بلیست و مک کرات (۱۹۹۶) در پژوهشی به بررسی رابطه بین خلاقیت و مهارتهای حل مسئله در افراد بزرگسال پرداخته اند .آنها در این تحقیق در صدد بودند که ببینند آیا پرورش خلاقیت وپرورش حل مسئله مکمل یکدیگرند ؟ این تحقیق برروی ۷۴۴ دانشجوی ۵۵-۱۷ ساله انجام یافت . محققان آزمودنیها را به ۴ دسته تقسیم کرده . برای گروه اول خلاقیت ،گروه دوم حل مسئله و برای گروه سوم هر دو مهارت خلاقیت و حل مسئله را آموزش دادند . و گروه چهارم هیچ آموزشی دریافت نکرد . نتایج تحقیق نشان داد که این دو مهارت مکمل یکدیگر هستند و گروهی که هر دو مهارت خلاقیت و حل مسئله را آموزش دیده اند .هر دومهارت را به دست آورده اند . ولی گروه های دیگر به این صورت نبود.
( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

چیاپتا وراسل دریافتند که دانش آموزان کلاس ۸ (سوم راهنمایی ) که با روش حل مسئله ( روش فعال) آموزش دیده بودند نسبت به دانش آموزان گروه شاهد از پیشرفت بالاتری برخوردار شدند. ( نقل از فتحی آذر ۱۳۸۲)
پیتر ایدز و همکارانش (۲۰۰۴) با مطالعه ای که بر روی ۶۵۰ دانش آموز مقطع دوم دبیرستانی مدارس بریتانیا با بهره گرفتن از پرسشنامه بهر هیجانی – بار – اون انجام دادند ،به این نتیجه رسیدند که دانش آموزانی که از هوش هیجانی بالایی برخوردارند به ندرت نمرات تحصیلی آنها پایین تر از نمره قبولی است وحتی بازماندن از تحصیل از این هم نادرتر است.
بار – اون (۱۹۹۹) پرسشنامه بهر هیجانی را روی ۴۷۰ دانش آموز با معدل بالا انجام دادند و دریافتند که آنهایی که میانگین بهر هیجانی بالایی دارند، توانایی بالایی در کنار آمدن با فشارهای روزمره دارند.
کمبرلی (۲۰۰۳) مطالعه ای روی تعدادی از دانشجویان مقطع لیسانس رشته روانشناسی که نمره پایانی آنها ملاک این بررسی بود جهت رسیدن به این هدف که آیا هوش هیجانی کمکی به پیش بینی پیشرفت تحصیلی می کند انجام داد به این نتیجه رسید که فقط برخی از مقیاس های هوش هیجانی می توانند پیشرفت تحصیلی را پیش بینی کنند.
پول در مقاله ای (۱۹۹۷، به نقل از حدادی کوهسار ۱۳۸۳) بیان کرد که هوش هیجانی ، یک عامل پیش بینی کننده مقوی برای موفقیت تحصیلی و شغلی است.
آماندا استورت (۱۹۹۷ به نقل از خداوندی ۱۳۸۳) با بهره گرفتن از مطالعه ای که بر روی ۴۴۸ دانشجو انجام داد به این نتییجه رسید که دانشجویانی که به لحاظ تحصیلی موفق تر ند ، در پرسشنامه بهر هیجانی نمره بالاتری کسب می کنند.

ب-پژوهشهای داخلی:

شادمرادلو (۱۳۸۳) در تحقیقی با عنوان مقایسه هوش هیجانی و هوش شناختی در پیش بینی پیشرفت تحصیلی دانش آموزان پیش دانشگاهی شهر تهران نتایج زیر را بدست آوردند:
یافته ها نشان دادند که توان پیش بینی هوش هیجانی در پیشرفت تحصیلی تقریبا” دو برابر هوش شناختی است . از طرفی دیگر همبستگی ضعیفی بین هوش هیجانی و هوش شناختی حاصل شد. مقایسه هوش هیجانی در بین پسران و دختران هم نشان داد که تفاوت معناداری بین دوجنس از لحاظ نمره کلی هوش هیجانی وجود ندارد.
در تحقیقی با عنوان “بررسی تاثیر هوش هیجانی بر میزان رضایت از زندگی زناشویی و رابطه آن با نظام ارزشی همسران ” که توسط خداوندی راهدانه (۱۳۸۳) صورت گرفت . داده های پژوهشی نشان داد همسرانی که دارای هوش هیجانی بالا هستند ، از رضایت زناشویی بالاتری برخوردارند و میزان رضایت زناشویی در همسران که دارای هوش هیجانی یکسانی هستند بالاتر از همسرانی است که هوش هیجانی غیر یکسانی دارند.
پژوهشی توسط زارع (۱۳۸۰) تحت عنوان مطالعه سهم هوش هیجانی در موفقیت تحصیلی صورت گرفته است. در این پژوهش از پرسشنامه بهر هیجانی بار-اون استفاده شده است. و نتایج زیر بدست آمده است :
اولا” بین هوش هیجانی و هوش شناختی ، همبستگی معناداری وجود ندارد .
ثانیا” بین دختران و پسران در نمره کل هوش هیجانی تفاوت معناداری مشاهده نشد.
حدادی کوهسار (۱۳۸۳) در پژوهشی به بررسی مقایسه ای رابطه هوش هیجانی با سلامت روان وپیشرفت تحصیلی در دانشجویان شاهد و غیر شاهد ( دختر و پسر ) دانشگاه تهران درمقاطع تحصیلی کارشناسی پرداخته است . نتایج بیانگر عدم همبستگی بین هوش هیجانی و پیشرفت تحصیلی ، همبستگی معنادار با سلامت روان و همبستگی معنادار بین سلامت روان و پیشرفت تحصیلی می باشد.
دارستانی فراهانی (۱۳۷۶) در پژوهشی با عنوان ” بررسی تاثیر روش های تدریس خلاق بررشد خلاقیت دانش آموزان ابتدایی ” تاثیر روش تدریس فعال بارش مغزی و روش تدریس حل مسئله را بر رشد خلاقیت دانش آموزان ، مورد مطالعه قرار داده است. نمونه شامل ۴ آموزگار و ۱۵۰ دانش آموز بوده است . ابزار تحقیق وی آزمون سنجش خلاقیت تورنس بوده است . نتایج حاصل به صورت زیر بوده :
اثر روش تدریس با رش مغزی بر رشد خلاقیت دانش آموزان مثبت بوده .
اثر روش تدریس فعال حل مسئله بر رشد خلاقیت دانش آموزان مثبت بوده.
اثر روش تدریس بارش مغزی در مقایسه با روش تدریس حل مسئله بر رشد خلاقیت دانش آموزان بیشتر بوده است.
شعبانی (۱۳۷۸) در پژوهشی با عنوان “تاثیر روش حل مسئله به صورت کار گروهی بر روی تفکر انتقادی و پیشرفت تحصیلی دانش آموزان پایه ۴ ابتدایی به این نتیجه رسید که دانش آموزان که با روش حل مسئله به صورت گروهی آموزش دیده بودند، نسبت به دانش آموزانی که با روش سنتی آموزش دیده بودند دارای مهارت تفکر انتقادی بیشتری بودند . همچنین این دانش آموزان نمرات پبشرفت تحصیلی آنها نیز نسبت به دانش آموزانی که به روش سنتی آموزش دیده بودند بیشتر بود.
حیدر فار فار (۱۳۸۵) نیز پژوهشی با عنوان “تعیین تاثیر روش آموزش حل مسئله بر خلاقیت دانش آموزان دختر وپسر کلاس سوم شهرستان مراغه ” نشان داد که روش آموزش حل مسئله بر خلاقیت دانش آموزان دختر و پسر تاثیر دارد و نیز روش آموزش حل مسئله بر خلاقیت دانش آموزان پسر بیشتر از دانش آموزان دختر تاثیر دارد. در کل نتایج پژوهش بیانگر آن است که استفاده از روش حل مسئله بر خلاقیت دانش آموزان تاثیر بسزایی داشته است.

