principal component analysis

Background The status of women and girls is a multidimensional construct involving social, economic, political, and cultural factors related to gender inequalities, empowerment, and well-being. However, differences in conceptual frameworks, indicators, and methodologies limit the comparability of existing assessments. This study aimed to identify the approaches, indicators, methodologies, analytical tools, and applications used in the scientific literature for assessing women’s status. Methods A systematic literature review was conducted following the PRISMA 2020 guidelines. Studies were retrieved from Scopus and Web of Science without time restrictions. After applying eligibility criteria and completing the identification, screening, and selection processes, 39 studies were included. Data analysis was supported by Microsoft Excel, RStudio, and VOSviewer to identify patterns and synthesize evidence. Results The findings show considerable methodological diversity in multidimensional index construction. Social independence was the most frequently reported indicator category, followed by socioeconomic status, decision-making, and psychological agency. The SWPER methodology was the most commonly applied approach, followed by principal component analysis and factor analysis. The main evaluated dimensions were social independence, agency development, and decision-making, while multilevel modelling and regression analysis were the most frequently used analytical tools. Research was concentrated mainly in Sub-Saharan Africa and Bangladesh. Conclusions Multidimensional indices provide relevant frameworks for assessing women’s status and supporting evidence-based policies. Nevertheless, methodological heterogeneity highlights the need for standardized criteria for indicator selection, weighting, and validation. Future research should expand geographical coverage and incorporate advanced analytical approaches to strengthen gender equality monitoring.

زمینه: وضعیت زنان و دختران یک سازه چندبعدی است که عوامل اجتماعی، اقتصادی، سیاسی و فرهنگی مرتبط با نابرابری‌های جنسیتی، توانمندسازی و بهزیستی را دربرمی‌گیرد. با این حال، تفاوت‌ها در چارچوب‌های مفهومی، شاخص‌ها و روش‌شناسی‌ها، قابلیت مقایسه ارزیابی‌های موجود را محدود می‌کند. هدف این مطالعه شناسایی رویکردها، شاخص‌ها، روش‌شناسی‌ها، ابزارهای تحلیلی و کاربردهای مورد استفاده در ادبیات علمی برای ارزیابی وضعیت زنان بود. روش‌ها: مرور نظام‌مند ادبیات مطابق با دستورالعمل‌های PRISMA 2020 انجام شد. مطالعات از پایگاه‌های Scopus و Web of Science بدون محدودیت زمانی بازیابی شدند. پس از اعمال معیارهای شایستگی و تکمیل فرایندهای شناسایی، غربالگری و انتخاب، ۳۹ مطالعه وارد شدند. تحلیل داده‌ها با استفاده از Microsoft Excel، RStudio و VOSviewer برای شناسایی الگوها و سنتز شواهد انجام شد. نتایج: یافته‌ها تنوع روش‌شناختی قابل توجهی را در ساخت شاخص‌های چندبعدی نشان می‌دهد. استقلال اجتماعی بیشترین فراوانی را در میان دسته‌های شاخص‌ها داشت و پس از آن وضعیت اجتماعی‌اقتصادی، تصمیم‌گیری و عاملیت روان‌شناختی قرار گرفتند. روش‌شناسی SWPER رایج‌ترین رویکرد مورد استفاده بود و پس از آن تحلیل مؤلفه‌های اصلی و تحلیل عاملی قرار داشتند. ابعاد اصلی ارزیابی‌شده شامل استقلال اجتماعی، توسعه عاملیت و تصمیم‌گیری بودند، در حالی که مدل‌سازی چندسطحی و تحلیل رگرسیون بیشترین کاربرد را در ابزارهای تحلیلی داشتند. پژوهش‌ها عمدتاً در آفریقای جنوب صحرا و بنگلادش متمرکز بودند. نتیجه‌گیری: شاخص‌های چندبعدی چارچوب‌های مرتبطی برای ارزیابی وضعیت زنان و حمایت از سیاست‌های مبتنی بر شواهد فراهم می‌کنند. با این حال، ناهمگونی روش‌شناختی بر ضرورت وجود معیارهای استاندارد برای انتخاب، وزن‌دهی و اعتبارسنجی شاخص‌ها تأکید دارد. پژوهش‌های آتی باید پوشش جغرافیایی را گسترش داده و رویکردهای تحلیلی پیشرفته را برای تقویت پایش برابری جنسیتی به کار گیرند.

