به دلیل اینکه قانون اعداد بزرگ تضمین می­ کند که در احتمال^[57]، ریسک تجربی به ریسک مورد انتظار همگرا می­ شود، میتوان به جای حداقل سازی ریسک مورد انتظار، ریسک تجربی را حداقل کرد.این موضوع را می توان تحت عنوان اصل حداقل سازی ریسک تجربی^[58] اینگونه بیان کرد که اگر ریسک تجربی به ریسک واقعی همگرا شود، آنگاه حداقل ریسک تجربی ممکن است به حداقل ریسک واقعی همگرا شود.اگر این همگرایی برقرار نباشد نمی توان هیچ نتیجه ای بر اساس مجموعه داده ها گرفت و گفته می شود که ناسازگاری وجود دارد.
Vapnik و chervonenkis بیان کردند که شرط لازم و کافی برای داشتن سازگاری در اصل حداقل سازی ریسک تجربی، محدود بودن بعد VC فضای H می­باشد.همانطور که قبلا بیان شد بعد VC فضای H (یا بعد VC طبقه بندی کننده  ) یک عدد طبیعی است که بیانگر ماکزیمم تعداد نقاط داده می­باشد که می ­تواند با توجه به تمام حالات ممکن توسط مجموعه توابع  از هم جدا شوند.بعد VC همچنین بیانگر پیچیدگی مجموعه H است و اغلب متناسب با تعداد پارامترهای آزاد طبقه بندی کننده  است]11[.

آنها یک حد بالا برای میزان انحراف ریسک تجربی نسبت به ریسک مورد انتظار بدست آوردند.این حد که دارای احتمال  است، به صورت زیر بیان می­ شود:

(2-4)
که در آن h بعد VC تابع  می باشد.
از این رابطه به طور واضح می­توان فهمید که برای داشتن یک ریسک مورد انتظار کوچک(جهت داشتن قدرت تعمیم خوب)، باید هم ریسک تجربی و هم نسبت بین بعد VC و تعداد نقاط داده کوچک باشد.از آنجا که ریسک تجربی معمولا یک تابع نزولی نسبت به h است می توان نتیجه گرفت که برای تعداد مشخص نقاط داده، یک مقدار بهینه h موجود می­باشد.
انتخاب مناسب h (که در اکثر تکنیک ها توسط تعداد پارامترهای آزاد مدل مربوطه کنترل می­ شود) برای داشتن عملکرد خوب بسیار مهم است مخصوصا زمانی که تعداد نقاط داده کم می­باشند.مثلا وقتی از پرسپترون چندلایه یا شبکه RBF استفاده می­ شود، تعیین بعد VC معادل با مساله پیدا کردن تعداد مناسبی از واحدهای مخفی است که مساله مشکلی است.رابطه بالا بیانگر این است که اصل حداقل سازی ریسک تجربی را می­توان با اصل بهتری جایگزین نمود که در بخش بعدی توضیح داده خواهد شد]11[.
2-8-5-5حداقل سازی ریسک ساختاری^[59]
تکنیک حداقل سازی ریسک ساختاری که توسط vapnik بیان شد تلاش و کوششی جهت مقابله با مسئله انتخاب بهینه بعد VC بود. بطور واضح از معادله(2-4) مشخص است که داشتن مقدار حداقل برای ریسک تجربی لزوما به معنی داشتن یک مقدار حداقل برای ریسک مورد انتظار نیست که این منجر به بیان اصلی تحت عنوان اصل حداقل سازی ریسک ساختاری^[60] شد.این اصل بر این اساس پایه گذاری شد که برای کوچک کردن ریسک مورد انتظار طبق معادله (2-4) باید هم بعد VC و هم ریسک تجربی همزمان حداقل شوند.
نیاز اصلی برای پیاده سازی این اصل، داشتن یک ساختار تو در تو در فضای فرضیه است:

با این خاصیت که  و  بعد VC مجموعه H_n می­باشد.
با توجه به معادله(2-4) باید مسئله زیر حل شود(از قسمت های لگاریتمی صرف نظر شده است):

(2-5)
اگرچه اصل حداقل سازی ریسک ساختاری از نظر ریاضی بسیار واضح است ولی پیاده سازی آن به دلایل زیر دشوار است:
1) محاسبه بعد VC فضای H دشوار بوده و مدل های محدودی وجود دارند که دارای روش مشخصی برای محاسبه بعد VC هستند.
2) حتی با فرض اینکه بتوان بعد VC فضای H را محاسبه کرد، حداقل سازی رابطه (2-5) مشکل خواهد بود.
هدف از بکارگیری الگوریتم SVM، حداقل کردن یک حد برای بعد VC و همچنین حداقل کردن تعداد خطاهای آموزشی بطور همزمان است]11[.
2-8-6 ماشین بردار پشتیبان طبقه بندی کننده خطی با داده های جدا شدنی به طور خطی]9،10،11،12،14[
در این بخش ساده ترین حالت طبقه بندی کننده SVM که SVM خطی با داده های جدا شدنی به طور خطی است را مورد بررسی قرار می­دهیم :
فرض کنید تعدادی از بردارهای ویژگی یا الگوهای آموزشی به صورت  داریم که هر کدام یک بردار ویژگی m بعدی بوده و دارای برچسب  است و  .هدف حل یک مساله دسته بندی دو کلاسه به صورت بهینه است.فرض کنید این دو کلاس را بخواهیم با تابع تمایز f(x) و ابر صفحه H با معادله زیر از هم جدا کنیم :

(2-6)
اگر نمونه های دو کلاس را با نام های مثبت(+1) و منفی(-1) بیان کنیم، میتوان فوق صفحاتی را در نظر گرفت که نمونه های مثبت را از نمونه های منفی جدا کنند.نقاطی که روی این فوق صفحات جداکننده قرار می­گیرند در معادله  صدق می­ کنند که W بردار عمود بر فوق صفحه،  فاصله عمودی از فوق صفحه تا مبدا ،  اندازه اقلیدسی^[61] بردار W و b مقدار بایاس^[62] است .vapnik ثابت کرد که بعد VC برای طبقه بندی کننده هایی از نوع ابر صفحات کانونی دارای یک کران بالاست که این کران بالا با توان دوم نرم بردار وزن یعنی  نسبت مستقیم دارد.در واقع اگر ما  را محدود کرده و مینیمم کنیم، بعد VC طبقه بندی کننده را مینیمم کرده ایم و تخمین ما از مقدار ریسک واقعی به صورت احتمالی دقیق تر بوده و خاصیت تعمیم دسته بندی کننده بیشتر خواهد بود.

