Residual

Abstract Educational tracking shapes students’ learning opportunities, yet isolating its effects from prior selection remains a key challenge in large-scale assessment research. This study examines both the size and the mechanisms of academic-track advantages by integrating longitudinal population-level administrative data from INVALSI with school- and student-level indicators from PISA 2018 in Italy. Focusing on lyceums versus technical schools, we exploit rich pre-tracking information on achievement, socio-demographic background, and early attitudes, and apply entropy balancing to adjust for selection into tracks. Results show that achievement gaps at Grade 10 are large across domains, but substantially reduced once differences in prior competencies and backgrounds are accounted for. Nonetheless, a meaningful academic-track advantage persists after balancing. Decomposition analyses indicate that this residual gap is largely explained by differences in school environments, particularly classroom academic and SES composition alongside school climate, while instructional practices and organizational policies or school resources contribute little on average. The findings support a dual interpretation of tracking effects, combining cumulative selection and exposure to differentiated learning contexts, and highlight the value of linking administrative panels with international assessment data to study both outcomes and mechanisms of educational stratification.

Whether breadth of leisure activity engagement (LAE) is associated with cognitive resilience (CR) in older Chinese adults, and whether this association differs by gender, remain unclear. Using five waves of the China Health and Retirement Longitudinal Study (2011–2020), we estimated CR as the residual of global cognition after accounting for age, education, gender, residence, and chronic disease burden, and examined activity × gender interactions in generalized estimating equations ( n = 7130 observations from 3293 adults aged ≥60). Cognitive and social activity breadth were each independently associated with higher CR, but with contrasting domain patterns. Cognitive activities showed a linear dose-response with comparable associations in both genders (males β = 0.164, females β = 0.171, both p < 0.001; Activity × Gender interaction p = 0.435). Social activities followed a quadratic dose-response peaking at approximately three activity types. In gender-stratified models, the social-activity association was concentrated in males ( β = 0.164, p < 0.001) and was not significant among females ( β = 0.032, p = 0.323; activity × gender interaction β = −0.111, p = 0.020), despite higher social participation rates among women. Lagged analyses supported temporal precedence. These findings indicate that the resilience associations of LAE breadth in older Chinese adults are domain- and gender-dependent: cognitive activity breadth was positively associated with CR in both genders, whereas this association was concentrated in men for social activities. These findings warrant further investigation of whether the content, context, or measurement of social engagement contributes to the observed gender difference.

Generative AI tools that condense texts into summaries have become a routine part of student reading routines, and educators increasingly worry that convenient summaries displace the effortful processing on which deep comprehension depends. This study drew on cognitive offloading theory and the levels-of-processing framework to test a moderated mediation model in which elaborative processing statistically links generative AI summarization tool use to deep reading comprehension, and reading motivation moderates the negative association between tool use and processing. Undergraduate students ( N = 608; 53.6% female; mean age 19.9 years) from three universities in Changchun, China, completed a six-item scale of generative AI summarization tool use, an eight-item elaborative processing scale adapted from the deep-processing subscale of the R-SPQ-2F, a seven-item reading motivation measure adapted from the Motivation for Reading Questionnaire, and a researcher-developed deep reading comprehension test. Scale reliabilities were satisfactory (Cronbach alpha = 0.88, 0.87, and 0.86). Tool use correlated negatively with elaborative processing ( r = −0.41) and comprehension ( r = −0.24); elaborative processing correlated positively with comprehension ( r = 0.59). PROCESS analyses (Model 7) with 5,000 bootstrap resamples showed that tool use negatively predicted elaborative processing ( b = −0.310, p < 0.001) and that this association weakened as reading motivation rose (interaction b = 0.433, p < 0.001). Elaborative processing, in turn, predicted comprehension ( b = 10.097, p < 0.001), whereas the residual direct path of tool use did not reach significance. The indirect effect of tool use on comprehension through elaborative processing was significant and negative at low (−6.142, 95% BC CI [−7.353, −5.091]) and average (−3.130, [−3.851, −2.497]) reading motivation but nonsignificant at high reading motivation (−0.117, [−0.876, 0.629]); the index of moderated mediation was 4.374 [3.428, 5.402]. These results are consistent with an account in which elaborative processing statistically links summary reliance to lower deep reading, with reading motivation associated with a weaker negative indirect association; given the cross-sectional design, the modeled paths represent associations rather than established causal effects. They suggest that motivation-oriented reading instruction should accompany, rather than follow, the integration of AI tools into academic reading.