Disasters pose a formidable challenge for mental health support services in terms of resources and timely response. This study evaluated the effects of different types of events on the Mexico City population during the first year of the COVID-19 pandemic, under the assumption that high-resolution time-scale data analysis performed on ICT-based and telehealth systems could contribute to understanding psychological needs and to identifying events associated with short-term outbursts in support demands, estimating their time of occurrence, and the characteristics of calls for service. The study evaluated the effects of public announcements of quarantine measures, mental health press conferences, festivities during 2020, and earthquakes with public early warnings between 2020 and 2023 reported through national public institutions’ databases, the “Screening Tool for Mental Health Problems” and the “Lifeline Emergency Phone Call Service (LEPCS),” comprising 138,471 interactions. The analysis used qualitative and quantitative methods, including principal component analysis, correlations, and one-way ANOVA. The study successfully identified patterns in responses associated with acute stress, depression, and anxiety, as well as possible times of maximum demand associated with different types of events. Complex scenarios with multiple threats were associated with significant short-term outbursts, posing a challenge to support systems, with a documented case with an increase as high as 2651% on a single day. The research is novel in its time-scope analysis and event-wise approach, providing valuable insights for emergency planning and resource allocation. Additionally, the study proposes evaluation criteria for detecting potential system overloads in telehealth services to enable early countermeasures.

بلایا چالشی جدی برای خدمات حمایتی سلامت روان از نظر منابع و پاسخ به‌موقع ایجاد می‌کنند. این پژوهش تأثیر انواع مختلف رویدادها را بر جمعیت شهر مکزیک در نخستین سال همه‌گیری COVID-19 ارزیابی کرد، با این فرض که تحلیل داده‌ها با مقیاس زمانی با وضوح بالا بر روی سامانه‌های مبتنی بر فناوری اطلاعات و ارتباطات و تله‌مدیسین می‌تواند به درک نیازهای روان‌شناختی و شناسایی رویدادهای مرتبط با جهش‌های کوتاه‌مدت در تقاضای حمایت، برآورد زمان وقوع آن‌ها و ویژگی‌های تماس‌های خدماتی کمک کند. این مطالعه تأثیر اعلام عمومی اقدامات قرنطینه، کنفرانس‌های مطبوعاتی سلامت روان، جشن‌ها در سال ۲۰۲۰ و زمین‌لرزه‌ها با هشدار اولیه عمومی بین سال‌های ۲۰۲۰ تا ۲۰۲۳ را که از طریق پایگاه‌های داده نهادهای عمومی ملی، «ابزار غربالگری مشکلات سلامت روان» و «خدمات تماس اضطراری تلفنی (LEPCS)» گزارش شده‌اند و شامل ۱۳۸٬۴۷۱ تعامل بودند، مورد ارزیابی قرار داد. تحلیل با استفاده از روش‌های کیفی و کمی، از جمله تحلیل مؤلفه‌های اصلی، همبستگی‌ها و ANOVA یک‌طرفه انجام شد. این پژوهش موفق به شناسایی الگوهایی در واکنش‌ها شد که با استرس حاد، افسردگی و اضطراب مرتبط بودند و همچنین زمان‌های احتمالی اوج تقاضا که با انواع مختلف رویدادها مرتبط بودند را تعیین کرد. سناریوهای پیچیده با تهدیدهای متعدد با جهش‌های کوتاه‌مدت قابل توجهی همراه بودند که چالشی برای سامانه‌های حمایتی ایجاد کردند، به طوری که یک مورد مستند با افزایش تا ۲۶۵۱٪ در یک روز ثبت شد. این پژوهش از نظر تحلیل مقیاس زمانی و رویکرد رویدادمحور نوآورانه است و بینش‌های ارزشمندی برای برنامه‌ریزی اضطراری و تخصیص منابع ارائه می‌دهد. افزون بر این، مطالعه معیارهایی برای ارزیابی شناسایی احتمال اضافه‌بار سامانه‌ها در خدمات تله‌مدیسین به منظور امکان مقابله زودهنگام پیشنهاد می‌کند.