رابطه بین خاصیت تعمیم طبقه بندی کننده با  را می­توان به طریق دیگر نیز توجیه کرد.فرض کنید داده های دو کلاس جداپذیر باشند و بردارهای ویژگی مرزی کلاس اول روی ابر صفحه  و بردارهای ویژگی مرزی کلاس دوم روی ابر صفحه  قرار گیرند.ابر صفحات  و  به این صورت تعریف می­شوند :

(2-7)
الگوهایی که بر روی ابر صفحات  و  قرار می­گیرند، بردارهای پـشتیبان نامیده می­شوند.ناحیه بین دو ابرصفحه  و  را ناحیه مرزی^[63] گویند.فاصله بین دو ابرصفحه  و  برابر با  خواهد بود.طراحی ابرصفحه با بیشترین عرض ناحیه مرزی یا ناحیه مرزی بهینه^[64] بر این استوار است که با شرط درست طبقه بندی شدن الگوها، عرض ناحیه مرزی حداکثر شود تا بتواند بهترین تفکیک پذیری را بین دو کلاس داشته باشد.یعنی  ماکزیمم شود و  مینیمم شود.هدف این است که اولا الگوها درست طبقه بندی گردند و ثانیا بر روی و یا خارج از ناحیه مرزی واقع شوند.فرض کنید تمام داده های آموزشی در محدوده زیر قرار گیرند :
(2-8)

ترکیب این دو معادله را میتوان به فرم زیر نوشت :
.
فاصله بین ابرصفحه جداکننده و نزدیک ترین داده اموزشی را حاشیه می­نامیم. بی نهایت ابرصفحه جداکننده می­توانیم داشته باشیم.اما از میان این ابرصفحه های جداکننده باید مناسب­ترین را انتخاب کنیم.طبیعتا آن تفکیک کننده ایی که فاصله را بیشینه کند، ابرصفحه جداکننده بهینه خواهد بود.
برای پیدا کردن ابرصفحه جداکننده بهینه، لازم است صفحه ای که فاصله بین ابرصفحه و نزدیکترین داده ها(نمونه ها) به این ابر صفحه را بیشینه می­ کند، پیدا نمود.فاصله نزدیکترین نمونه برابر است با:
(2-9)

مقدار بیشینه و کمینه مناسب به ترتیب برابر است با 1و 1-.بدین ترتیب معادله بالا به صورت زیر در می آید:

بنابراین مسئله به کمینه کردن  تبدیل می­ شود. پس در واقع طراحی یک طبقه بندی کننده ابرصفحه ای با ناحیه مرزی بهینه به صورت زیر خواهد بود :

(2-10)
واضح است که داریم :  و  .

WC= [ΔCurrent Assets– ΔCash] – [ΔCurrent Liabilities– ΔDebt in Current Liabilities]
WC : اقلام تعهدی عملیاتی جاری
ΔCurrent Assets: تغییر در دارایی های جاری در دوره t نسبت به دوره t-1
ΔCash: تغییر در مانده نقد در دوره t نسبت به دوره t-1
ΔCurrent Liabilities: تغییر در بدهی های جاری در دوره t نسبت به دوره t-1
ΔDebt in Current Liabilities: تغییر در تسهیلات دریافتی جاری در دوره t نسبت به دوره t-1
۲) اقلام تعهدی عملیاتی غیرجاری
اقلام تعهدی عملیاتی غیرجاری بصورت زیر محاسبه می شود(بوبکری،۲۰۱۲).
NCO= [ΔTotal Assets – ΔCurrent Assets– ΔLong Term Investments] – [ΔTotal Liabilities – ΔCurrent Liabilities – ΔLong Term Debt]
NCO: اقلام تعهدی عملیاتی غیرجاری در دوره t نسبت به دوره t-1
ΔTotal Assets : تغییر در کل دارایی ها در دوره t نسبت به دوره t-1
ΔLong Term Investments: تغییر در سرمایه گذاری های بلندمدت در دوره t نسبت به دوره t-1
ΔTotal Liabilities: تغییر در کل بدهی ها در دوره t نسبت به دوره t-1
ΔLong Term Debt : تغییر در تسهیلات دریافتی غیرجاری در دوره t نسبت به دوره t-1
سایر متغیرها قبلا تبیین شده اند.
۳) اقلام تعهدی مالی
اقلام تعهدی مالی بصورت زیر محاسبه می شود(بوبکری،۲۰۱۲).
FIN= [ΔLong Term Investments + ΔShort Term Investments] – [ΔLong Term Debt +ΔDebt in Current Liabilities]
FIN: اقلام تعهدی مالی
ΔShort Term Investments: تغییر در سرمایه گذاری های کوتاه مدت
:ΔDebt in Current Liabilities تغییر در تسهیلات دریافتی جاری
سایر متغیرها قبلا تبیین شده اند.
۳-۸) مدل فرضیات
مدل فرضیه های پژوهش بصورت زیر می باشد.
۳-۸-۱) مدل فرضیه اول
در فرضیه اول پیش بینی شده است که ضریب پایداری اقلام تعهدی سود حسابداری جاری از ضریب پایداری جریان نقدی، کمتر است. مطابق با بوبکری(۲۰۱۲) این نظریه از طریق مدلهای رگرسیونی ۱ و ۲ قابل آزمون است.
مدل(۱)
ROA_it ۱ α_ α_CF _it  α_ AC _it €_{it ۱}
که در آن
ROA: بازده دارایی ها
CF: خالص جریان نقدی
AC: کل اقلام تعهدی
مطابق با ریچاردسون و همکاران(۲۰۰۵) برای تاکید بر این واقعیت که ضریب پایداری اقلام تعهدی از ضریب پایداری جریانات نقدی کمتر است؛ در مدل رگرسیونی فوق CF با ROA-AC جایگزین می شود.

مدل(۲)
ROA_it ۱ β_ β_ROA _it  β_ AC _it €_{it ۱}
به این ترتیب
β_ α_ و β_ α_-α_
بنابراین، β_ اختلاف بین ضریب پایداری اقلام تعهدی با ضریب پایداری جریان نقدی را نشان می دهد و چنانچه منفی باشد، فرضیه اول پژوهش پذیرفته می شود(بوبکری،۲۰۱۲).
۳-۸-۲) مدل فرضیه های دوم تا چهارم
بدلیل اینکه برخی از اجزای اقلام تعهدی با قابلیت اعتماد بالایی اندازه گیری می شوند و برخی دیگر بیشتر متکی به قضاوت های شخصی هستند؛ ممکن است دامنه ضریب پایداری هر یک از اجزای اقلام تعهدی، متفاوت باشد. بنابراین برای آزمون فرضیات دوم، سوم و چهارم از مدل رگرسیونی ذیل استفاده می شود.
مدل(۳)
ROA _{it ۱}  α_  α_ CF _it  α_WC _it  α_ NCO _it  α_ FIN _it €_{it ۱}
که در آن
WC: اقلام تعهدی عملیاتی جاری
NCO: اقلام تعهدی عملیاتی غیرجاری
FIN: اقلام تعهدی مالی
همچنین مشابه با مدل ۲، به جای CF از اختلاف سود و اقلام تعهدی استفاده می شود.
مدل(۴)
ROA _{it ۱} β_ β_ROA_itβ_WC_it  β_NCO _itβ_FIN _it€_{it ۱}
به این ترتیب