ابزارهای هوش مصنوعی مولد که متون را به خلاصه‌هایی تبدیل می‌کنند، به بخشی عادی از روال‌های مطالعه دانشجویان تبدیل شده‌اند و نگرانی فزاینده‌ای در میان آموزشگران وجود دارد که این خلاصه‌های آسان، جایگزین پردازش پرزحمت و عمیقی می‌شوند که لازمه درک عمیق است. این پژوهش با تکیه بر نظریه برون‌سپاری شناختی و چارچوب سطوح پردازش، یک مدل میانجی‌گری تعدیل‌شده را آزمون کرد که در آن پردازش بسط‌یافته به طور آماری استفاده از ابزار خلاصه‌سازی هوش مصنوعی مولد را به درک عمیق خواندن پیوند می‌دهد و انگیزش خواندن، ارتباط منفی بین استفاده از ابزار و پردازش را تعدیل می‌کند. دانشجویان کارشناسی (N = 608؛ ۵۳/۶٪ زن؛ میانگین سن ۱۹/۹ سال) از سه دانشگاه در شهر چانگ‌چون چین، یک مقیاس شش‌سؤالی استفاده از ابزار خلاصه‌سازی هوش مصنوعی مولد، یک مقیاس هشت‌سؤالی پردازش بسط‌یافته اقتباس‌شده از زیرمقیاس پردازش عمیق R-SPQ-2F، یک ابزار هفت‌سؤالی انگیزش خواندن اقتباس‌شده از پرسشنامه Motivation for Reading Questionnaire و یک آزمون درک عمیق خواندن توسعه‌یافته توسط پژوهشگر را تکمیل کردند. پایایی مقیاس‌ها رضایت‌بخش بود (آلفای کرونباخ = ۰/۸۸، ۰/۸۷ و ۰/۸۶). استفاده از ابزار با پردازش بسط‌یافته (r = −۰/۴۱) و درک (r = −۰/۲۴) همبستگی منفی داشت؛ پردازش بسط‌یافته با درک همبستگی مثبت داشت (r = ۰/۵۹). تحلیل‌های PROCESS (مدل ۷) با ۵۰۰۰ نمونه‌گیری بوت‌استرپ نشان داد که استفاده از ابزار به طور منفی پردازش بسط‌یافته را پیش‌بینی می‌کند (b = −۰/۳۱۰, p < ۰/۰۰۱) و این ارتباط با افزایش انگیزش خواندن تضعیف می‌شود (برهم‌کنش b = ۰/۴۳۳, p < ۰/۰۰۱). پردازش بسط‌یافته به نوبه خود درک را پیش‌بینی می‌کند (b = ۱۰/۰۹۷, p < ۰/۰۰۱)، در حالی که مسیر مستقیم باقیمانده استفاده از ابزار معنادار نبود. اثر غیرمستقیم استفاده از ابزار بر درک از طریق پردازش بسط‌یافته در سطوح پایین (−۶/۱۴۲, ۹۵٪ BC CI [−۷/۳۵۳, −۵/۰۹۱]) و متوسط (−۳/۱۳۰, [−۳/۸۵۱, −۲/۴۹۷]) انگیزش خواندن معنادار و منفی بود اما در سطح بالای انگیزش خواندن (−۰/۱۱۷, [−۰/۸۷۶, ۰/۶۲۹]) معنادار نبود؛ شاخص میانجی‌گری تعدیل‌شده ۴/۳۷۴ [۳/۴۲۸, ۵/۴۰۲] بود. این نتایج با تبیینی سازگار است که در آن پردازش بسط‌یافته به طور آماری اتکای به خلاصه را به کاهش درک عمیق خواندن پیوند می‌دهد و انگیزش خواندن با تضعیف ارتباط غیرمستقیم منفی همراه است؛ با توجه به طرح مقطعی، مسیرهای مدل‌شده نشان‌دهنده ارتباط هستند نه اثرات علّی اثبات‌شده. این یافته‌ها نشان می‌دهند که آموزش خواندن مبتنی بر انگیزش باید همزمان با ادغام ابزارهای هوش مصنوعی در خواندن دانشگاهی انجام شود، نه پس از آن.

Introduction: Polysomnography technologists perform overnight sleep studies requiring continuous patient monitoring, technical management of diagnostic equipment, and sustained attention.Although night-shift work has been associated with adverse health outcomes among healthcare workers, the occupational health burden among polysomnography technologists remains poorly characterized in India.This study evaluated sleep quality, excessive daytime sleepiness, burnout-related symptoms, musculoskeletal symptoms, and selected cardiometabolic indicators and examined their associations with years of night-shift work experience.Methods: This cross-sectional observational study used an online structured questionnaire distributed through professional groups to polysomnography technologists working in private hospitals and sleep centers in South India.Participants were graduates with at least six months of night-shift experience.Of 196 responses, 16 were excluded for less than six months of night-shift experience and 30 for incomplete questionnaires, leaving 150 participants for analysis.The questionnaire included the Pittsburgh Sleep Quality Index (PSQI), Epworth Sleepiness Scale (ESS), Copenhagen Burnout Inventory (CBI), and musculoskeletal assessment.Height and weight were measured by participants.Blood pressure was manually assessed, while fasting blood glucose and glycated hemoglobin (HbA1c) were obtained from recent laboratory reports.Poor sleep quality was defined as PSQI >5 and excessive daytime sleepiness as ESS >10.The CBI was analyzed continuously and categorized operationally as 0-49, 50-74, and 75-100.Years of night-shift work experience were analyzed as a continuous exposure and categorized as ≤5 versus >5 years.Multivariable logistic regression was adjusted for age, sex, and BMI.Results: Mean age was 29.97 ± 4.43 years, and BMI was 24.16 ± 3.19 kg/m².Mean PSQI, ESS, and CBI scores were 7.09 ± 2.95, 9.20 ± 3.39, and 45.99 ± 20.95, respectively.Poor sleep quality occurred in 97 (64.7%), excessive daytime sleepiness in 56 (37.3%), and musculoskeletal symptoms in 126 (84.0%).CBI scores were categorized as 0-49 in 86 (57.3%), 50-74 in 48 (32.0%), and 75-100 in 16 (10.7%).Hypertension-range blood pressure was identified in 21 (14.0%) and prediabetes in 11 (7.3%).Each additional year of night-shift work experience was associated with higher odds of poor sleep quality (adjusted odds ratio (aOR): 1.433, 95% CI: 1.118-1.835),excessive daytime sleepiness (aOR: 1.205, 95% CI: 1.001-1.450),CBI ≥50 (aOR: 1.810, 95% CI: 1.350-2.428),musculoskeletal symptoms (aOR: 1.372, 95% CI: 1.003-1.878),lower-back symptoms (aOR: 1.296, 95% CI: 1.051-1.598),neck symptoms (aOR: 1.272, 95% CI: 1.043-1.552),and hypertension-range blood pressure (aOR: 1.387, 95% CI: 1.052-1.829).No significant associations were observed with shoulder symptoms or prediabetes.Conclusion: Polysomnography technologists reported frequent poor sleep quality, excessive daytime sleepiness, burnout-related symptoms, and musculoskeletal symptoms.More years of night-shift work experience were associated with several adverse health outcomes after adjustment for age, sex, and BMI.These findings should be interpreted cautiously given the cross-sectional design and potential residual confounding.Prospective multicenter studies are warranted.