The persistent shortage of skilled labour and high youth unemployment have rendered learnership programmes a crucial policy instrument for workforce development and socio-economic inclusion in South Africa. Notwithstanding an extensive legislative and institutional framework, concerns persist regarding the limited effectiveness of these programmes in meeting industry skills demands. This study investigates the systemic constraints that undermine the implementation and effectiveness of construction learnership programmes in the Eastern Cape Province of South Africa, with a focus on the gap between policy intent and practice. A descriptive, cross-sectional design was employed, utilising a structured questionnaire administered to 149 stakeholders, including employers, accredited training providers, and construction industry practitioners occupying roles such as project managers, administrative officers, supervisors, facilitators, and coordinators involved in learnership delivery. Data were analysed using descriptive statistics and Principal Component Analysis (PCA) to reduce the 34 observed barriers into a smaller set of interpretable components. The barrier items with the strongest loadings on the retained components included ineffective assessment methods, lack of regulatory compliance, and financial constraints on beneficiaries. The PCA reduced the barriers to five interrelated components, which collectively explain 69.73% of the total variance, indicating that the constraints are systemic rather than isolated. The findings underscore the necessity for strengthened inter-institutional collaboration, enhanced industry incentives, alignment of curricula with evolving construction practices, and robust quality-assurance mechanisms to translate learnership policy ambitions into effective practice. These findings contribute to the development of a resilient construction workforce in the Eastern Cape and, by extension, South Africa's broader construction sector.

کمبود مداوم نیروی کار ماهر و نرخ بالای بیکاری جوانان، برنامه‌های کارآموزی را به ابزاری سیاستی حیاتی برای توسعه نیروی کار و شمول اجتماعی در آفریقای جنوبی تبدیل کرده است. با وجود چارچوب قانونی و نهادی گسترده، نگرانی‌هایی درباره اثربخشی محدود این برنامه‌ها در پاسخ‌گویی به نیازهای مهارتی صنعت همچنان وجود دارد. این مطالعه به بررسی محدودیت‌های نظام‌مندی می‌پردازد که اجرای برنامه‌های کارآموزی ساخت‌وساز و اثربخشی آن‌ها را در استان Eastern Cape آفریقای جنوبی تضعیف می‌کند و بر فاصله میان هدف سیاستی و عمل تمرکز دارد. این پژوهش با طراحی توصیفی و مقطعی انجام شد و از پرسشنامه ساختاریافته‌ای استفاده گردید که به ۱۴۹ ذینفع شامل کارفرمایان، ارائه‌دهندگان آموزش معتبر و فعالان صنعت ساخت‌وساز در نقش‌هایی چون مدیر پروژه، کارمند اداری، سرپرست، تسهیل‌گر و هماهنگ‌کننده‌های دخیل در اجرای کارآموزی ارائه شد. داده‌ها با استفاده از آمار توصیفی و تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ۳۴ مانع مشاهده‌شده به مجموعه‌ای کوچکتر از مؤلفه‌های قابل تفسیر تحلیل شدند. آیتم‌های مانع با بیشترین بار عاملی بر مؤلفه‌های حفظ‌شده شامل روش‌های ارزیابی غیرموثر، عدم رعایت مقررات و محدودیت‌های مالی برای ذینفعان بودند. تحلیل مؤلفه‌های اصلی، موانع را به پنج مؤلفه مرتبط کاهش داد که در مجموع ۶۹٫۷۳٪ از واریانس کل را تبیین می‌کنند و نشان می‌دهد که این محدودیت‌ها نظام‌مند و نه منفرد هستند. یافته‌ها بر ضرورت تقویت همکاری‌های بین‌نهادی، افزایش مشوق‌های صنعتی، همسویی برنامه‌های درسی با شیوه‌های نوین ساخت‌وساز و سازوکارهای تضمین کیفیت قوی برای تبدیل اهداف سیاستی کارآموزی به عمل مؤثر تأکید دارند. این یافته‌ها به توسعه نیروی کار مقاوم در بخش ساخت‌وساز استان Eastern Cape و به تبع آن، بخش ساخت‌وساز وسیع‌تر آفریقای جنوبی کمک می‌کند.