دانشگاه تربیت مدرس
دانشکده مدیریت و اقتصاد
پایان نامه دوره کارشناسی ارشد علوم اقتصادی
بررسی تأثیر استقلال بانک مرکزی بر تورم و رشد اقتصادی در کشورهای منتخب
محمد حسنی
استاد راهنما:
دکتر بهرام سحابی
استاد مشاور:
دکتر کاظم یاوری
بهمن ۱۳۹۰

دانشگاه تربیت مدرس
دانشکده مدیریت و اقتصاد
پایان نامه دوره کارشناسی ارشد علوم اقتصادی
بررسی تأثیر استقلال بانک مرکزی بر تورم و رشد اقتصادی در کشورهای منتخب
محمد حسنی
استاد راهنما:
دکتر بهرام سحابی
استاد مشاور:
دکتر کاظم یاوری
بهمن ۱۳۹۰
چکیده
یکی از مسائل مهمی که در سالهای اخیر موضوع مباحثه میان اقتصاددانان بوده است، مقوله استقلال بانک مرکزی و روابط بین آنها با دولتهاست. اعطای استقلال به بانک مرکزی دلایل متعددی دارد ولی آنچه مسلم است، این امر ریشه در این ادعا دارد که «استقلال بانک مرکزی رابطه منفی با نرخ تورم دارد.»
بنابراین در این پژوهش با بهره گرفتن از اطلاعات آماری ۹۲ کشور منتخب از کشورهای در حال توسعه و توسعه یافته در بازه زمانی ۱۹۹۰ تا ۲۰۰۴ ، سعی بر این است که رابطه استقلال بانک مرکزی با تورم و رشد اقتصادی مطالعه شود. روابط موجود بین متغیرها با بهره گرفتن از تخمین زنهای گشتاورهای تعمیم یافته (GMM) تخمین زده میشود. همچنین در ادامه این پژوهش، به بررسی اثرات متقابل و همزمان این سه متغیر بر یکدیگر با بهره گرفتن از رویکرد خود رگرسیون برداری (VAR)، پرداخته میشود.

نتایج این پژوهش با بهره گرفتن از رویکرد گشتاورهای تعمیم یافته نشان میدهد که استقلال بانک مرکزی به صورت جداگانه، بر نرخ تورم تأثیر منفی و بر روی رشد اقتصادی تأثیر مثبت دارد. اما با لحاظ کردن اثرات متقابل و همزمان استقلال بانک مرکزی، تورم و رشد اقتصادی، نتایج حاکی از این است که استقلال بانک مرکزی بر تورم تأثیر منفی و معنیداری دارد؛ اما اثرات این متغیر بر رشد اقتصادی معنیدار نیست.
واژگان کلیدی: استقلال بانک مرکزی، تورم، رشد اقتصادی، گشتاورهای تعمیم یافته (GMM)، متدولوژی VAR
فهرست
فصل اول: کلیات پژوهش ۱
۱- ۱- مقدمه ۲
۱-۲- بیان مسئله و ضرورت انجام پژوهش ۲
۱-۳- اهداف پژوهش ۶
۱-۴- سوالات پژوهش ۶
۱-۵- فرضیات پژوهش ۶
۱-۶- تبیین مدل و روش پژوهش ۷
۱-۷- قلمرو پژوهش ۱۰
۱-۷-۱- قلمرو مکانی ۱۰
۱-۷-۲- قلمرو زمانی ۱۰
۱-۸- تعریف مفاهیم و واژگان اختصاصی ۱۰
۱-۸-۱- بانک مرکزی ۱۰
۱-۸-۲- استقلال بانک مرکزی ۱۰
۱-۸-۳- رشد و توسعه اقتصادی ۱۲
۱-۸-۴- تورم ۱۲
۱-۹- خلاصه فصل ۱۳
فصل دوم: مبانی نظری و پیشینه پژوهش ۱۴
۲-۱- مقدمه ۱۵
۲-۲- تاریخچه ایجاد بانک مرکزی ۱۵
۲-۳- وظایف بانک مرکزی ۱۶
۲-۴- نگاهی گذرا به مقوله استقلال بانک مرکزی ۱۷
۲-۴-۱ تعریف استقلال بانک مرکزی ۱۷
۲-۴-۲- متغیرهای موثر در اندازه‏گیری استقلال بانک‏ مرکزی ۱۸
۲-۴-۳- روند تغییر استقلال بانک مرکزی در دو دهه گذشته ۲۳

شرکتکنندهی ۷، ۸ و ۹ نیز از این نوع ارزشیابی رضایت خوبی داشتند و معتقد بودند، امتحان از نوع مفهومی بوده و نیازی به حفظ کتاب نداشته است. سؤالات واقعاً بازده های یادگیری سطح بالا را میسنجیدند. زیرا از نظر آنها سؤالات تفکربرانگیز بودهاند و مستلزم این بودند که هر یک از دانشآموزان به درک خیلی عمیقی از موضوع میرسیدند تا بتوانند پاسخهایی را به سؤالات ارائه بکنند. از نظر این شرکتکنندگان، چنین ارزشیابیهایی موجب میشود که در درازمدت آنها به عملکردهای خیلی بهتری دست پیدا کنند و از طرفی حتی اگر سر جلسهی امتحان، کتاب هم در اختیار دانشآموزان بود، چنانچه آنها فعالیتهای کلاسی را انجام نمیدادند و به درک عمیقی از موضوع نمیرسیدند، نمیتوانستند به خوبی پاسخ بدهند.
از نظر شرکتکنندهی ۱۰، ۱۲، ۱۳ و ۱۴ سؤالات امتحانی خیلی سخت بودند و تنها یادگیرندگانی قادر بودند به خوبی در این نوع ارزشیابی عمل کنند که مهارتهای شناختی لازم را کسب کرده باشند و آنها را در عمل به کار گیرند و تکالیف کلاسی را هم به خوبی انجام داده باشند. از نظر این شرکتکنندگان، انجام تکالیف بویژه نقشه های مفهومی و جستجوهایی برای نوشتن مقالات که به صورت گروهی انجام میشده در پاسخگویی به سؤالات بسیار موثر واقع شده است. از نظر این شرکتکنندگان ارزشیابی پایانی خود باعث افزایش یادگیری دانشآموزان شده و حتی آنها را ترغیب کرده که در مورد این موضوع بیشتر مطالعه کنند.

