنهادی، جداسازی بهتری میان زوج‌های دارای کیفیت رابطه زناشویی بالا و پایین نسبت به ویژگی‌های آماری متداول فراهم می‌کند.