مقدمه: تکنولوژیست‌های پلی‌سومنوگرافی مطالعات خواب شبانه را انجام می‌دهند که نیازمند پایش مداوم بیماران، مدیریت فنی تجهیزات تشخیصی و توجه پایدار است. اگرچه کار شیفت شب با پیامدهای نامطلوب سلامت در میان کارکنان مراقبت‌های بهداشتی مرتبط دانسته شده است، بار سلامت شغلی در میان تکنولوژیست‌های پلی‌سومنوگرافی در هند به‌خوبی توصیف نشده است. این مطالعه کیفیت خواب، خواب‌آلودگی بیش از حد در طول روز، علائم مرتبط با فرسودگی شغلی، علائم اسکلتی‌عضلانی و برخی شاخص‌های قلبی‌متابولیک را ارزیابی کرد و ارتباط آن‌ها را با سال‌های تجربه کار شیفت شب بررسی نمود. روش‌ها: این مطالعه مشاهده‌ای مقطعی با استفاده از پرسشنامه ساختاریافته آنلاین که از طریق گروه‌های حرفه‌ای توزیع شد، در میان تکنولوژیست‌های پلی‌سومنوگرافی شاغل در بیمارستان‌ها و مراکز خواب خصوصی در جنوب هند انجام شد. شرکت‌کنندگان فارغ‌التحصیلانی با حداقل شش ماه تجربه کار شیفت شب بودند. از مجموع ۱۹۶ پاسخ، ۱۶ نفر به دلیل کمتر از شش ماه تجربه کار شیفت شب و ۳۰ نفر به دلیل پرسشنامه ناقص حذف شدند و ۱۵۰ نفر برای تحلیل باقی ماندند. پرسشنامه شامل شاخص کیفیت خواب پیتسبورگ (PSQI)، مقیاس خواب‌آلودگی اپورث (ESS)، فهرست فرسودگی شغلی کپنهاگ (CBI) و ارزیابی اسکلتی‌عضلانی بود. قد و وزن توسط شرکت‌کنندگان اندازه‌گیری شد. فشار خون به صورت دستی ارزیابی شد و قند خون ناشتا و هموگلوبین گلیکوزیله (HbA1c) از گزارش‌های آزمایشگاهی اخیر استخراج گردید. کیفیت خواب ضعیف به صورت PSQI >5 و خواب‌آلودگی بیش از حد در طول روز به صورت ESS >10 تعریف شد. CBI به صورت پیوسته تحلیل و به طور عملیاتی به دسته‌های ۰-۴۹، ۵۰-۷۴ و ۷۵-۱۰۰ تقسیم شد. سال‌های تجربه کار شیفت شب به صورت متغیر پیوسته و به صورت ≤۵ در مقابل >۵ سال دسته‌بندی شد. رگرسیون لجستیک چندمتغیره برای سن، جنس و BMI تعدیل شد. نتایج: میانگین سن ۲۹٫۹۷ ± ۴٫۴۳ سال و BMI برابر با ۲۴٫۱۶ ± ۳٫۱۹ کیلوگرم بر متر مربع بود. میانگین نمرات PSQI، ESS و CBI به ترتیب ۷٫۰۹ ± ۲٫۹۵، ۹٫۲۰ ± ۳٫۳۹ و ۴۵٫۹۹ ± ۲۰٫۹۵ بود. کیفیت خواب ضعیف در ۹۷ نفر (۶۴٫۷٪)، خواب‌آلودگی بیش از حد در طول روز در ۵۶ نفر (۳۷٫۳٪) و علائم اسکلتی‌عضلانی در ۱۲۶ نفر (۸۴٫۰٪) مشاهده شد. نمرات CBI به صورت ۰-۴۹ در ۸۶ نفر (۵۷٫۳٪)، ۵۰-۷۴ در ۴۸ نفر (۳۲٫۰٪) و ۷۵-۱۰۰ در ۱۶ نفر (۱۰٫۷٪) دسته‌بندی شد. فشار خون در محدوده پرفشاری خون در ۲۱ نفر (۱۴٫۰٪) و پیش‌دیابت در ۱۱ نفر (۷٫۳٪) شناسایی شد. هر سال اضافه تجربه کار شیفت شب با شانس بیشتر کیفیت خواب ضعیف (نسبت شانس تعدیل‌شده (aOR): ۱٫۴۳۳، ۹۵٪ CI: ۱٫۱۱۸-۱٫۸۳۵)، خواب‌آلودگی بیش از حد در طول روز (aOR: ۱٫۲۰۵، ۹۵٪ CI: ۱٫۰۰۱-۱٫۴۵۰)، CBI ≥۵۰ (aOR: ۱٫۸۱۰، ۹۵٪ CI: ۱٫۳۵۰-۲٫۴۲۸)، علائم اسکلتی‌عضلانی (aOR: ۱٫۳۷۲، ۹۵٪ CI: ۱٫۰۰۳-۱٫۸۷۸)، علائم کمر (aOR: ۱٫۲۹۶، ۹۵٪ CI: ۱٫۰۵۱-۱٫۵۹۸)، علائم گردن (aOR: ۱٫۲۷۲، ۹۵٪ CI: ۱٫۰۴۳-۱٫۵۵۲) و فشار خون در محدوده پرفشاری خون (aOR: ۱٫۳۸۷، ۹۵٪ CI: ۱٫۰۵۲-۱٫۸۲۹) همراه بود. ارتباط معناداری با علائم شانه یا پیش‌دیابت مشاهده نشد. نتیجه‌گیری: تکنولوژیست‌های پلی‌سومنوگرافی شیوع بالای کیفیت خواب ضعیف، خواب‌آلودگی بیش از حد در طول روز، علائم مرتبط با فرسودگی شغلی و علائم اسکلتی‌عضلانی را گزارش کردند. سال‌های بیشتر تجربه کار شیفت شب پس از تعدیل برای سن، جنس و BMI با چندین پیامد نامطلوب سلامت همراه بود. این یافته‌ها با توجه به طراحی مقطعی و احتمال وجود عوامل مخدوش‌کننده باقیمانده باید با احتیاط تفسیر شوند. انجام مطالعات آینده‌نگر چندمرکزی توصیه می‌شود.