فصل سوم

روش پژوهش

مقدمه :

در این فصل به توضیح روشی که در تحقیق استفاده شده و نیز جامعه آماری و حجم نمونه و همچنین ابزار و روش گرد آوری وتحلیل اطلاعات پرداخته خواهد شد.

روش(طرح تحقیق)

با توجه به اینکه پژوهش حاضر در صدد یافتن ارتباط سبکهای حل مسئله و هوش هیجانی فرزندان با اولیائشان و نیز مقایسه سبکهای حل مسئله و هوش هیجانی دختران و پسران است ، روش پژوهش مورد استفاده ، روش همبستگی می باشد. مزیت این روش آن است که محقق همزمان با اندازه گیری ، متغیر های زیاد ، همبستگی درونی بین آنها را هم مقایسه می کند.( دلاور ۱۳۷۴)

جامعه آماری :

جامعه آماری این پژوهش شامل دانش آموزان دختر و پسر اول راهنمایی و اولیائشان در منطقه ۲ تهران در سال تحصیلی ۹۰-۹۱ می باشد .که شامل ۳۷۲۳ دانش آموز پسر و ۳۴۸۴ دانش آموز دختر است .از این آمار ، تعداد ۱۸۸۴ دانش آموز پسر و ۱۸۲۴ دانش آموز دختر در مدارس دولتی و ۱۷۲۳ دانش آموز پسر و ۱۳۵۶ دانش آموز دختر در غیر دولتی میباشند . مابقی در مدارس شاهد وهیات امنایی می باشند.

حجم نمونه و روش نمونه گیری

با توجه به این که برخی متون برای انتخاب حجم نمونه در مطالعات همبستگی حداقل ۳۰ آزمودنی را پیشنهاد کرده اند(دلاور ۱۳۷۶) حجم نمونه در این پژوهش ۱۱۳دانش آموز دختر و۷۵ دانش آموز پسر به همراه اولیائشان به روش نمونه گیری تصادفی انتخاب شده است.

ابزار گرد آوری اطلاعات:

در این پژوهش ، نیز پرسشنامه حل مسئله هپنر و کراسکوف برای سنجش حل مسئله و پرسشنامه هوش هیجانی براد بری و گریوز براس سنجش بهره هیجانی مورد استفاده قرار گرفته است.
محقق بنا به توصیه استاد راهنما اعتبار پرسشنامه های مزبور را در نمونه مورد پژوهش نیز بدست آورده است که متعاقبا” بیان خواهد شد.

پرسشنامه حل مسئله هپنر و کراسکوف ( ۱۹۸۸)

این پرسشنامه ادراکات فرد را از رفتار و گرایشهای حل مسئله ارزیابی میکند. شامل ۳۵ ماده برای سنجش کفایت حل مسئله – کنترل شخصی و سبک گرایش- اجتناب مسئله است .( بذل ۱۳۸۳، پور شهسواری ۱۳۷۸) این پرسشنامه توسط رفعتی وبا راهنمایی خسروی در سال ۱۳۷۵ ترجمه و برای اولین بار در ایران استفاده شد.(خسروی و همکاران ۱۳۷۷) آلفای کرونباخ به دست آمده در تحقیق خسروی، درویزه و رفعتی (۱۳۷۷) ۶۸/۰ و در تحقیق بذل ( ۱۳۸۳) ۶۶/۰ گزارش شده است . که در حد مقبولی است. همانطور که گفته شده ، این پرسشنامه درک افراد از توانایی های حل مسئله ی خودشان را اندازه گیری می کند نه مهارتهای واقعی حل مسئله آنها را و هدف آن ارزیابی تصورات افراد از توانایی حل مسئله ، استقبال یا اجتناب از فعالیت های حل مسئله ، کنترل هیجانات و رفتار حین حل مسئله است.

معنای مولفه ها:

این پرسشنامه از سه مولفه تشکیل شده است:
اعتماد به نفس در حل مسئله
سبک اجتناب – اشتیاق
کنترل شخصی
این سه مولفه بر اساس تحلیل عاملی به دست آمده است . مولفه اعتماد به نفس در حل مسئله به صورت اعتماد به خود در زمانی که در فعالیت های حل مسئله شرکت می کنید ، تعریف شده است . نمره پایین در این مولفه نشانگر این است که فرد به توانایی های حل مسئله خودش باور دارد. مولفه ی سبک اجتناب – اشتیاق به عنوان گرایش کلی فرد به نزدیکی یا دوری از فعالیت های حل مسئله تعریف شده است . مولفه سوم یعنی کنترل شخصی ، نشان می دهد که شخص تا چه حد باور دارد که در زمان حل مساله تحت کنترل هیجانات و رفتارها ی خودش است.(هپنر ۱۹۸۸)
این پرسشنامه حاوی ۳۵ سئوال بر اساس مقیاس گزینه ای لیکرت است. در این پرسشنامه افراد بر اساس مقیاس لیکرت به پرسش ها پاسخ می دادند که درجه بندی آن عبارتند از:
کاملا” موافقم – تا حدی موافقم کمی موافقم – کمی موافقم – کمی مخالفم – تاحدی مخالفم – کاملا” مخالفم.
پایایی این پرسشنامه بر اساس دوبار اجرا در فاصله دو هفته بین ۸۳/۰ تا ۸۹/۰ گزارش شده است. (کلارک ۲۰۰۲) همچنین با توجه به ضریب آلفای به دست آمده ( اعتماد به نفس در حل مسئله ۸۵/۰ ، استقبال یا اجتناب از فعالیت ها ی حل مسئله ۸۴/۰ و کنترل هیجانات و رفتار حین حل مسئله ۷۲/۰ ) عامل ها از سازگاری درونی مطلوب و قابل قبولی برخوردار هستند ( کلارک ۲۰۰۲)