Our study examines the role of oral motor control in the acquisition of acoustic targets for lingually complex consonants in Estonian by speakers from four age groups. We focus on children's production of secondarily palatalised and non-palatalised consonants where anatomical development and acquisition of motor control skills make differing predictions about the timing and nature of speech production. Our aim is to disentangle the contribution of, on the one hand, speech motor control development and, on the other hand, anatomical growth and articulator change in proportion. We examined oral motor control using a single syllable alternating motion rate diadochokinetic (DDK) task and studied the difference between the second formant (F2) and first formant (F1) using functional principal component analysis. Our results show that palatalised and non-palatalised productions differ significantly across all age groups, indicating children can produce palatalisation contrasts from age 3 years, but consistency in production increases with age. Results also show that children and adults with greater oral motor control skills are better able to produce the palatalisation contrast. These results suggest that anatomical proportions pre-dispose children toward early acquisition of the acoustic properties of palatalisation. However, adult-like production of the phonological contrast also depends on the acquisition of oral motor control skills.

پژوهش حاضر نقش کنترل حرکتی دهانی را در کسب اهداف آکوستیکی برای همخوان‌های پیچیده زبانی در زبان استونیایی توسط گویندگان چهار گروه سنی بررسی می‌کند. تمرکز ما بر تولید همخوان‌های دارای پالایش ثانویه و بدون پالایش توسط کودکان است، جایی که رشد آناتومیکی و کسب مهارت‌های کنترل حرکتی پیش‌بینی‌های متفاوتی درباره زمان‌بندی و ماهیت تولید گفتار ارائه می‌دهند. هدف ما تفکیک سهم توسعه کنترل حرکتی گفتار از یک سو و رشد آناتومیکی و تغییر نسبت اندام‌های گویایی از سوی دیگر است. ما کنترل حرکتی دهانی را با استفاده از تکلیف نرخ حرکت متناوب تک‌هجایی (diadochokinetic یا DDK) بررسی کردیم و تفاوت بین فرکانس دوم (F2) و فرکانس اول (F1) را با استفاده از تحلیل مؤلفه‌های اصلی تابعی مطالعه نمودیم. نتایج ما نشان می‌دهد که تولیدهای پالایش‌یافته و غیرپالایش‌یافته در تمام گروه‌های سنی تفاوت معناداری دارند، که نشان می‌دهد کودکان از سن ۳ سالگی قادر به تولید تمایز پالایش هستند، اما ثبات در تولید با افزایش سن بیشتر می‌شود. نتایج همچنین نشان می‌دهد کودکانی که مهارت‌های کنترل حرکتی دهانی بیشتری دارند، بهتر می‌توانند تمایز پالایش را تولید کنند. این نتایج حاکی از آن است که نسبت‌های آناتومیکی کودکان را به سوی کسب زودهنگام ویژگی‌های آکوستیکی پالایش سوق می‌دهد، اما تولید بزرگسال‌مانند تمایز واجی نیز به کسب مهارت‌های کنترل حرکتی دهانی وابسته است.