High machine-learning accuracy in classifying ADHD-related writing does not necessarily establish an ADHD-specific linguistic phenotype, as predictions may reflect diagnostic vocabulary, medication references, or community-specific topics rather than cognitive organization. This study evaluated an interpretable cognitive-congestion language profile (LCCI) and a negative-signature framework for detecting disorder-specific linguistic distinctiveness. A dataset of 25,000 Reddit-derived posts from ADHD, OCD, depression, PTSD, and Asperger/autism-related communities was analyzed using condition-name masking and author-grouped cross-validation. Twenty-five features measuring discourse structure, uncertainty, urgency, lexical diversity, and coherence were compared with TF-IDF classification. The equal-weight LCCI composite performed near chance (ROC-AUC 0.506), while the multivariable profile achieved ROC-AUC 0.654, increasing to 0.681 with learned weights. Individual feature differences were small. TF-IDF substantially outperformed LCCI (ROC-AUC 0.940), with negligible improvement from combining them. An audit classified 59 of 60 high-weight TF-IDF coefficients (98.3%) as topic-related, without quantifying their contribution to predictive performance. To test specificity independently of supervised classification, the negative-signature framework excluded each psychiatric community in turn, constructed a reference language manifold from the remaining communities, and measured residual distinctiveness using PCA reconstruction, shrinkage Mahalanobis distance, and isolation forest. ADHD exhibited no positive residual signal (ROC-AUC 0.451, 0.419, and 0.429, respectively), while OCD showed the greatest residual separability. These findings distinguish predictive discrimination, interpretable linguistic association, and disorder specificity. The principal contribution is a reproducible, generalizable falsification framework demonstrating that strong supervised classification does not establish an ADHD-specific linguistic phenotype and providing a means to evaluate candidate linguistic biomarkers before clinical translation.

دقت بالای یادگیری ماشین در طبقه‌بندی نوشتارهای مرتبط با ADHD لزوماً وجود یک فنوتیپ زبانی خاص برای ADHD را اثبات نمی‌کند، چرا که پیش‌بینی‌ها ممکن است بازتاب واژگان تشخیصی، اشاره به داروها یا موضوعات خاص جامعه باشند و نه سازمان‌دهی شناختی. این مطالعه به ارزیابی یک نمایه زبانی قابل تفسیر ازدحام‌شناختی (LCCI) و چارچوب امضای منفی برای شناسایی تمایز زبانی خاص اختلال پرداخت. یک مجموعه‌داده شامل ۲۵٬۰۰۰ پست استخراج‌شده از Reddit از جوامع مرتبط با ADHD، OCD، افسردگی، PTSD و Asperger/autism با استفاده از ماسک‌کردن نام اختلال و اعتبارسنجی متقاطع گروه‌بندی‌شده بر اساس نویسنده تحلیل شد. بیست‌وپنج ویژگی ساختار گفتمان، عدم قطعیت، فوریت، تنوع واژگانی و انسجام با طبقه‌بندی TF-IDF مقایسه شدند. ترکیب LCCI با وزن برابر عملکردی نزدیک به تصادف داشت (ROC-AUC 0.506)، در حالی که نمایه چندمتغیره به ROC-AUC 0.654 رسید که با وزن‌های یادگرفته‌شده تا 0.681 افزایش یافت. تفاوت ویژگی‌های منفرد اندک بود. TF-IDF به طور قابل توجهی عملکرد بهتری نسبت به LCCI داشت (ROC-AUC 0.940) و ترکیب آن‌ها بهبود ناچیزی ایجاد کرد. در یک ممیزی، ۵۹ مورد از ۶۰ ضریب با وزن بالای TF-IDF (۹۸.۳٪) به عنوان مرتبط با موضوع طبقه‌بندی شدند، بدون آنکه سهم آن‌ها در عملکرد پیش‌بینی کمی‌سازی شود. برای آزمون ویژگی به طور مستقل از طبقه‌بندی نظارت‌شده، چارچوب امضای منفی هر جامعه روان‌پزشکی را به نوبت حذف کرد، یک منیفولد زبانی مرجع از جوامع باقی‌مانده ساخت و تمایز باقیمانده را با استفاده از بازسازی PCA، فاصله Mahalanobis با انقباض و isolation forest اندازه‌گیری کرد. ADHD هیچ سیگنال باقیمانده مثبتی نشان نداد (ROC-AUC به ترتیب 0.451، 0.419 و 0.429)، در حالی که OCD بیشترین قابلیت جداسازی باقیمانده را داشت. این یافته‌ها تمایز میان تبعیض پیش‌بینانه، ارتباط زبانی قابل تفسیر و ویژگی اختلال را نشان می‌دهد. مهم‌ترین دستاورد، ارائه یک چارچوب ابطال‌پذیر و قابل تعمیم است که نشان می‌دهد طبقه‌بندی نظارت‌شده قوی، وجود فنوتیپ زبانی خاص ADHD را اثبات نمی‌کند و روشی برای ارزیابی زیست‌نشانگرهای زبانی پیشنهادی پیش از ترجمه بالینی ارائه می‌دهد.