پرسشنامه هوش هیجانی برادبری و گریوز:(۲۰۰۵)

این آزمون دارای ۲۸ ماده است که به ۴ مقیاس خود آگاهی ، مدیریت خود ، آگاهی اجتماعی و مدیریت روابط ، تقسیم می شود . شیوه نمره گذاری آزمون با بهره گرفتن از مقیاس ۶ درجه ای از ۱ تا ۶ انجام می شود . جمع نمرات آزمودنی در هر یک از سوال ها نیز نمره ی کل آزمون راتشکیل می دهد. ضرایب پایایی برای ۴ مهارت تشکیل دهنده ی هوش هیجانی و جمع کل نمره ها مربوط به ۳۶ دانشجو برای خود آگاهی (۷۳/۰) مدیریت خود (۸۷/۰) آگاهی اجتماعی ( ۷۸/۰) مدیریت روابط( ۷۶/۰) و نمره کل هوش هیجانی (۹۰/۰) گزارش شده است.( گنجی ۱۳۸۵)
گنجی برای تعیین اعتبار همگرا ی این آزمون ، آن را همراه با آزمون هوش هیجانی با- اون ( ۱۹۹۷) در یک گروه ۹۷ نفری اجرا و ضریب همبستگی را ۶۸/۰ گزارش کرده است. در پژوهشی دیگر ( گنجی ، میر هاشمی و ثابت ۱۳۸۵) ضریب پایایی آزمون هوش هیجانی براد بری – گریوز برای کل (N=540)برابر ۸۳/۰ به دست آمد.

معنای نمرات :

این شبکه ها بر مبنای مقایسه بین خروجی شبکه و هدف تعدیل میشوند و تا زمانی که خروجی شبکه با خروجی هدف تطبیق پیدا کند این کار ادامه مییابد. شبکه های آموزش یافته را میتوان به صورت رویهای از جعبه سیاه برای برآوردهای غیرخطی با عنوان نگاشتهای غیرخطی قابل تنظیم معرفی کرد، چرا که فضای بردار ورودی را به وسیله مجموعهای از توابع غیرخطی به فضای خروجی مرتبط میسازد. کاربردیترین نوع شبکه های عصبی، شبکه های پروسپترون چندلایه (MLP)^[9] و شبکه های توابع شعاعی (RBF)^[10] میباشد (کوچکزاده و بهمنی، ۱۳۸۴).
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۱-۸-۱ ساختار شبکه عصبی مصنوعی
شبکه های عصبی اساساً حافظههایی هستند که اطلاعات را حفظ میکنند. درست همانطور که جای شبکه توزیع میگردد. ساختار شبکه عصبی از مدل نورون^[۱۱]های زیستی الهام گرفته است و بسیاری از ویژگیهای نورونهای زیستی از قبیل غیرخطی بودن، سادگی واحدهای محاسباتی و قابلیت یادگیری را دارد. در یک نورون مصنوعی، هریک از مقادیر ورودی، تحت تاثیر وزنی قرار میگیرد که تابع این وزن شبیه اتصال سیناپسی در یک نورون طبیعی است. عناصر پردازشگر از دو قسمت تشکیل شدهاند. قسمت اول ورودیهای وزندار را با هم جمع میکند و قسمت دوم یک فیلتر غیر خطی است که تابع فعالیتهای نورون نامیده میشود. این تابع، مقادیر خروجی یک نورون مصنوعی را بین مقادیر مجانب فشرده میکند. این فشرده سازی باعث میشود که خروجی عناصر پردازشگر در یک محدوده مناسب قرار گیرند (محمدی منور، ۱۳۸۵). در شکل ۱-۱ ساختار یک نرون واقعی و یک مدل مصنوعی نشان داده شده است.
شکل ۱-۱ ساختار (a) یک نورون واقعی (b) مدل یک نورون مصنوعی(Sinanoglu et al., 2005).
در یک ANN، لایه ورودی به منزله پردازشگری است که پس از پردازش داده های ورودی، آنها را به شبکه میدهد. این لایه یک لایهی عصبی محاسباتی نیست زیرا لایه های آن نه وزن ورودی دارند و نه تابع فعالیت. لایه انتهایی لایه خروجی است که خروج شبکه را در پاسخ به یک ورودی خاص مشخص میکند. سایر لایه ها، لایه های میانی یا پنهان نامیده میشوند (Jain et al., 1996).
در شکل ۱-۲ ساختار یک شبکه عصبی مصنوعی نشان داده شده است.
شکل ۱-۲ ساختار یک شبکه عصبی مصنوعی (Vahdani et al., 2009)
۱-۸-۲- تشابهات شبکه عصبی مصنوعی و بیولوژیکی
الف) بلوکهای ساختاری هر دو شبکه مصنوعی و بیولوژیکی، دستگاه های محاسباتی خیلی سادهای هستند و علاوه بر این، نورونهای مصنوعی از سادگی بیشتری برخوردار میباشند.
ب) ارتباط بین نورونها، عملکرد شبکه را تعیین میکند.
اگرچه نورونهای بیولوژیکی از نورونهای مصنوعی بسیار کندتر میباشند اما عملکرد مغز خیلی سریعتر از عملکرد یک کامپیوتر معمولی است. علت این پدیده بیشتر به خاطر ساختار کاملا موازی نورونها میباشد (منهاج، ۱۳۸۴).
۱-۸-۳- توابع محرک^[۱۲]
تابع محرک که به آن تابع فعال سازی یا تابع تبدیل نیز گفته می‌شود، ورودی خالص را به خروجی تبدیل می‌کند و بر اساس نیاز خاص مساله‌ای که قرار است بوسیله‌ی شبکه عصبی حل شود، می‌تواند خطی یا غیرخطی انتخاب شود. در حقیقت تابع محرک ارتباط بین ورودی و خروجی گره‌ها و شبکه را برآورد می کند. اما در عمل تعداد محدودی از توابع محرک مورد استفاده قرار می‌گیرند (منهاج، ۱۳۷۷(. در جدول (۱-۱) تعدادی از توابع محرک آورده شده است (منهاج، ۱۳۷۷(.
عموماً تابع محرک دامنه خروجی نورون را محدود می‌سازد و به همین علت آن را تابع محدود ساز نیز می‌نامند. از میان توابع فوق فقط تعداد محدودی در عمل کاربرد داشته و نتایج مناسبی ارائه می‌نمایند. از جمله می‌توان به توابع زیگموئیدی، تانژانت هیپربولیک، سینوسی، کسینوسی و خطی اشاره نمود. در هر صورت، پژوهشگران شبکه عصبی ترجیح می‌دهند از توابع محرک غیر خطی استفاده کنند. در این میان تابع زیگموئیدی بیش از سایر توابع کاربرد دارد(Zhang and Hu, 1998).
جدول ۱-۱ انواع توابع محرک