از نظر شرکتکنندهی ۱۱ این ارزشیابی باعث میشود که دانشآموزان ارزش بیشتری برای فعالیتهای مشارکتی، کلاسی و به طور کلی تکالیف درسی و مباحثهها ارزش قایل باشند. از نظر این شرکتکننده تنها دانشآموزانی عملکرد خوبی در امتحان دارند که در تکالیف درسی و فعالیتهای مشارکتی خوب عمل کنند و نپندارند که آن بیشتر برای سرگرمی بوده تا برای یادگیری. وی در این زمینه اظهار داشت:
«من خیلی برای امتحان مطالعه نکردم، اما هم فعالیتهای کلاسی و تکالیف را خوب انجام دادم و هم در بحثهای گروهی مشارکت داشتم و به نظرات دوستان گوش میکردم. امروز سرجلسهی امتحان متوجه شدم که آنها در نوشتن جواب سؤالات چقدر به من کمک میکردند. سؤالات خیلی سخت بود و چیزهایی که نه در کتاب بود و نه از نوع شب امتحانی. سؤالات جوری بود که خیلی باید فکر میکردی تا پاسخ بدهی و از طرفی احساس خوشایندی داشت. مثلاً سؤالی که راهکارهایی برای سلامتی قلب اشاره داشت یا سؤالی که باید عملکرد پزشک را ارزیابی میکردی، بسیار جالب و خوب بود. واقعاً من احساس کردم که همین مطالب چقدر میتوانند در عمل به ما کمک بکنند و در زندگی رزمرهی خود از آنها استفاده کنیم و این که تشخیص همهی پزشکها همیشه درست نیست.»
از نظر شرکتکنندهی ۶ و ۷ این روش ارزشیابی دارای نقاط ضعفی هم بود و آن این که تنها مبتنی بر کاغذ و قلم بود. این شرکتکنندگان معتقد بودند که میتوان عملکرد یادگیرندگان را بر حسب مجموعهی کارها مثل فعالیتهای مجازی یا حتی تشریح قلب، نوشتن مقاله، تهیهی گزارش و نظایر آنها به صورت فعالیتهای مشارکتی و فردی باشد. این قسمت بر حسب سؤالات ارزشیابی و عملکرد دانشآموزان باید عینیتر گردد مثلاً در پاسخگویی به سؤال قلب مصنوعی بهتر بود که در این زمینه دانشآموزان مقاله مینوشتند تا این که سؤال امتحانی باشد.
براساس یافته های حاصل از مشاهده دانشآموزان گروه آزمایش نسبت به گروه کنترل در پاسخدهی به سؤالات وقت بیشتری صرف کردند. در گروه آزمایش دانشآموزان برای پاسخگویی تلاش و کوشش بیشتری به خرج میدادند و با بهره گرفتن از مهارتهای تفکر خود به سؤالات پاسخ میدادند. دانشآموزان معمولاً از امتحانات دشوار و بویژه زمانی که آنها برای پاسخگویی باید از دانسته های خود استفاده کنند و براساس تجزیه و تحلیل خود از موضوع پاسخ بدهند از رضایت بیشتری برخوردار هستند تا زمانی که صرفاً میزان یادآوری آنها از مطلب خاصی سنجیده میشود و این در صورتی است که حتی اگر دانشآموزان نمره خوبی از امتحان کسب نکنند. ارزشیابی هر چه به موقعیتهای واقعی و عینی در زندگی روزمره نزدیکتر باشد، دانشآموزان از تمایل بیشتری برای پاسخدهی به سؤالات برخوردار هستند. دانشآموزان به ارزشیابیهای مبتنی بر مجموعهی کارها و ارزشیابی از فرایند رغبت بسیار بیشتری دارند تا این که فقط محدود به یک امتحان باشد.
تسهیلگری
از نظر شرکتکنندهی ۶ و ۷ موفقیت این مدل تنها در ایفای نقش خوب معلم است. چنان چه معلم از لحاظ مهارتهای تسهیلگری به خوبی آماده باشد، اجرای مدل حاضر منجر به نتایج خوبی میگردد. شرکتکنندهی ۶ در این زمینه بیان داشت:
«در برخی از موارد سؤالات کلیدی برای من مطرح شد که وقتی از معلم پرسیدم، او زیرکانه سؤال من را با یکی ۲ سؤال دیگر که به نوعی هدایتکنندهی پاسخ بود، جواب داد و این همان چیزی است که من آن را خیلی دوست دارم و پی بردن به نکات کلیدی که خودم آنها را پیدا میکنم برای من بسیار لذتبخشتر از زمانی است که معلم به من پاسخ بدهد. انصافاً در این روش معلم همان طوری عمل میکرد که من به شخصه آرزوی آن را داشتم.» همچنین شرکتکنندهی ۷ در این زمینه اظهار داشت:
«پسر عموی من در کانادا در مقطع دبیرستان تحصیل میکند، در تابستان گذشته وقتی با او در مورد کلاسها و روش های تدریس و تکالیف صحبت میکردم، عملکرد معلم آنها بسیار برای من جالب بود و با خودم فکر میکردم که چگونه میشود که معلمان در کلاس خیلی صحبت نکنند و در عوض فقط ما را راهنمایی نمایند. وقتی در روش شما ما درس گردش مواد را خواندیم به بسیاری از پاسخ آن سؤالات پیبردم، در جلسهی اول خیلی برای من روشن نبود که معلم چگونه باید عمل کند و ما چگونه باید کار کنیم، اما از جلسهی دوم به بعد دوست داشتم و هنوز هم دارم که همهی درسها را با این روش بخوانم. من سعی کردم از معلم بیشتر نحوهی یادگیری مطالب را یاد بگیرم. نقاشی کردن را خیلی دوست دارم و زمانی که من مطالب را به صورت یک تصویر در میآوردم، بسیار برای من لذتبخش بود که هم درس را خوب یاد میگرفتم و روی آن فکر میکردم و هم آن را به صورت یک تصویر ترسیم میکردم که مورد علاقهی من بود».
از نظر شرکتکنندهی ۸ و ۱۱ نقش معلم در بهبود مهارتهای خودتنظیمی یادگیرندگان بسیار کلیدی بوده است و آنها براساس کمک و تسهیلگری معلم نه تنها نحوهی یادگیری این درس، بلکه برای سایر دروس را نیز یاد گرفتند. مطابق با دیدگاه این شرکتکنندگان، نقش معلم بویژه در تسهیل بحثهای مشارکتی زمانی که گروه در بحث به بنبست میرسید و معلم با طرح سؤالات و نکات کلیدی به دانشآموزان کمک میکرد تا بحث را ادامه دهند و به پاسخ برسند، بسیار راهگشا بوده است.