Comprehensive self-report personality inventories can impose substantial response burden, motivating the development of more efficient assessment strategies and the exploration of complementary information sources. Guided by Dual-Process Theory, this exploratory study examined a questionnaire-primary residual fusion framework in which a reduced questionnaire response vector served as the main predictive source, while static abstract line drawings were evaluated as a bounded auxiliary source of information. A total of 100 participants completed the 187-item Sixteen Personality Factor Questionnaire (16PF) and provided unprompted abstract line drawings. To account for the small sample size and reduce optimistic bias, we used participant-level repeated cross-validation, fold-local questionnaire item selection, standardized image preprocessing, cross-fitted residual learning, and nested selection of the visual correction scale. The reduced questionnaire provided a useful but imperfect held-out approximation of the full-form 16PF reference scores, with factor-level Pearson correlations ranging from 0.34 to 0.78. In contrast, the static drawing modality did not provide stable incremental predictive value. Nested validation selected a zero visual correction in 21 of 25 outer folds, and the fixed scale originally proposed for visual correction (0.05) produced a slightly higher mean absolute error than the questionnaire-only condition (1.2120 vs. 1.2100). An exploratory analysis using teacher-provided observer ratings likewise showed no advantage for visual fusion over questionnaire-only prediction. These findings indicate that Dual-Process Theory can motivate a testable asymmetric framework for integrating explicit and non-verbal information, but the present data do not support static final line drawings as a reliable source of incremental personality information. Future research should examine richer process-level drawing signals, including stroke timing, pauses, pressure, and trajectory dynamics, in larger independent samples.

فهرست‌های جامع خودگزارشی شخصیت می‌توانند بار پاسخ‌دهی قابل توجهی را بر شرکت‌کنندگان تحمیل کنند، که این امر انگیزه‌ای برای توسعه راهبردهای ارزیابی کارآمدتر و بررسی منابع اطلاعاتی مکمل فراهم می‌کند. این مطالعه اکتشافی با راهنمایی نظریه فرایند دوگانه، چارچوبی ترکیبی از پرسشنامه و باقیمانده اولیه را مورد بررسی قرار داد که در آن، بردار پاسخ پرسشنامه کاهش‌یافته به عنوان منبع اصلی پیش‌بینی به کار گرفته شد و نقاشی‌های خطی انتزاعی ایستا به عنوان منبع کمکی محدود اطلاعات ارزیابی شدند. در مجموع ۱۰۰ شرکت‌کننده، پرسشنامه ۱۶ عاملی شخصیت (16PF) با ۱۸۷ ماده را تکمیل کردند و نقاشی‌های خطی انتزاعی بدون راهنمایی ارائه دادند. به منظور جبران حجم نمونه کوچک و کاهش سوگیری خوش‌بینانه، از اعتبارسنجی متقاطع تکراری در سطح شرکت‌کننده، انتخاب ماده پرسشنامه به صورت محلی در هر fold، پیش‌پردازش استاندارد تصویر، یادگیری باقیمانده متقاطع و انتخاب تو در توی مقیاس اصلاح بصری استفاده شد. پرسشنامه کاهش‌یافته، تقریب مفیدی اما ناقص از نمرات مرجع فرم کامل 16PF در داده‌های نگه‌داشته‌شده ارائه داد، به طوری که همبستگی پیرسون در سطح عامل بین ۰٫۳۴ تا ۰٫۷۸ متغیر بود. در مقابل، مدالیته نقاشی ایستا ارزش افزوده پیش‌بینی‌کننده پایداری ارائه نکرد. اعتبارسنجی تو در تو در ۲۱ مورد از ۲۵ fold بیرونی، اصلاح بصری صفر را انتخاب کرد و مقیاس ثابتی که در ابتدا برای اصلاح بصری پیشنهاد شده بود (۰٫۰۵)، میانگین خطای مطلق کمی بالاتری نسبت به حالت صرفاً پرسشنامه‌ای ایجاد کرد (۱٫۲۱۲۰ در مقابل ۱٫۲۱۰۰). تحلیل اکتشافی با استفاده از ارزیابی‌های مشاهده‌گر ارائه‌شده توسط معلم نیز هیچ مزیتی برای ترکیب بصری نسبت به پیش‌بینی صرفاً پرسشنامه‌ای نشان نداد. این یافته‌ها نشان می‌دهد که نظریه فرایند دوگانه می‌تواند چارچوب نامتقارن قابل آزمونی برای ادغام اطلاعات صریح و غیرکلامی فراهم کند، اما داده‌های حاضر از نقاشی‌های خطی نهایی ایستا به عنوان منبع قابل اعتماد اطلاعات افزوده شخصیت حمایت نمی‌کند. پژوهش‌های آینده باید سیگنال‌های غنی‌تر فرایندی نقاشی، از جمله زمان‌بندی ضربه، مکث‌ها، فشار و پویایی مسیر را در نمونه‌های مستقل بزرگ‌تر بررسی کنند.