بیژن خورشید در کنابد گیتی

پهلو شب رافکند خوار چوهومان

۶۶۰/۱۱
ممدوح دراین بیت خورشیدی است که هم چون بیژن درعرصه گیتی می درخشدونیزهم چون هومان تاریکی شب را ازبین می برد.
۳-۴- زنان
۳-۴-۱- رودابه
« رودابه نام دختر مهراب کابلی است که زال او را خواست و رستم از او تولد یافت.»
(دهخدا، ۱۳۷۷: ۱۲۳۳۰)

بانوی نوشابه شاه کشور بردع

خانم رودابه مام گرد سجستان

۶۶۳/۱۱
رودابه همچون نوشابه پادشاه بردع ملکه و به نوعی مادر تمام سیستان است واززنان پاکدامن وپرآوازه شاهنامه است.این زن نماد عشق به همسر وفرزند است.
۳-۴-۲- شهرناز
«شهرنازخواهر جمشید و او با خواهر دیگرش ارنواز در حباله نکاح ضحاک بودند و بعد از کشته شدن ضحاک هر دو به فریدون منتقل می شوند.» (دهخدا، ۱۳۷۷: ۱۴۶۱۴)
شهرنازدرزیبایی وخوشرویی بی همتابودهم چون شکرشیرین وطنازاندامش هم چون گل درعشق وعاشقی هم چون لیلی وتنها بانوپوران بود.این بیت مجموعه ای اززنان داستان های عاشقانه شعرکلاسیک فارسی است،وشهرنازنیزدراین مجموعه قراردارد همچنان شکر،شیرین ولیلی نیز هستند.

شکر و شیرین و شهرناز و گل اندام

لیلی و پورک یگانه بانوی پوران

۳-۴-۳- صفورا
«صفورادختر حضرت شعیب و زوجه حضرت موسی بود.» (دهخدا، ۱۳۷۷: ۱۴۹۷۵)
«شبی در وادی ایمن صفورا را درد زایمان گرفت،موسی در پی یافتن قبسی به وادی طور رسید ودر آن جا به مقام نبوت نایل گردید؛با زنی که موسی برای ازدواج با او سالها شبانی
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

می کند.»(شمیسا،۵۵۶:۱۳۶۶)

صد چو صفورا ورا مجاور درگه

صد چو کتایون ورا خدم شده سنان

۶۶۳/۸
ممدوح این بیت آن قدردرنظرشاعرمقام والایی دارد،که شاعردوزن باارج وقرب هم چون صفوراوکتایون راجزوءخدم وحشم درگاه اومی داند.
۳-۴-۴- فرانک
«فرانک مادر فریدون است مادر فریدون فرخ بود که او را در بیشه مازندران پنهان کرده بود.»
(دهخدا، ۱۳۷۷: ۱۷۰۲۹)
فرانک مادرفریدون بود.فریدون برطبق پیشگویی دشمن اصلی ضحاک محسوب می شدبه همین دلیل اگرفرانک به دست ضحاک کشته می شد،فریدون به دنیا نمی آمد تمام دنیا درترس وبیم ضحاک به سرمی بردند.پس نه تنهافرانک نقش اساسی ونمادین دارد.بلکه درسرنوشت دنیانیزبابه دنیاآوردن فریدون موثربود.

• استقرار طرح

• نظارت و نگهداری

• آماده‌سازی گزارش نهایی

• مرور پروژه

پس از آشنا شدن با نحوه‌ی اجرای پروژه‌های داده‌کاوی و مراحل استخراج دانش، لازم است تمرکز بیشتری بر روی داده‌کاوی و وظایفی که توسط آن قابل انجام است، و همچنین ابزار و تکنیک‌های داده‌کاوی داشته باشیم.
وظایف داده‌کاوی
داده‌کاوی بطور کلی به دو شکل هدایت شده^[۴۲] و غیرهدایت شده^[۴۳] وجود دارد(شهرابی ۱۳۹۰a). در داده‌کاوی هدایت شده با داشتن یک متغیر هدف خاص و از پیش تعیین شده به دنبال الگویی خاص می‌گردیم، بطوری که در داده‌کاوی غیرهدایت شده هیچ متغیر هدفی وجود نخواهد داشت و هدف یافتن تشابهات بین گروه‌هایی از اطلاعات است. اگر بخواهیم تکنیک‌های داده‌کاوی را بر اساس فعالیت و وظیفه تقسیم‌بندی کنیم، شش عمل زیر را خواهیم داشت(Larose 2005):

• دسته‌بندی^[۴۴]

• تخمین^[۴۵]

• پیش‌بینی^[۴۶]

• همبستگی^[۴۷]

• خوشه‌بندی^[۴۸]

• توصیف^[۴۹]

در این تقسیم‌بندی سه مورد اول داده‌کاوی هدایت شده هستند، همبستگی و خوشه‌بندی جزو داده‌کاوی غیر هدایت شده است و توصیف و نمایه‌سازی نیز می‌تواند هم هدایت شده و هم غیر هدایت شده باشد. در ادامه به توضیح مختصری از هر یک از این وظیفه‌ها می‌پردازیم.
دسته‌بندی
تکنیک‌های دسته‌بندی از جمله تکنیک‌های رایج و پرکاربرد در داده‌کاوی است. دسته‌بندی شامل بررسی ویژگی‌های یک شی جدید و تخصیص آن به یکی از کلاس‌های از قبل تعیین شده است(شهرابی ۱۳۹۰a). به عبارت دیگر، در مسائل دسته‌بندی هدف شناسایی ویژگی‌هایی از داده‌ها است که گروهی که داده به آن تعلق دارد را نشان می‌دهند. از این مدل هم می‌توان برای درک داده‌های موجود استفاده کرد وهم می‌توان آن را برای پیش‌بینی اینکه داده‌های جدید به کدام گروه تعلق دارند بکار برد. به همین دلیل اغلب به ویژگی‌های شناسایی شده متغیرهای پیشگو^[۵۰] و به برچسب کلاس‌ها متغیر هدف^[۵۱] گفته می‌شود.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