از نظر شرکتکنندهی ۹ و ۱۲ در این مدل بیشتر خود یادگیرندگان هستند که کلاس را اداره میکنند و معلم تنها در هنگام نیاز آنها را راهنمایی میکرد. مطابق با دیدگاه این شرکتکنندگان، اثربخشی روش حاضر بیشتر منوط به مشارکت دانشآموزان در بحثها، انجام تکالیف یادگیری و دسترسی به منابع و امکانات لازم برای یادگیری بیشتر است و معلم بیشتر نقش یک رهبر دارد که در هنگام نیاز به دانشآموزان کمک کند و مثل روش های قبلی چندان نقش آموزش دهندهی مستقیم ایفاء نمیکند.
از نظر شرکتکنندهی ۱۰ مدل حاضر تنها زمانی میتواند موفق عمل کند که معلم هم بدان علاقمند باشد و هم بسیار توانمند و خلاق باشد و بداند که در موقعیتهای مختلف چگونه به دانشآموزان کمک کند که آنها خود به خلق معنا برسند نه این که پاسخ مستقیم را به دانشآموزان بدهد. از نظر این شرکتکننده، اگر معلم نبود، شاید او به خوبی نمیتوانست، نحوهی گردش خون را یاد بگیرد. وی معتقد است «معلم چگونگی ترسیم چارت جریانی را به من آموخت و من یاد گرفتم که چگونه یک جریان را از نقطهی شروع تا پایان ترسیم کنم و براساس این کمک معلم من نحوهی گردش خون در بدن را به صورت یک نمودار با بهره گرفتن از خطوطی خیلی ساده نشان دادم و خیلی خوب براساس آن توانستم، تصویر کتاب را برای خود معنا کنم».
از نظر شرکتکنندهی ۱۳ و ۱۴ نقش معلم در مدل حاضر بویژه در کمک به دانشآموزان و گروه های ضعیف کلیدی است. از نظر این شرکتکنندگان این مدل باعث شد تا زمینه و بستری فراهم گردد که معلم بیشتر بتواند به دانشآموزان و گروه های ضعیف کمک بکند. از نظر این شرکتکنندگان آموزش به کارگیری مهارتهای شناختی، فراشناختی و به طور کلی خودتنظیمی باعث شد تا عملکرد دانشآموزان هم در این درس و هم در سایر دروس افزایش پیدا بکند و همچنین بحثهای گروهی آن پربارتر گردد. بویژه زمانی که گروه تنها روی یک جنبه از موضوع متمرکز شده بود و چندان به جنبه های دیگر توجهی نداشتند که با اشاره یا طرح سؤال معلم، گروه با دقت بیشتری روی موضوع متمرکز میگردید.
براساس یافته های حاصل از مشاهده، نقش معلم در کمک به یادگیرندگان بویژه از لحاظ به کارگیری مهارتهای شناختی و فراشناختی با استقبال دانشآموزان همراه بود و این مستلزم آن بود که معلم از مهارت ایجاد تکیهگاهسازی به خوبی برخوردار باشد. نقش تسهیلکنندگی معلم از لحظهی درگیرسازی شروع و تا ارزشیابی و خلق معنای یادگیرندگان ادامه داشت. در شروع جلسات و مراحل اولیهی مدل معلم مستلزم نقش تسهیلکنندگی بیشتری نسبت به زمانی بود که در مراحل نهایی مدل از جمله ارزشیابی داشت. اوج نقش تسهیلکنندگی معلم در انجام تکالیف و فعالیتهای مشارکتی است تا یادگیرندگان به درک درست و عمیقی از موضوع برسند. براساس مشاهده، معلم در انتقال منبع کنترل دانشآموزان از بیرون به درون میتواند نقش موثری ایفاء کند. در بسیاری از تکالیف بویژه آنهایی که از سطح دشواری بیشتر برخوردار بودند، معلم با دادن پیامهای مثبت و تأکید بر تلاش و کوشش بیشتر باعث میشد تا آنها به پاسخ دست یابند یا حداقل به آن نزدیکتر گردند.
خلق معنا
از نظر شرکتکنندهی ۶ و ۷ چیزی که خیلی مهم است، این است که مدل حاضر به دانش و تجارب پیشین یادگیرنده نیز توجه کرده و سعی میکند تا بستری فراهم آورد که دانشآموزان درس جدید را براساس آموختههای قبلی خود به کار گیرند. از نظر این شرکتکنندگان به کارگیری راهبردهای شناختی بویژه نقشه مفهومیها، تهیهی گزارش از فعالیتهای آزمایشگاهی، تهیهی مقاله و حتی نوشتن سؤالات بسیار موثر بوده است و از همه مهمتر این است که این فعالیتها به صورت مشارکتی انجام شد و این باعث میگردید تا اعضای گروه از یکدیگر یاد بگیرند. از نظر این مشارکتکنندگان چنان چه در مدل حاضر به فعالیتهای مبتنی بر رایانه بیشتر توجه میشد، یادگیرندگان میتوانستند به خلق معناهای غنیتری دست پیدا کنند. زیرا رایانه امکان تکرار فعالیتهای آزمایشگاهی را با برجستهسازی جزئیات بیشتری فراهم میآورد که این در فعالیتهای آزمایشگاهی واقعی، اگر معلم سؤالات یا اشارههای کلیدی نداشت، خیلی نمیتوانست موفق باشد.
از نظر شرکتکنندهی ۸، ۹ و ۱۱ طرح سؤالات عمیق، بحثهای گروهی، نقشه های مفهومی و تهیهی گزارش از کارهای انجام شده و همچنین دسترسی به موقع به منابع باعث شده تا آنها به درک و فهم عمیقی از موضوع دست پیدا کنند. مطابق با نظر این شرکتکنندگان در مدل حاضر، هم زمینه و بستری فراهم بود که دانشآموزان موضوع را از دیدگاه های مختلف مورد بررسی قرار دهند و به درک عمیقی از موضوع دست پیدا کنند و هم باید فعالیتها و تکالیفی انجام میدادند که مستلزم کسب درک و فهم عمیق از موضوع و به کارگیری آنها در موقعیت عمل بود و این باعث میشد تا هر یک از شرکتکنندگان یادگیری خود را بر اساس به کارگیری درک و فهم خود از موضوع در عمل بسازند و به خلق معنایی از موضوع دست پیدا کنند. شرکتکنندهی ۸ از این لحاظ اظهار داشت:
«آن چه برای من در این روش خیلی خوب بود، انجام تکالیف درسی به ویژه آنهایی که به صورت گروهی بود، ما باید تکالیف را انجام میدادیم و برای این که آنها را با کیفیت بهتری انجام میدادیم هم منابع در اختیار ما قرار داشت، هم اعضای گروه و بعضاً با گروه های دیگر در رابطه با انجام تکالیف مشورت میکردیم و هم در هنگام نیاز معلم ما را هدایت میکرد و این در درک و فهم ما از موضوع بسیار موثر بود».