Introduction Effective community health promotion requires information about residents’ health-related characteristics and the interpersonal, environmental, organizational, and policy supports they perceive. The Multidimensional Assessment Scale for Social-Ecological Healthy Communities MASE-HC was designed as a multidimensional resident-reported instrument, not as a unidimensional measure or an objective community-level rating. We report its development and initial psychometric evaluation. Methods Items were generated through literature review, a two-round Delphi survey, content-validity assessment, and cognitive interviews. A purposive sample of 412 adult community residents was recruited from one community health service center in Anhui Province, China. Subsample 1 ( n = 206) was used for item analysis and exploratory factor analysis, and Subsample 2 ( n = 206) was used for confirmatory factor analysis, convergent and discriminant validity assessment, and hypothesis-based associations with self-rated health. Internal consistency was evaluated in the total sample ( n = 412). Results Data from 412 participants were analyzed. EFA identified a six-factor solution for the final 39-item MASE-HC, accounting for 61.411% of the variance. The final CFA specified six correlated first-order factors and did not evaluate a higher-order general factor. After four post-hoc within-factor residual covariances were added, the refined model showed generally acceptable fit (χ 2 /df = 1.741, RMSEA = 0.060, SRMR = 0.0649, CFI = 0.906, TLI = 0.898, and IFI = 0.907); TLI was marginally below 0.90. The Fornell–Larcker criterion was satisfied for all six factors, whereas convergent validity and internal consistency were comparatively weaker for Diet and Nutrition. Self-rated health was positively associated with five of the six subscales. Conclusion The MASE-HC showed preliminary support for a six-factor multidimensional structure in the present sample. The Diet and Nutrition subscale requires further refinement, and independent psychometric evaluation and replication in larger, more representative samples are needed before routine use or any community-level comparison.

مقدمه: ارتقای مؤثر سلامت جامعه مستلزم اطلاعاتی درباره ویژگی‌های مرتبط با سلامت ساکنان و حمایت‌های بین‌فردی، محیطی، سازمانی و سیاستی است که آن‌ها ادراک می‌کنند. مقیاس سنجش چندبعدی جوامع سالم اجتماعی-بوم‌شناختی (MASE-HC) به عنوان ابزاری چندبعدی و خودگزارش‌دهی توسط ساکنان طراحی شده است و نه به عنوان یک سنجه تک‌بعدی یا ارزیابی عینی در سطح جامعه. در این پژوهش، توسعه و ارزیابی روان‌سنجی اولیه این ابزار گزارش می‌شود. روش‌ها: گویه‌ها از طریق مرور متون، پیمایش دلفی دو مرحله‌ای، ارزیابی روایی محتوا و مصاحبه‌های شناختی تولید شدند. نمونه هدفمند شامل ۴۱۲ نفر از ساکنان بزرگسال یک مرکز خدمات سلامت جامعه در استان آن‌هویی چین بود. زیرنمونه ۱ (n = 206) برای تحلیل گویه و تحلیل عاملی اکتشافی و زیرنمونه ۲ (n = 206) برای تحلیل عاملی تأییدی، ارزیابی روایی همگرا و افتراقی و بررسی ارتباطات مبتنی بر فرضیه با سلامت خودارزیابی‌شده استفاده شد. پایایی در کل نمونه (n = 412) ارزیابی گردید. نتایج: داده‌های ۴۱۲ شرکت‌کننده تحلیل شد. تحلیل عاملی اکتشافی، راه‌حل شش‌عاملی برای نسخه نهایی ۳۹ گویه‌ای MASE-HC را شناسایی کرد که ۶۱/۴۱۱٪ واریانس را تبیین می‌کرد. تحلیل عاملی تأییدی نهایی، شش عامل همبسته مرتبه اول را مشخص کرد و عامل کلی مرتبه بالاتر را ارزیابی نکرد. پس از افزودن چهار کوواریانس باقیمانده درون‌عاملی به صورت پس‌نگر، مدل اصلاح‌شده برازش قابل قبولی نشان داد (χ2 /df = 1.741، RMSEA = 0.060، SRMR = 0.0649، CFI = 0.906، TLI = 0.898 و IFI = 0.907)؛ مقدار TLI اندکی کمتر از ۰/۹۰ بود. معیار فورنل-لارکر برای هر شش عامل احراز شد، در حالی که روایی همگرا و پایایی برای زیرمقیاس رژیم غذایی و تغذیه نسبتاً ضعیف‌تر بود. سلامت خودارزیابی‌شده با پنج زیرمقیاس از شش زیرمقیاس ارتباط مثبت داشت. نتیجه‌گیری: MASE-HC در نمونه حاضر حمایت اولیه‌ای برای ساختار شش‌عاملی چندبعدی نشان داد. زیرمقیاس رژیم غذایی و تغذیه نیازمند اصلاح بیشتر است و پیش از استفاده روتین یا هرگونه مقایسه در سطح جامعه، ارزیابی روان‌سنجی مستقل و تکرار در نمونه‌های بزرگ‌تر و نماینده‌تر ضروری است.

Language use, vocal behavior, and facial activity provide complementary indicators of affective state, but multimodal models can be affected by noisy temporal observations and insufficient global guidance before cross-modal interaction. We developed a framework combining bidirectional gated recurrent unit encoders, attention pooling, dynamic hypernode injection, and graph attention fusion. Textual, acoustic, and visual sequences were mapped into a shared latent space and compressed into modality-level representations. A sample-dependent hypernode and a learnable static prior were then injected through gated residual connections before graph propagation. The model was evaluated on CMU-MOSI and CMU-MOSEI using five random seeds and validation-MAE checkpoint selection. On CMU-MOSI, the model obtained an MAE of 0.7290 ± 0.0099 , a correlation of 0.7880 ± 0.0076 , and an Acc-7 of 0.4561 ± 0.0160 . On CMU-MOSEI, the corresponding results were 0.5541 ± 0.0053 , 0.7551 ± 0.0058 , and 0.5269 ± 0.0064 . A five-run comparison of pre-GAT, post-GAT, and no injection showed that pre-GAT injection provided the strongest overall regression-oriented balance, although post-GAT was slightly higher on MOSEI Acc-7. Gate, graph-attention, representation, and balanced case diagnostics showed that the injected prior was sample dependent and modality selective. These findings support pre-propagation hypernode injection under complete, word-aligned tri-modal inputs, without establishing universal superiority or robustness to missing and corrupted modalities.