برای ایجاد یک مدل دسته‌بندی نیاز به مجموعه داده‌های تاریخی است. این مجموعه داده که مجموعه داده آموزشی^[۵۲] نامیده می‌شود شامل هم متغیرهای پیشگو و هم متغیر هدف است. به این طریق، مدل یاد می‌گیرد که چه ترکیبی از متغیرهای پیشگو به کدام متغیر هدف مربوط می‌شوند. سپس، مدل آموزش دیده شده می‌تواند کلاس مجموعه داده‌های تست^[۵۳] را که هیچ اطلاعی از متغیر هدف آن‌ها نداریم، پیش‌بینی کند. (معمولا کارایی مدل‌های دسته‌بندی را با مجموعه داده‌های اعتبارسنجی^[۵۴] اندازه‌گیری می‌کنند.)
از جمله تکنیک‌های دسته‌بندی می‌توان به درخت تصمیم، دسته‌بند بیزین، k- نزدیکترین همسایه (KNN)، شبکه عصبی و SVM اشاره کرد.
تخمین
تخمین شبیه دسته‌بندی است با این تفاوت که متغیر هدف بجای این که دسته‌ای باشد بصورت عددی است (Larose 2005). مانند دسته‌بندی، یک مدل تخمین با بهره گرفتن از رکوردهای کاملی که حاوی مقادیر متغیر هدف و متغیرهای پیشگو است ساخته می‌شود. سپس، برای مشاهدات جدید، مقدار متغیر هدف بر اساس مقادیر متغیرهای پیشگو تخمین زده می‌شود.
مدل‌های رگرسیون و شبکه عصبی از جمله تکنیک‌های مناسب داده‌کاوی برای تخمین هستند.
پیش‌بینی
پیش‌بینی مانند تخمین و دسته‌بندی است بجز اینکه در پیش‌بینی نتایج به آینده مربوط می‌شود(Larose 2005). تمامی تکنیک‌های استفاده شده در دسته‌بندی و تخمین را می‌توان تحت شرایط خاص برای پیش‌بینی بکار گرفت. پیش‌بینی‌هایی که بر اساس مدل‌های دسته‌بندی ارائه می‌شوند دارای یک خروجی گسسته هستند که برچسب کلاس را برای آن مشاهده پیش‌بینی می‌کنند.
پیش‌بینی مقادیر پیوسته بر اساس یک سری خصوصیات داده شده، نوعی از پیش‌بینی است که به عنوان مثال می‌توان به پیش‌بینی درآمد یک فرد بر اساس مشخصات وی اشاره کرد. درخت تصمیم و شبکه‌های عصبی تکنیک‌هایی هستند که در این نوع پیش‌بینی‌ها قابل استفاده هستند. نوع دیگری از پیش‌بینی‌ها، پیش‌بینی یک یا چند مقدار بر اساس الگوهای تکراری و متوالی است. پیش‌بینی سطح سهام بازار در ۳۰ روز آینده بر اساس داده‌های ۶ ماه گذشته مثالی از این نوع پیش‌بینی‌ها است. این گونه پیش‌بینی‌ها به کمک سری‌های زمانی و تکنیک‌های رگرسیون انجام می‌شود.
همبستگی
قوانین همبستگی^[۵۵] که گروه‌بندی شباهت^[۵۶] نیز نامیده می‌شوند برای تعیین ویژگی‌های همزمانی هستند که در وقوع یک پدیده رخ می‌دهند. به عبارت دیگر، گروه‌بندی شباهت احتمال وقوع و یا عدم وقوع همزمان ویژگی‌ها را تعیین می کند(شهرابی ۱۳۹۰a). با توجه به مقیاس‌پذیری الگوریتم‌های قوانین همبستگی و حجم داده‌ها که دائما در حال افزایش است، می‌توان قوانین همبستگی را یکی از ابزارهای ضروری داده‌کاوی جهت استخراج دانش از داده‌ها قلمداد کرد.
تحلیل سبد خرید^[۵۷] یکی از بارزترین کاربردهای قوانین همبستگی بشمار می‌رود. در این تحلیل سعی می‌شود تا از طریق یافتن روابط و وابستگی‌های موجود بین اجناس خریداری شده توسط مشتری‌ها، الگوهای خرید شناسایی و تحلیل شوند(شهرابی and شجاعی ۱۳۸۸). به عنوان مثال، برای مشتری که شیر خریداری کرده چقدر احتمال دارد نان نیز خریداری کند. خروجی این تحلیل قوانینی به صورت قوانین اگر – آنگاه است که افراد را در رقابت‌های بازاریابی و نیز چیدمان مناسب اجناس در فروشگاه‌ها یاری می‌رساند. به منظور سنجش کیفیت یک قانون از مفاهیم پشتیبانی^[۵۸] و اطمینان^[۵۹] استفاده می‌شود.
پشتیبانی: درصدی از تراکنش‌هایی است که شامل هم مقدم و هم تالی قانون باشند (Witten and Frank 2005). به عبارت دیگر، برابر است با نسبت تعداد تراکنش‌هایی که شامل مقدم و تالی هستند به تعداد کل تراکنش‌ها.
اطمینان: درصدی از تراکنش‌هایی است که وقتی مقدم قانون در آن ظاهر شده است، تالی نیز در آن وجود داشته باشد (Witten and Frank 2005). به عبارت دیگر، برابر است با نسبت تعداد تراکنش‌هایی که شامل مقدم و تالی هستند به تعداد تراکنش‌هایی که شامل مقدم هستند.
خوشه‌بندی
خوشه‌بندی به عمل تقسیم جمعیت ناهمگن به تعدادی زیر مجموعه یا خوشه‌های همگن گفته می‌شود(شهرابی ۱۳۹۰a). وجه تمایز خوشه‌بندی از دسته‌بندی این است که خوشه‌بندی به دسته‎‌های از پیش تعیین شده تکیه ندارد. در خوشه‌بندی هیچ دسته از پیش تعیین شده‌ای وجود ندارد و داده‌ها صرفا بر اساس تشابه گروه‌بندی می‌شوند. بنابراین، برای اینکه بتوانیم داده‌ها را خوشه‌بندی کنیم باید بتوانیم میزان شباهت آنها را بدست آوریم. اینکار معمولا با بهره گرفتن از مقیاس‌های اندازه‌گیری فاصله که معرفترین آنها فاصله اقلیدسی است، انجام می‌شود.
چنانچه مشخص است، تعداد حالت‌های زیادی برای خوشه‌بندی n داده در k خوشه وجود دارد؛ تعداد این حالات حتی با در اختیار نداشتن تعداد خوشه‌ها (k) نیز افزایش خواهد یافت. به همین دلیل نیاز به معیارهایی برای سنجش اعتبار خوشه‌بندی داریم. فشردگی و تفکیک‌پذیری دو ویژگی اساسی و جالب در مورد خوشه‌ها هستند که می‌توانند به عنوان شاخص اعتبار خوشه محاسبه شوند(شهرابی and شجاعی ۱۳۸۸).
فشردگی: فشردگی، بیان کننده این موضوع است که عناصر موجود در خوشه چقدر به یکدیگر نزدیک هستند. به عنوان مثال،واریانس عناصر نشان دهنده فشردگی داده‌ها است؛ بطوری که هرچه واریانس کمتر باشد، فشردگی داده‌ها بیشتر است. می‌توان فاصله میان عناصر موجود در خوشه را نیز محاسبه کرد.