از نظر شرکتکنندهی ۱۰ و ۱۲ انجام تکالیف و کارهای مشارکتی کمک شایانی به آنها در رسیدن به درک و فهم عمیق از موضوع کرده است. از نظر این شرکتکنندهها وجود منابع برای انجام تکالیف بسیار مهم تلقی میشود. گرچه آنها معتقد بودند که منابع میتوانست بیشتر از این هم باشد. مثلاً به آزمایشگاههای مجازی، بیشتر توجه میشد که دانشآموزان بتوانند فرضیه های خود را براساس آنها آزمایش کنند. از نظر این شرکتکنندگان تکالیف واقعی در عمل مثل تشریح قلب باعث گردید که آنها نسبت به موضوع به درک و فهم نسبتاً عمیقتری دست پیدا کنند و در عین حال از یادگیری خود لذت ببرند. از نظر این شرکتکنندگان روشهایی که دانشآموزان باید یادگیری خود را نشان میدادند مثل نقشهی مفهومی، تهیهی گزارش باعث میشد تا دانشآموزان بیشتر از موضوع یاد بگیرند. زیرا برای تهیهی آنها مجبور بودند که در گروه به بحث و مشورت بپردازند و در رابطه با محتوا و نحوهی تهیهی آنها تصمیمگیری نمایند که این کار خود باعث یادگیری بیشتر و درک بهتر از موضوع میگردید.
از نظر شرکتکنندهی ۱۳ و ۱۴ مدل یادگیری زایشی به دانشآموزان و گروه های ضعیف کمک شایانی میکند. به ویژه به کارگیری راهبردهای شناختی که باعث درک بهتر موضوع میگردد. از نظر این شرکتکنندگان از جمله مشکلاتی که دانشآموزان با آن روبرو هستند، عدم استفاده از آموختههای گذشته است، اما در مدل حاضر طی بحثهای گروهی، تهیه نقشهی مفهومی، گزارشها و بویژه پاسخگویی به سؤالات باعث میگردید تا یادگیرندگان به خوبی از دانش موجود خود در رابطه با موضوع و هر چیزی که در این رابطه میدانستند یا تجربه داشتند، استفاده نمایند و تکلیف مورد نظر را انجام دهند که این کار باعث میشد که هم دانشآموزان به درک و فهم عمیقی از موضوع دست یابند و هم این کار برای آنها لذتبخش باشد. از نظر این شرکتکنندگان بهتر است برای انجام تکالیف گروه های ضعیفتر هم به منابع بیشتری دسترسی داشته باشند و هم بیشتر از حمایتهای معلم برخوردار باشند تا همانند گروه های قویتر، آنها نیز بتوانند به سطح مطلوبی از خلق معنا دست یابند. از نظر این شرکتکنندگان، مدل حاضر بیش از روش های گذشته به یادگیری و خلق معنای دانشآموزان ضعیف توجه دارد و به آنها کمک میکند تا به سطح قابل قبولی از درک و فهم نسبت به موضوع و خلق معنا برسند.
براساس یافته های حاصل از مشاهده، گروه ها از راهبردهای شناختی و فراشناختی به خوبی به صورت مشارکتی در انجام فعالیتهای یادگیری استفاده میکردند و این کار را با لذت انجام میدادند. آن چه که بیشتر در این مدل مشاهده گردید، نقش فعال یادگیرندگان طی فرایند یاددهی- یادگیری بود. آنها از ابتدا یعنی طرح مسأله و سؤال به عنوان درگیرسازی شناختی به نوعی به زایش و خلق معنا میپرداختند تا مرحلهی ارزشیابی. با این تفاوت که معناهای آنها در مراحل اولیه خیلی سطحی و محدود بود و با روبرو شدن با انجام تکالیف مختلف و متنوع و اخذ بازخورد به اوج خود میرسید و به یک درک کاملاً عمیق از موضوع میرسیدند و زایش و خلق معنای آنها در این مرحله با مرحله ابتدایی بسیار متفاوت بود. چیز دیگری که از لحاظ خلق معنای یادگیرندگان بسیار مهم و مشهود بود، این که آنها به صورت مشارکتی بهتر از فردی به خلق معنا میرسیدند و این در حالی است که در نظریهی یادگیری زایشی اولیهی ویتراک بدان اشارهای نشده بود. نکتهی مهم دیگری که در خلق معنای یادگیرندگان بسیار مهم است و معلمان باید به آن توجه کامل داشته باشند، انتظار معلم از سطح عملکرد یادگیرندگان است. زمانی که معلم انتظار داشت یادگیرندگان به درک عمیقی از موضوع برسند و بتوانند یک معنای نستباً جامع خلق کنند، تکلیف را تعریف میکرد یا سؤالاتی را میپرسید که میزان و نوع خلق معنای یادگیرندگان به اوج میرسید. مثلاً زمانی که از آنها خواست تا نوع گردش مواد جانوران را با گیاهان مقایسه کنند و وجود تفاوتها را شرح دهند و با استدلال و برهان بیان دارند که خداوند در هر یک از آنها بهترین نوع و سیستم گردش مواد را به کار گرفته است. یا چرا قلب انسان دارای ۴ حفره است؟ مزایا و معایب آن چیست؟ در چنین مواقعی بود که میزان خلق معنا به اوج خود میرسید. زیرا یادگیرندگان مجبور بودند از تمام ظرفیتهای خود اعم از راهبردهای شناختی و فراشناختی مثل مدیریت زمان، استفاده از راهبردهای سازماندهی و ادغام یادگیری خود برای رسیدن به پاسخ به صورت گروهی و مشارکتی تلاش کنند. بنابراین خلق معنای یادگیرندگان و میزان جامعیت آن تا حد زیادی تحت تأثیر انتظارات معلم از آنها و طراحی و تکالیف و فعالیتها قرار دارد که مبتنی بر بازده های یادگیری هستند. هر فعالیت، تدریس و طراحی آموزشی زمانی زایشی تلقی میگردد که یادگیرندگان نقش فعالی در خلق معنای آن داشته باشند و دوم میزان، نوع و کیفیت خلق معنا تحت تأثیر سطح بازده های یادگیری مورد انتظار از نظر معلم یا طراح آموزش است. یا این که در آزمون از آنها خواسته شد تا به عنوان یک مهندس پزشکی اگر بخواهند یک قلب مصنوعی بسازند، چه نکاتی را باید مدنظر قرار بدهند. از جمله عوامل دیگر موثر بر خلق معنا، نوع ارزشیابی معلم است که اگر از نوعی باشد که یادگیری عمیق و بازده های سطح بالا را بسنجد، دانشآموزان در طی فرایند یادگیری از ظرفیتهای خود بیشتر استفاده کرده و سعی میکنند به خلق معنای نسبتاً جامعتری دست یابند.
بخش سوم تحقیق کمی: یافته های حاصل از پژوهش آزمایشی
الف) جدول ‏۴-۴. اطلاعات آمار توصیفی در مورد گروه های کنترل و آزمایش