استفاده از زبان، رفتار صوتی و فعالیت چهره شاخص‌های مکملی از وضعیت عاطفی فراهم می‌کنند، اما مدل‌های چندوجهی ممکن است تحت تأثیر مشاهدات زمانی نویزی و راهنمایی کلی ناکافی پیش از تعامل بین‌وجهی قرار گیرند. ما چارچوبی را توسعه دادیم که رمزگذارهای واحد بازگشتی دروازه‌دار دوسویه، تجمیع توجه، تزریق ابرگره پویا و ادغام توجه گراف را ترکیب می‌کند. توالی‌های متنی، صوتی و بصری به فضای نهفته مشترک نگاشته شده و به نمایش‌های سطح وجهی فشرده شدند. سپس یک ابرگره وابسته به نمونه و یک پیش‌فرض ایستا قابل یادگیری از طریق اتصالات باقیمانده دروازه‌دار پیش از انتشار گراف تزریق شدند. مدل بر روی مجموعه‌های داده CMU-MOSI و CMU-MOSEI با استفاده از پنج بذر تصادفی و انتخاب نقطه توقف بر اساس MAE اعتبارسنجی ارزیابی شد. بر روی CMU-MOSI، مدل به MAE برابر با 0.7290 ± 0.0099، همبستگی 0.7880 ± 0.0076 و Acc-7 برابر با 0.4561 ± 0.0160 دست یافت. بر روی CMU-MOSEI، نتایج متناظر به ترتیب 0.5541 ± 0.0053، 0.7551 ± 0.0058 و 0.5269 ± 0.0064 بودند. مقایسه پنج‌باره پیش از GAT، پس از GAT و بدون تزریق نشان داد که تزریق پیش از GAT قوی‌ترین تعادل کلی مبتنی بر رگرسیون را فراهم می‌کند، اگرچه پس از GAT کمی در MOSEI Acc-7 بالاتر بود. تشخیص‌های دروازه، توجه گراف، نمایش و حالت متعادل نشان داد که پیش‌فرض تزریق‌شده وابسته به نمونه و انتخابی نسبت به وجه بود. این یافته‌ها از تزریق ابرگره پیش از انتشار در ورودی‌های سه‌وجهی کامل و هم‌تراز با واژه حمایت می‌کنند، بدون آنکه برتری یا پایداری جهانی در برابر وجوه مفقود یا مخدوش را اثبات نمایند.

Driver monitoring systems (DMS) are increasingly used to sustain attention during partially automated driving, but existing measures do not assess how drivers experience the supervisory tone of DMS feedback. Drawing on parenting-style theory, we developed the Driver Monitoring System User Experience (DMS-UX) Scale and tested whether systems varying in demandingness and responsiveness produced distinct user experience profiles. Across two samples, 501 licensed U.S. drivers completed a between-subjects online vignette experiment and were randomly assigned to an authoritarian, authoritative, permissive, or uninvolved DMS. Scale development began with 80 items in Sample 1 ( n = 319). Exploratory factor analysis and item response theory yielded a 16-item, four-factor solution, which was tested in an independent Sample 2 ( n = 182) using confirmatory factor analysis. Inspection of factor loadings and residual correlations led to the removal of one poorly performing item and a refined 15-item model with comparative and residual fit emerged. The observed factors were Perceived Usage Benefits, Perceived System Judgment, Perceived Salience and Clarity, and Perceived Supportiveness. Internal consistency was good (McDonald's ω = 0.770–0.915; Cronbach's α = 0.745–0.914), and indices supported internal construct differentiation. Confirmatory model fit was mixed but improved after refinement (CFI = 0.916, TLI = 0.894, RMSEA = 0.097, SRMR = 0.073), providing qualified support for the four-factor structure. Monitoring style had a large multivariate effect on DMS-UX scores, Pillai's trace = 0.481, F (12, 1488) = 23.65, p < 0.001. Styles differed in perceived judgment, salience and clarity, and supportiveness, but not perceived usage benefits. The DMS-UX offers an initial descriptive instrument for comparing drivers' experiences of DMS supervisory feedback, though behavioral, longitudinal, and cross-cultural validation is needed before using it to infer safety outcomes or identify an optimal monitoring style.

سامانه‌های پایش راننده (DMS) به طور فزاینده‌ای برای حفظ توجه در حین رانندگی نیمه‌خودکار مورد استفاده قرار می‌گیرند، اما سنجه‌های موجود نحوه تجربه رانندگان از لحن نظارتی بازخورد DMS را ارزیابی نمی‌کنند. با بهره‌گیری از نظریه سبک‌های فرزندپروری، مقیاس تجربه کاربری سامانه پایش راننده (DMS-UX) را توسعه دادیم و بررسی کردیم که آیا سامانه‌هایی با سطوح متفاوتی از مطالبه‌گری و پاسخ‌دهی، پروفایل‌های تجربه کاربری متمایزی ایجاد می‌کنند یا خیر. در دو نمونه، ۵۰۱ راننده دارای گواهینامه در ایالات متحده آمریکا در یک آزمایش آنلاین بین‌گروهی مبتنی بر سناریو شرکت کردند و به طور تصادفی به یکی از چهار سبک DMS مستبدانه، مقتدرانه، سهل‌گیر یا بی‌تفاوت تخصیص یافتند. توسعه مقیاس با ۸۰ گویه در نمونه اول (n = 319) آغاز شد. تحلیل عاملی اکتشافی و نظریه پاسخ به گویه به راه‌حل چهارعاملی ۱۶ گویه‌ای منجر شد که در نمونه مستقل دوم (n = 182) با تحلیل عاملی تأییدی آزمون شد. بررسی بارهای عاملی و همبستگی‌های باقیمانده به حذف یک گویه با عملکرد ضعیف و ظهور مدل اصلاح‌شده ۱۵ گویه‌ای با برازش مقایسه‌ای و باقیمانده منجر شد. عوامل مشاهده‌شده شامل منافع ادراک‌شده استفاده، قضاوت ادراک‌شده سامانه، برجستگی و وضوح ادراک‌شده، و حمایتگری ادراک‌شده بودند. انسجام درونی مطلوب بود (ω مک‌دونالد = ۰٫۷۷۰ تا ۰٫۹۱۵؛ آلفای کرونباخ = ۰٫۷۴۵ تا ۰٫۹۱۴) و شاخص‌ها از تمایز ساختاری درونی حمایت کردند. برازش مدل تأییدی متوسط بود اما پس از اصلاح بهبود یافت (CFI = 0.916، TLI = 0.894، RMSEA = 0.097، SRMR = 0.073) و حمایت مشروطی از ساختار چهارعاملی فراهم کرد. سبک پایش اثر چندمتغیره بزرگی بر نمرات DMS-UX داشت (Pillai's trace = 0.481، F (12, 1488) = 23.65، p < 0.001). سبک‌ها در قضاوت ادراک‌شده، برجستگی و وضوح، و حمایتگری تفاوت داشتند اما در منافع ادراک‌شده استفاده تفاوتی نداشتند. DMS-UX ابزاری توصیفی اولیه برای مقایسه تجربه رانندگان از بازخورد نظارتی DMS ارائه می‌دهد، هرچند اعتبارسنجی رفتاری، طولی و بین‌فرهنگی پیش از استفاده برای استنتاج پیامدهای ایمنی یا شناسایی سبک پایش بهینه مورد نیاز است.