تفکیک‌پذیری: بوسیله این ویژگی، مجزا بودن خوشه‌ها را ارزیابی می‌کنیم. یکی از روش‌های تعیین تفکیک‌پذیری، محاسبه فواصل بین خوشه‌ای است.
بنابر آنچه گفته شد، به دنبال ساختاری هستیم که عناصر درون خوشه‌ها بیشترین شباهت را با یکدیگر و بیشترین اختلاف را با دیگر خوشه‌ها داشته باشند. به عبارت دیگر، ساختاری را مطلوب می‌پنداریم که در آن مقادیر فواصل درون خوشه‌ای کم و مقادیر فواصل بین خوشه‌ای زیاد باشد.
در کتاب هان و کرامبر روش‌های خوشه‌بندی به پنج دسته تقسیم شده است: روش‌های بخش‌بندی، روش‌های سلسله‌مراتبی، روش‌های مبتنی بر تراکم، روش‌های مبتنی بر Grid و روش‌های مبتنی بر مدل (Han, Kamber et al. 2011). در ادامه به توضیح مختصری از هر یک از دسته‌ ها می‌پردازیم.
خوشه‌بندی مبتنی بر بخش‌بندی^[۶۰]: در این نوع خوشه‌بندی اساس کار یک تابع هدف مشخص است که کمینه‌سازی آن، ما را به کشف ساختار موجود در مجموعه داده رهنمون می‌سازد (شهرابی and شجاعی ۱۳۸۸). با وجود آنکه ساختار الگوریتمی بسیار جذاب و متقاعدکننده است (مسئله بهینه‌سازی را می‌توان به خوبی فرموله کرد)؛ ولی، از آنجایی که شخص نمی‌داند چه نوع ساختاری را باید انتظار داشته باشد، تعیین مناسب‌ترین فرم برای تابع هدف با دشواری‌های فراوانی همراه است. بطور معمول، در این گروه از الگوریتم‌ها، تعداد خوشه‌ها را از قبل تعیین کرده و کار را با بهینه‌سازی تابع هدف ادامه می‌دهند.
الگوریتم‌هایی مانند ^[۶۱]CLARA، ^[۶۲]CLARANS، k – means، c – means و ^[۶۳]PAM نمونه‌هایی از الگوریتم‌های این گروه هستند (Mitra and Acharya 2003).
خوشه‌بندی سلسله‌مراتبی: در این نوع از روش‌های خوشه‌بندی، داده‌ها در درختی از خوشه‌ها گروه‌بندی می‌شوند. به طور کلی روش‌های سلسله‌مراتبی را می‌توان به دو دسته تقسیم کرد: روش‌های جمع‌کننده^[۶۴] و روش‌های تقسیم‌کننده^[۶۵] (شهرابی and شجاعی ۱۳۸۸). روش‌های جمع‌کننده در ابتدا هر داده را در خوشه‌ای جداگانه قرار می‌دهند. سپس خوشه‌ها را با هم ادغام کرده و خوشه‌های بزرگتری ایجاد می‌کنند. این کار تا زمانی ادامه می‌یابد که یا تمام داده‌ها در یک خوشه واحد قرار گیرند و یا شرط معینی برقرار شود، مثلاً تعداد خوشه‌ها به مقدار دلخواه برسد. در هر مرحله خوشه‌هایی به هم متصل می‌شوند که بیشترین شباهت را با هم دارند. برای بررسی میزان شباهت خوشه‌ها الگوریتم‌های مختلفی وجود دارد. دسته دوم که روش‌های تقسیم‌کننده نامیده می‌شوند عکس روش فوق را اعمال می‌کنند، یعنی درخت را از بالا به پایین می‌سازند.
برای بررسی میزان شباهت خوشه‌ها می‌توان فاصله بین خوشه‌ها را معیار مناسبی در نظر گرفت. روش‌های مختلفی مانند روش تک‌اتصالی^[۶۶]، اتصالی کامل^[۶۷] و اتصال میانگین گروهی^[۶۸] برای محاسبه فاصله بین خوشه‌ها استفاده می‌شود (شهرابی and شجاعی ۱۳۸۸).
خوشه‌بندی مبتنی بر تراکم: بسیاری از روش‌های بخش‌بندی، داده‌ها را بر اساس فاصله آنها با یکدیگر خوشه‌بندی می‌کنند. چنین روش‌هایی فقط خوشه‌های کروی شکل را پیدا می‌کنند (مانند k – means). در خوشه‌بندهایی که بر اساس تراکم داده‌ها انجام می‌شود، می‌توان خوشه‌هایی پیدا کرد که دارای شکل‌های پیچیده‌تری هستند. ایده اصلی این روش‌ها به این صورت است که یک خوشه تا زمانی که تراکم همسایگی تمامی اشیاء مرزی آن از حد معینی کمتر نشده گسترش می‌یابد. منظور از تراکم همسایگی یک شیء، تعداد اشیائی است که در فاصله ε از آن شیء قرار گرفته‌اند. چنین روش‌هایی برای فیلتر کردن نویزها و یافتن خوشه‌هایی با شکل‌های دلخواه به کار می‌رود (Han, Kamber et al. 2011). الگوریتم‌های DBSCAN^[69]، OPTICS^[70]، DENCLUE و ^[۷۱]CLIQUE در این دسته از الگوریتم‌ها قرار می‌گیرند (شهرابی and شجاعی ۱۳۸۸).
خوشه‌بندی مبتنی بر Grid: در این نوع خوشه‌بندی فضای اشیاء را به تعداد محدودی سلول کوانتیزه می‌کنند که این سلول‌ها یک Grid را بوجود می‌آورند. تمامی اعمال خوشه‌بندی بر روی ساختار این Grid (ساختار مشبک) انجام می‌شود. مزیت مهم این روش سرعت بالای آن است که مستقل از تعداد اشیاء بوده و فقط به تعداد سلول‌ها در هر بعد از فضای کوانتیزه شده بستگی دارد. الگوریتم‌های ^[۷۲]STING و CLIQUE نمونه‌هایی از این الگوریتم‌ها هستند.
خوشه‌بندی مبتنی بر مدل: الگوریتم‌های این دسته، برای هر خوشه مدلی را در نظر گرفته و سعی می‌کنند به بهترین نحو داده‌ها را به آن مدل‌ها انطباق دهند. دو راه عمده برای این کار وجود دارد: راه اول روش‌های آماری مانند COBWEB و CLASSIT و راه دوم شبکه‌های عصبی مانند ^[۷۳]SOM است.
توصیف
گاهی اوقات هدف داده‌کاوی، تنها توصیف آن چیزی است که در یک پایگاه داده‌ای پیچیده در جریان است. توصیف الگوها و روندها اغلب توضیحات ممکنی برای آن الگوها و روندها ایجاب می‌کند و درک ما را از مردم، محصولات و یا فرآیندهایی که داده‌ها در مرحله اول تولید کرده‌اند، افزایش می‌دهد.
مدل‌های داده‌کاوی باید تا حد ممکن شفاف باشند؛ به این معنی که نتایج مدل‌های داده‌کاوی باید الگوهای روشنی را که تمایلی به توضیح و تفسیر شهودی دارند، توصیف کنند. برخی از مدل‌های داده‌کاوی دارای تفسیر شفاف‌تری نسبت به دیگر مدل‌ها دارند. به عنوان مثال، درخت تصمیم توضیحات شهودی و انسان دوستانه‌ای از نتایج خود فراهم می‌آورد؛ در حالی که شبکه‌های عصبی با ارائه‌ مدل‌های پیچیده نیاز به تفسیر نتایج دارند، به همین دلیل گاهی به شبکه‌های عصبی جعبه سیاه گفته می‌شود.