Context. Automated analysis of sports movements is an important area of modern intelligent computer systems and sports science. In gymnastics, assessing the quality of a performance depends largely on subjective judgment, which limits the accuracy and reproducibility of results. The use of image analysis and artificial intelligence methods opens up the possibility of creating automated systems for recognizing gymnastic elements, but the high dimensionality of visual data complicates the practical implementation of such solutions. This necessitates the search for approaches that increase accuracy and reduce computational complexity.Objective. The purpose of the work is to determine the impact of using the method of main components in combination with deep neural networks on the accuracy, speed and generalization ability of models for classifying gymnastic elements by images.Method. The paper uses an approach that combines the preliminary reduction of the dimensionality of images by the method of main components and subsequent classification using neural networks of different architectures. The study was performed on a set of images of gymnastic elements with preliminary normalization and unification of data. A comparative experimental analysis of models with full and reduced dimensionality of the input space was carried out.Results. The results obtained show that the reduction of dimensionality allows to significantly reduce the computational complexity of models without a significant loss of classification quality. It has been established that the combination of the principal component method with a fully connected neural network provides accuracy comparable to resource-intensive convolutional architectures with significantly lower requirements for computing resources. An optimal balance between preserving the information content of data and noise filtering has been revealed.Conclusions. The scientific novelty of the work lies in the complex experimental substantiation of the effectiveness of the hybrid approach to the classification of gymnastic elements in the compressed feature space. The practical significance of the results lies in the possibility of creating compact and high-speed systems for automated analysis of sports movements, suitable for use in mobile and embedded applications. further work in this direction

زمینه: تحلیل خودکار حرکات ورزشی یکی از حوزه‌های مهم سامانه‌های هوشمند رایانه‌ای و علم ورزش مدرن است. در ژیمناستیک، ارزیابی کیفیت اجرا تا حد زیادی به قضاوت ذهنی وابسته است که این امر دقت و قابلیت تکرار نتایج را محدود می‌کند. استفاده از روش‌های تحلیل تصویر و هوش مصنوعی امکان ایجاد سامانه‌های خودکار برای شناسایی عناصر ژیمناستیکی را فراهم می‌سازد، اما ابعاد بالای داده‌های بصری، پیاده‌سازی عملی چنین راه‌حل‌هایی را پیچیده می‌کند. این امر ضرورت جستجوی رویکردهایی را ایجاب می‌کند که دقت را افزایش داده و پیچیدگی محاسباتی را کاهش دهند. هدف: هدف این پژوهش تعیین تأثیر استفاده از روش مؤلفه‌های اصلی در ترکیب با شبکه‌های عصبی عمیق بر دقت، سرعت و قابلیت تعمیم مدل‌ها برای طبقه‌بندی عناصر ژیمناستیک بر اساس تصاویر است. روش: در این مقاله رویکردی به کار رفته است که کاهش ابعاد اولیه تصاویر با روش مؤلفه‌های اصلی را با طبقه‌بندی پسین با استفاده از شبکه‌های عصبی با معماری‌های مختلف ترکیب می‌کند. مطالعه بر روی مجموعه‌ای از تصاویر عناصر ژیمناستیک با نرمال‌سازی و یکسان‌سازی اولیه داده‌ها انجام شده است. تحلیل تجربی مقایسه‌ای مدل‌ها با فضای ورودی کامل و کاهش‌یافته ابعاد صورت گرفته است. یافته‌ها: نتایج به‌دست‌آمده نشان می‌دهد که کاهش ابعاد به طور معناداری پیچیدگی محاسباتی مدل‌ها را بدون افت قابل توجه کیفیت طبقه‌بندی کاهش می‌دهد. مشخص شد که ترکیب روش مؤلفه‌های اصلی با شبکه عصبی کاملاً متصل، دقتی قابل مقایسه با معماری‌های پیچیده مبتنی بر شبکه عصبی کانولوشنی با نیاز به منابع محاسباتی بسیار کمتر فراهم می‌کند. تعادل بهینه‌ای میان حفظ محتوای اطلاعاتی داده‌ها و پالایش نویز شناسایی شد. نتیجه‌گیری: نوآوری علمی این پژوهش در اثبات تجربی جامع اثربخشی رویکرد ترکیبی برای طبقه‌بندی عناصر ژیمناستیک در فضای ویژگی فشرده نهفته است. اهمیت عملی نتایج در امکان ایجاد سامانه‌های فشرده و پرسرعت برای تحلیل خودکار حرکات ورزشی است که برای استفاده در کاربردهای موبایل و نهفته مناسب می‌باشند. ادامه پژوهش در این زمینه پیشنهاد می‌شود.