۲-۵) نحوه ی پوشش شبکه ی حسگر بی سیم ویدئویی و تفاوت آن با شبکه های حسگر سنتی:
با پیشرفتهای اخیر در تکنولوژی سیستمهای میکرو الکترومکانیکی و ارتباطات بی سیم و الکترونیک دیجیتال، طراحی و ایجاد گره‏های حسگر کم هزینه، کم مصرف و چندکاره که اندازه کوچک و بازهی ارتباطی محدودی دارند، امکا‏ن‏پذیر گردیده است. از سوی دیگر، قابلیت‏های رو به رشد این گره‏های حسگر ریز (از جمله حسکردن، پردازش داده‏ها و ارتباط)، امکان ایجاد شبکههای حسگر بی سیم که مبتنی بر همکاری تعداد زیادی گره حسگر هستند را محقق می‏سازد. در شبکه‏های حسگر سنتی، حسگرها، داده‏های عددی نظیر رطوبت، دما، فشار و غیره را بصورت خام، از پدید‏ههای اطراف خود که در بازهی حسگری آنها قرار دارند، جمع آوری می‏کردند؛ لیکن از زمانی که دوربینهای ارزان با قابلیتهای تفکیک‏پذیری کم (و یا متوسط) در حسگرهای بی سیم جاسازی شدند، امکان دریافت داده‏های بصری نیز از محیط میسر گردیده و مرکز توجه جدیدی برای کاربردهای این شبکه‏ها ایجاد شده است. ویژگی منحصر به فرد حسگرهای مجهز به دوربین‏های ویدیویی، تصویربرداری از یک هدف یا قسمتی از یک منطقه است که الزاما در نزدیکی دوربین واقع نیستند؛ یعنی دوربینها قادرند تصاویر اشیایی که با آن ها فاصله داشته و در عمق دیدشان قرار دارند، ضبط کنند. برای ایجاد شبکه‏های حسگر بی‏سیم مبتنی بر ویدئو یا شبکه‏های حسگر بصری، باید تحقیقات جدیدی صورت گیرد؛ چرا که بسیاری از الگوریتم‏ها، ساختارها و راه‏حلهای محاسباتی شبکه‏های حسگر بی‏سیم سنتی، برای چنین سناریوهای ارتباطی ویژه‏، غیرممکن و یا حداقل غیرکارآ هستند. به عنوان مثال حجم داده‏ها، پهنای باند مورد نیاز، مصرف انرژی، نیاز به قابلیتهای محاسباتی و ذخیره‏سازی و امثال آن در چنین شبکه‏هایی، بسیار بیشتر از شبکه‏های حسگر سنتی است. در شبکه‏های حسگر ویدیویی، موقعیت حسگرها و فاصله آنها از هدف، منطقه و زاویه مورد نظر، منجر به ایجاد تصاویر گوناگونی خواهد شد که زوایای مختلف و درجه وضوحهای متفاوتی دارند؛ لیکن جمع آوری همه این تصاویر، رویکردی کارآ از لحاظ انرژی و توان نیست؛ از سوی دیگر، احتیاج به پوشش ممتد در منطقه، هدف و زاویه مورد نظر، یکی از اساسی‏ترین نیازهایی است که باید در چنین شبکه‏هایی مورد توجه قرار گیرد. لذا، با توجه به این موضوع و با توجه به پخش تصادفی گره‏های حسگر در منطقه، محدویت انرژی حسگرها و امکان وجود موانعی بر سر راه این حسگرها برای دیده‏بانی، پوشش منطقه، هدف و زاویه باید به گونه‏ای کارآ صورت پذیرد تا بتوان با کمترین تعداد حسگرها منطقه، هدف و زوایه مورد نظر را مانیتور کرد. به علاوه، پوشش در شبکه‏های حسگر ویدئویی موضوعاتی چون جهت‏داری، میدان دید، راستای دید و مشاهده پویا، را مطرح می‏کند که اساسا در شبکه‏های حسگر بی‏سیم سنتی وجود نداشته‏اند؛ یعنی در شبکه‏های حسگر ویدیویی، حسگرها اطلاعات را متناسب با جهت‏شان جمع آوری می‏کنند، تغییر در جهت باعث تغییر در میدان دید می‏شود، وجود مانع میان حسگر و تصویر، چالشهایی را در زمینه پوشش شبکه ایجاد می‏کند و حسگرها قادرند روی تصویر زوم کنند و در نتیجه میدان دیدشان را تغییر دهند ]۱۴[.