Covert medication (CM) - the surreptitious administration of drugs in food or drink is often framed as a 'moral gamble' and remains a pervasive yet controversial necessity in the care of older people with cognitive impairments. As global populations age and neurodegenerative conditions increase, the clinical reliance on CM has become structurally entrenched. This article evaluates the practice within the legal jurisdiction of England and Wales, specifically through the dual lenses of the Mental Capacity Act 2005 (MCA 2005) and the European Convention on Human Rights (ECHR). It provides an original contribution to the literature by synthesising the clinical application of CM with the statutory duty of candour under Regulation 20, proposing a 'tripartite test' of Imminence, Gravity and Exhaustion to bridge the current regulatory dissonance. It explores the fundamental tension between the clinical duty of beneficence and the patient's right to bodily integrity, specifically addressing the tension between the statutory duty of candour and clinical strategies predicated on concealment. By distinguishing between the physiological risks of overt coercion and the 'quiet deception' of CM, the paper rebuts deontological claims that CM constitutes an irreconcilable violation of rights. Instead, applying a rule-utilitarian framework, it argues that CM is a benevolent necessity when used to prevent certain physiological harm and preserve residual dignity. Furthermore, the article analyses judicial responses, integrating recent precedents such as Re A (2022) and An NHS Trust v XB (2020), to define a framework of necessity required to legitimise the practice. Ultimately, the paper concludes that while CM carries a significant moral and relational cost, it remains an ethically justifiable measure of last resort within a transparent English and Welsh legal architecture that prioritises accountability and consultation over administrative convenience.

تجویز مخفیانه دارو (CM) ـ یعنی تجویز پنهانی دارو در غذا یا نوشیدنی ـ اغلب به عنوان «قمار اخلاقی» مطرح می‌شود و همچنان یک ضرورت فراگیر اما بحث‌برانگیز در مراقبت از سالمندان با اختلالات شناختی باقی مانده است. با افزایش جمعیت سالمندان در جهان و رشد بیماری‌های نورودژنراتیو، اتکای بالینی به CM به‌طور ساختاری تثبیت شده است. این مقاله به ارزیابی این عمل در حوزه قضایی انگلستان و ولز می‌پردازد، به‌ویژه از طریق دو منظر قانون ظرفیت ذهنی ۲۰۰۵ (MCA 2005) و کنوانسیون اروپایی حقوق بشر (ECHR). این مقاله با تلفیق کاربرد بالینی CM با وظیفه قانونی صداقت طبق مقرره ۲۰، سهمی اصیل به ادبیات موضوع ارائه می‌دهد و آزمون سه‌گانه «فوریت، شدت و فرسودگی» را برای رفع ناهماهنگی‌های نظارتی موجود پیشنهاد می‌کند. این مقاله به تنش اساسی میان وظیفه بالینی خیرخواهی و حق بیمار بر تمامیت بدنی می‌پردازد و به‌طور خاص، تضاد میان وظیفه قانونی صداقت و راهبردهای بالینی مبتنی بر پنهان‌کاری را بررسی می‌کند. با تمایز میان خطرات فیزیولوژیک اجبار آشکار و «فریب آرام» CM، مقاله ادعاهای وظیفه‌گرایانه مبنی بر این‌که CM نقض غیرقابل مصالحه حقوق است را رد می‌کند. در عوض، با به‌کارگیری چارچوب فایده‌گرایی قاعده‌محور، استدلال می‌شود که CM در صورت استفاده برای پیشگیری از آسیب فیزیولوژیک قطعی و حفظ کرامت باقی‌مانده، یک ضرورت خیرخواهانه است. افزون بر این، مقاله به تحلیل واکنش‌های قضایی می‌پردازد و با ادغام سوابق اخیر مانند Re A (2022) و An NHS Trust v XB (2020)، چارچوبی از ضرورت را برای مشروعیت‌بخشی به این عمل تعریف می‌کند. در نهایت، مقاله نتیجه می‌گیرد که اگرچه CM هزینه اخلاقی و رابطه‌ای قابل توجهی دارد، اما همچنان یک اقدام اخلاقاً موجه و آخرین راه‌حل در ساختار حقوقی شفاف انگلستان و ولز است که پاسخگویی و مشورت را بر راحتی اداری مقدم می‌داند.