نمیمه به معنای سخن چینی است، و ارائه کلام برای ایجاد فتنه یا وحشت می باشد^[۱۲۲].
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

فقها هم نمیمه را به معنای سخن چینی و ارائه کلام برای ایجاد فتنه یا وحشت معنا کرده اند^[۱۲۳].
ادله حرمت نمیمه:
آیه الله خویی در مورد حرمت نمیمه ادعای اجماع کرده است^[۱۲۴].
قرآن:
خداوند متعال در قرآن کریم می فرماید:
« ویل لکل همزه لمزه» ^[۱۲۵]
وای بر هر عیب جوی مسخره کننده ای.
ویل چه به معنای کنایه ای توبیخ و سرزنش باشد و چه به نام جایگاهی در جهنم باشد، دلالت بر تهدید و تقبیح این عمل می کند، که انسان در پی عیب جویی و سرزنش دیگران باشد بنابراین ویل در صدر آیه به تقبیح نمیمه می پردازد و این برای اثبات حرمت نمیمه کافی است.
روایات:
آیه الله خویی در مورد حرمت نمیمه ادعای تواتر در روایات کرده است^[۱۲۶].
محدثان بزرگ در مجموعه‌های روایی خود،روایات بسیاری را در نکوهش این عمل نقل کرده اند،که چند نمونه از این روایات را ذکر می کنیم.
از امیر مؤمنان علی(ع) نقل شده است:
“بدترین شما،سخن چینان هستند،که میان دوستان جدایی می افکنند ودر جست و جوی عیب‌های خوبانند.”^[۱۲۷]
ممکن است پرسیده شود: آیا حرفی را که،درباره کسی زده شده،می توان برای او باز گفت، با این توجیه که حرف او دروغ نیست،بلکه واقعیت دارد؟ در پاسخ می توان گفت: دروغ گفتن حرام است،اما راست گفتن همه جا واجب نیست،یعنی نمی توان گفت به دلیل آن که دروغ گفتن حرام است،راست گفتن واجب است و حتی نمی توان حرمت دروغ را دلیل بر جواز هر سخن راستی دانست و این امر را بهانه قرار داد هر سخنی را که از هر شخصی شنیده می شود، برای دیگری نقل کرد،زیرا این نوعی فتنه انگیزی است و گاه مفسده راست گفتن از دروغ گفتن بیش تر است^[۱۲۸].
از رسول خدا(ص) نقل شده است:
راست گویی در سه جا زشت است: ۱- سخن چینی…… ^[۱۲۹]
از امام صادق(ع) نقل شده است:
بزرگترین سحرها سخن چینی است، که میان دوستان جدایی می افکند و دشمنی را از میان دل هایی که با محبت و پاک و بدون زنگارند،جلب می کند و خون انسان ها به سبب آن ریخته و خانه هایشان خراب می شود و پرده ها می افتد(و پوشیده ها آشکار می شود) و سخن چین، بدترین کسی است، که بر زمین گام نهاده است^[۱۳۰].
از رسول خدا(ص) در وصیت به حضرت علی(ع) نقل شده است:
“همانا خداوند دروغ گفتن برای ایجاد صلح را دوست می دارد و از راستی که مایه فساد شود، متنفر است.”^[۱۳۱]
نمیمه و هیاهوی رسانه ای:
نمیمه از پست ترین رفتارهای بشری است،که دشمنی و کینه را در پی دارد و پیوندهای دوستی و برادری را نابود می کند. یکی از شگردهای رسانه‌های خبری،برای جلب توجه مخاطبان بیشتر، فضاسازی منفی و هیاهوی رسانه ای است. برای از بین بردن شان دیگری به نمیمه و سعایت از او می پردازند یا در صدد بد نام کردن وی می باشند. میان چند نفر یا چند گروه اختلاف می اندازند ،که این اختلاف و تفرقه افکنی را می توان از موارد فتنه به شمار آورد، که در این صورت بر اساس آیات قرآن کریم، از خونریزی و قتل شدید تر و بزرگتر خواهد بود، چنان که خداوند متعال می فرماید:
((الفتنه اشد من القتل)).^[۱۳۲] و ((الفتنه اکبر من القتل))^[۱۳۳]
به بطور مثال،گزارش‌های ورزشی بعد از اتمام مسابقه فوتبال، نمونه خوبی از هیاهوی رسانه ای است. بعد از پایان مسابقه از مربیان دو تیم فوتبال گزارشی تهیه می شود و با سئوالات تحریک آمیز و بعضا مغرضانه، پاسخ هایی از مربیان دو تیم فوتبال دریافت می کنند،اعم از اظهار نظر پیرامون مربی تیم مقابل،بازیکنان،مسئولین برگزاری مسابقه،کمیته انضباطی و به خصوص داور،که موجب اختلاف و تفرقه می شود،که از طریق هیاهوی رسانه ای به اوج خود می رسد. در هیاهوی رسانه ای برای از بین بردن شان دیگری به سعایت از او می پردازند یا در صدد بد نام کردن وی می باشند. میان چند نفر یا چند گروه اختلاف می اندازند و برای همین ذیل عنوان نمیمه(سخن چینی) مطرح می گردد و سخن چینی در هر شرایطی حرام است. یکی از راه‌های جلوگیری از سخن چینی در عرصه خبررسانی،تقویت وحدت و همدلی بین اشخاص و گروه ها است، اگر تالیف قلوب جزء،ارزش‌های خبری، رسانه‌های جمعی باشد، دیگر جایی برای سخن چینی در قالب اخبار و اطلاع رسانی وجود ندارد.
