چکیده: کارکردهای متعدد و متنوع فناوری اطلاعات و ارتباطات تمامی سازمان ها و از جمله نظام آموزشی را دچار تغییر و تحولات اساسی کرده اند؛ اما به نظر می رسد آن چنان که شایسته است فناوری اطلاعات و ارتباطات در نظام آموزشی مورد استفاده معلمان قرار نمی گیرد، از این رو هدف پژوهش توصیفی حاضر، شناسایی و رتبه بندی موانع موثر بر عدم استفاده معلمان از فناوری اطلاعات و ارتباطات (فاوا) بوده است که جهت تحقق این امر، پرسش نامه محقق ساخته ای میان معلمان دبیرستان های شهر تهران توزیع و داده های گردآوری شده با استفاده از آزمون های تی و فریدمن تحلیل شدند، نتایج حاکی از آن است که مهم ترین موانع عدم استفاده از فناوری اطلاعات و ارتباطات توسط معلمان، عوامل زیرساختی - فنی، فردی، اقتصادی و فرهنگی - آموزشی بوده اند که متناسب با هر یک پیشنهادهایی ارایه شده است.

کارایی شبکه عصبی مصنوعی وابسته به وزن اتصالات بین نرون های آن است که از طریقالگوریتم های آموزش شبکه تعیین می شوند. در این مقاله، ما الگوریتم خفاش اصلاح شده(MBA) را جهت محاسبه مقدار بهینه وزن های شبکه عصبی مصنوعی پیشنهاد می دهیم. الگوریتمخفاش (BA) یک الگوریتم بهینه سازی الهام گرفته از طبیعت است که به علت برقراری تعادلیمناسب بین نرخ همگرایی و قدرت اکتشاف، عملکرد نسبتاً خوبی در حل مسائل بهینه سازی از خودنشان داده است. MBA با تغییراتی در تولید جمعیت اولیه BA بدست می آید که باعث می شودقابلیت جستجوی سراسری در الگوریتم بصورت موثری افزایش یابد. جهت ارزیابی، عملکردالگوریتم BA, MBA و الگوریتم مبتنی بر گرادیان لونبرگ مارکارد را در آموزش شبکه عصبیبا آزمایشاتی بر روی دو مجموعه داده محک شناخته شده خانه بوستون (Boston Housing) وفریدمن (Friedman) بررسی کرده ایم. نتایج نشان داده است که بطور کلی MBA در مقایسه باالگوریتم BA از کارایی بهتری برخوردار می باشد؛ همچنین، دو الگوریتم MBA و BA نسبت بهالگوریتم مبتنی بر گرادیان لونبرگ مارکارد دارای قابلیت تعمیم بهتری در مجموعه داده خانهبوستون می باشند.