همانطور که در شکل ۲-۱۱ ملاحظه می فرمایید زاویه ی دید فضا در شبکه های حسگر ویدئویی متفاوت از شبکه های حسگر سنتی است که اغلب به صورت یک دیسک با شعاع سنجش (R_S) فضا را مشاهده و مورد سنجش قرار می دهند.
شکل ۲-۱۱: مدل پوشش شبکه های حسگر ویدئویی ]۱۴[
۲-۶) نتیجه گیری فصل دوم:
در این فصل به مفهوم کلی پوشش و دسته بندی هایی که برای آنها در نظر گرفته شده بود، پرداختیم و هر کدام از دسته بندی ها را به صورت مختصر توضیح دادیم.
همان طور که در ابتدای این فصل گفته شد، پوشش به چگونگی مشاهده ی فیزیکی فضا توسط حسگرها اطلاق می شود که بسته به نیاز و هزینه ای که می خواهیم انجام دهیم دسته بندی های گوناگونی معرفی شدند که هر یک خواص مخصوص به خود را داشتند. همچنین در این فصل به مفهوم اتصال و تفاوت آن با پوشش پرداختیم.
با عنایت به موارد گفته شده، حال باید بررسی ای درباره ی پایداری طول عمر شبکه با توجه به تعداد گره های حسگر و انرژی مصرفی آنها و نحوه ی استقرارشان انجام دهیم. این امر مستلزم آن است که به معرفی برخی مفاهیم تازه بپردازیم و با بهره گرفتن از آن مفاهیم، روش های نحوه ی قرارگیری و حرکت گره ها و آرایش آنها در محیط برای به دست آوردن پوشش مناسب با در نظر گرفتن مصرف توان کمتر برسیم.
در فصل بعدی به این مقوله ها پرداخته خواهد شد.
فصل سوم: مفاهیم مربوط به انرژی و حرکت در مبحث پوشش شبکه حسگر بی سیم
در این فصل بررسی انرژی در مبحث پوشش و دیاگرام های مناسب برای تحلیل پوشش و پوشش K-تایی^[۱۹] و نحوه ی تحرک حسگرها برای بالا بردن کیفیت پوشش و اهمیت حرکت شناسی گره های شبکه و نحوه ی استقرار حسگرها مورد تحلیل قرار می گیرد.
۳-۱) بررسی انرژی در پوشش شبکه های حسگر بی سیم:
گره های حسگر گروهی از گره های کم هزینه و کم قدرت هستند که در پردازش و ارتباط بی سیم از یک فاصله برد کوتاه با هم کار می کنند. اگر چه این گره ها دارای انرژی مصرفی پایینی هستند اما باید نحوه ی کارشان را به گونه ای تنظیم کرد که طول عمر شبکه را به نحو احسن بالا ببریم. این مورد را هم باید مدنظر بگیریم که طول عمر باتری های مورد استفاده در حسگرها نیز محدود است و استفاده ی بهینه از این انرژی، خود هنری در استفاده از این شبکه می باشد ]۱[ و ]۱۵[.
بررسی پوشش در شبکه های حسگر بی سیم برای تعیین کیفیت سرویس (QoS) ^[۲۰] شبکه استفاده می شود. شبکه های حسگر بی سیم، همزمان نظارت و گزارش را انجام می دهند. نظارت بر ترافیک شبکه، به عنوان یکی از برنامه های کاربردی شبکه های حسگر تعریف می شوند. باید توجه داشته باشیم که گره های حسگر در مواردی مانند شعاع حسی و مخابراتی دارای محدودیت می باشند و این محدودیت ها را باید با توجه به محدودیت باتری حسگرها تفسیر کرد. با عنایت به موارد گفته شده، حسگرها نباید بیش از حد به هم نزدیک شوند چون نزدیکی بیش از حد حسگرها به یکدیگر باعث می شود در مبحث پوشش حسی محیط، دارای همپوشانی بیش از حد شویم که به این معناست که ما داریم انرژی گره ها را بیش از حد هدر می دهیم ]۱۵[.
در شکل ۳-۱ مشاهده می کنیم که نحوه ی استقرار نامناسب حسگرها در یک مساحت خاص، باعث همپوشانی بیش از حد نواحی حسی شده است. همچنین گره های حسگر نباید بیش از حد از یکدیگر دور باشند. دوری بیش از حد گره ها از هم مشکل حفره ی پوشش ( عدم پوشش ) را به وجود می آورد ]۱۵[.
شکل ۳-۱: همپوشانی بیش از حد نواحی حسی گره های مختلف
شکل ۳-۲: عدم پوشش مناسب و ایجاد حفره ی پوششی به علت استقرار نامناسب گره ها
در شکل ۳-۲ نواحی پوشش داده نشده در ناحیه ی مورد نظر به علت استقرار نامناسب گره های حسگر توسط علامت های ضربدر مشخص شده است.
استراتژی های بررسی شده برای تعامل بین انرژی و پوشش به سه دسته تقسیم بندی می شوند:
۱ – بر پایه ی قدرت^[۲۱] ۲ – بر پایه ی شبکه ی توری^[۲۲] ۳ – بر پایه ی رویکرد مبتنی بر هندسه ی محاسباتی^[۲۳] ]۱۵[
قبل از شرح موارد فوق باید بدانیم که هدف به حداکثر رساندن درصد مساحت تحت پوشش یک حسگر به مساحت کل منطقه مورد نظر (ROI) ^[۲۴] است به نحوی که حفره های پوشش را به حداقل برسانیم ]۱۵[.
در تعریف هدفی که انجام دادیم، مشکلاتی پیش رو داریم:
۱ – کوچک بودن ROI 2 – شعاع سنجش محدود ۳ – استقرار تصادفی
کوچک بودن ROI رابطه مستقیمی با شعاع سنجش محدود دارد. اگر ما بخواهیم شعاع حسی حسگر را افزایش بدهیم، باید انرژی بیشتری از باتری بگیریم که این امر هزینه بر دار است که ممکن است به کاهش طول عمر شبکه منجر شود. در رابطه با مشکل استقرار تصادفی، می توان با کمک الگوریتم های استقرار، مشکل پوشش را تا حدی مرتفع کرد ]۱۵[.
طرح مسئله:
اگر N حسگر داشته باشیم که در مجموعه ی S بگنجد به طوری که S = {S₁ , S₂ , … , S_N} و ROI تعریف شده مدنظر باشد، مشکل این است که با توجه به ROI، چگونه حسگرها را قرار دهیم که پوشش مناسب با کمترین حفره های پوشش به دست آید ]۱۵[.
اکنون با طرح مسئله ای که انجام دادیم می توانیم درباره ی هر سه استراتژی ای که مطرح کردیم به طور مفصل صحبت کنیم.
۳-۱-۱) استراتژی بر پایه ی قدرت برای تعامل بین انرژی و پوشش:
هدف از این استراتژی استفاده از نیروی جاذبه و دافعه به منظور تعیین موقعیت بهینه ی استقرار حسگرهاست. گره ها نیروی جاذبه و دافعه دارند و بعد از مدتی به نقطه ی تعادل می رسند. با توجه به ROI، نیروی جاذبه ی حسگرها تا زمانی که حسگرها به تعادل برسند، باعث کاهش انرژی حسگرها می شوند. الگوریتم نیروی مجازی (VFA) ^[۲۵] حرکت فیزیکی حسگرها را شبیه سازی می کند ]۱۵[.
الگوریتم VFA:
مبتنی بر نیروی جاذبه و دافعه ی حسگرهاست. به این معنی که هر زمان بیش از حد به هم نزدیک شوند، نیروی دافعه و وقتی بیش از حد از هم دور باشند، نیروی جاذبه به وجود می آید و وقتی الگوریتم متوقف می شود که حسگرها به حالت تعادل برسند ]۱۵[.
۳-۱-۲) استراتژی بر پایه ی شبکه توری برای تعامل بین انرژی و پوشش:
سه نوع شبکه توری وجود دارد: شبکه بندی مثلثی، مربعی و شش ضلعی ]۱۵[.
شکل ۳-۳: انواع شبکه های توری (الف) مثلثی (ب) مربعی (ج) شش ضلعی ]۱۵[
شبکه بندی مثلثی بهترین نوع در بین شبکه بندی های توری است، چون کمترین تداخل را دارد و همچنین حداقل حسگرها را نیز نیاز دارد. شبکه بندی مربعی هم وضع خوبی دارد اما شبکه بندی شش ضلعی بدترین نوع در بین شبکه بندی های توری است که بیشترین تداخل را دارد. اندازه ی شبکه ی توری نیز نقش مهمی دارد و این امر بر اساس تراکم گره های حسگر و همچنین کمتر کردن حفره های پوشش است ]۱۵[.
۳-۱-۳) استراتژی بر پایه ی رویکرد مبتنی بر هندسه ی محاسباتی برای تعامل بین انرژی و پوشش:
بر اساس بهینه سازی پوشش انجام می شود که ابزارهایش دیاگرام های وارونی و مثلث دلانی است ]۱۵[.
دیاگرام وارونی:
دیاگرام وارونی بر اساس تحرک حسگرهاست، به صورتی که حسگرها ابتدا به صورت تصادفی مستقر می شوند و سپس تصمیم گیری می شود که آیا نیاز به تحرک حسگر برای پوشش مناسب هست یا نیست؟
شکل ۳-۴: نمودار وارونی ]۱۵[
شکل۳-۵: نمودار وارونی برای استقرار تصادفی ۱۰۰ گره
در نواحی ای که تراکم حسگرها زیاد باشد، مساحت چند ضلعی های وارونی کمتر می باشد و در نواحی ای که تراکم حسگرها کم باشد، مساحت چند ضلعی های وارونی بیشتر می باشد.
با توجه به شکل دیاگرام وارونی که از استقرار حسگرها به دست می آید، می توان برای حرکت حسگرها برنامه ریزی کرد و الگوریتم مناسب برای استقرار را ارائه داد. در شکل ۳-۵ مباحث ذکر شده برای استقرار ۱۰۰ گره با استقرار تصادفی به خوبی قابل مشاهده می باشد.
مثلث دلانی:
در ریاضیات و هندسه‌ی محاسباتی، یک مثلث‌بندی دلانی برای یک مجموعه از نقاط به نام P در یک صفحه، یک مثلث‌بندی به نام DT(P) است به نحوی که هیچ یک از نقاط P درون هیچ‌یک از دایره‌های محیطی مثلثهای DT(P) نباشد. این مثلث‌بندی کمینه‌ی زاویه‌های مثلث ها را به بیشترین مقدار ممکن می‌رساند و به این ترتیب از به وجود آمدن مثلث‌های باریک جلوگیری می‌کند ]۱۶[. در مثلث بندی دلانی، گره هایی که دیاگرام وارونی آن ها کنار هم قرار گرفته باشند به هم متصل می شوند. از معایب این روش این است که ساخت ﺩﻻﻧﯽ لینک های بسیار طولانی ایجاد می​کند که طولانی تر از حداکثر برد فرستنده ‌هستند.