نشر اکاذیب (نشر مطالب غیر واقع):
مفهوم کذب:
در بعضی از کتاب‌های لغت کذب به معنای خلاف صدق معنا شده است.^[۱۳۴]
کذب مقابل صدق بوده و به معنای خلاف واقع و حق می باشد. ^[۱۳۵]
کذب به معنای خلاف اعتقاد شخص است^[۱۳۶].
در تفسیر دروغ مرسوم در گذشته و در کتب پیشینیان چنین بوده است، که کلام راست را کلام مطابق با واقع و در نقطه مقابل، دروغ را به معنی عدم مطابقت کلام با واقع تفسیر می‌کردند و منظور از واقع را هم چیزی می‌دانستند که در خارج نسبت کلام خبری با آن سنجیده می‌شود. در برابر این تفسیر مشهور تفاسیر دیگری نیز رایج بوده است، از جمله تفسیری که صدق و کذب خبر را براساس مطابقت و عدم مطابقت آن با اعتقاد مخبر می‌شناسد، اگر چه اعتقاد وی خطا و اشتباه باشد.^[۱۳۷]
نتیجه آن چه گفته شد این است که خبر کذب، خبری است که در نظر کسانی که آن را منتشر می‌سازند یا در نظر مخاطبان با واقعیت مطابقت نداشته باشد.
شیخ انصاری(ره) در این باره می گوید:
“ملاک در صدق و کذب گفتار،معنایی است که توسط گوینده قصد می شود".^[۱۳۸]
در ذیل بحث از تعریف کذب شایسته است برخی از مصادیق مشکوک را که احتمال انطباق عنوان کذب در مورد آنها وجود دارد بررسی کنیم، مصادیقی که امروزه در رسانه‌های خبری و در نشر اخبار و اطلاعات به عنوان روش‌هایی رایج در اطلاع رسانی استفاده می‌شود:
الف- مبالغه و بزرگ نمایی:‌
در فعالیت‌های رسانه‌های عمومی از جمله رایج‌ترین شگردها و ابزار، مبالغه و بزرگ نمایی است. دیده می‌شود که گاه روزنامه‌ای تیتری را برای عنوان خبری بر می‌گزیند که در مقایسه تیتر و خبر، نابرابری فاحشی مشاهده می‌شود، و یا پدید آورنده یک اثر نمایشی و هنری ناچار می‌گردد که در روایت یک واقعه تاریخی دخل و تصرف کرده،‌آن را با پردازش بسیار پر رنگتر و بزرگتر از آنچه که روی داده، نمایش دهد. که این عنصر در شمار جذابترین عناصر کار رسانه و خبر رسانی قرار دارد. سنت فقهی پیشینیان بر این بوده است که مبالغه و بزرگ نمایی را هر اندازه که باشد، دروغ به شمار نمی‌آورند، شیخ(ره) در این باره می گوید: مبالغه در ادعا به هر مرتبه ای که برسد ، دروغ نیست و شایسته اشکال نمی باشد.»^[۱۳۹] علت این ادعا را چنین ذکر کرده‌اند: “در مبالغه و بزرگ نمایی، گوینده، خبر دادن از واقع را در نظر داشته، اگر چه در نحوه اعلام و رساندن خبر به مبالغه متوسل گردیده است، لذا باید آن را موضوعاً از کذب خارج دانست. ^[۱۴۰]” آنچه در این حکم مد نظر فقها بوده است ، نفس مبالغه می باشد.
با این وجود، فقهای گذشته یک مورد را استثنا کرده و مبالغه را مصداق دروغ دانسته‌اند و آن، جایی است که مبالغه بی تناسب و نابجا باشد، همانند آنکه صورت زشتی، به ماه شب چهارده مانند گردد^[۱۴۱]:
علت آنکه عنوان کذب بر این مورد منطبق می‌باشد، آن است که در حقیقت گوینده بر واقع افزوده است، در حالی که ملاک مبالغه یعنی تناسب و به جا بودن نیز منتفی است، در نتیجه مبالغه متضمن نوعی خلاف واقع است^[۱۴۲].
تحلیل این گفته‌ها ما را به آنجا می‌رساند که در مبالغه، کلامی القاء می‌‌شود که دارای دو معنا است:
الف) معنایی که بدواً به ذهن شنونده می‌رسد.
ب) معنایی که ممکن است به واسطه قراین برداشت گردد.
اگر چه معنای اول مخالف با واقع باشد، اما همینکه معنای دوم با واقعیت مطابقت داشته و توسط گوینده قصد گردیده باشد،‌عنوان دروغ را دور خواهد ساخت. تشبیهات، استعاره‌‌ها و کنایات همگی از این قبیل هستند. و مبالغه‌های بی تناسب و نابجا نیز درست به همین دلیل دروغ شمرده می‌شوند که فقدان وجه شبه و تناسب بین مثلاً صورت زشت و جمال گل معنای دوم را در بین نمی‌آورد تا به وسیله گوینده اراده شده باشد. و یا اگر وجود دارد و اراده شده، مطابقتی با واقع ندارد.^[۱۴۳]
دروغ گفتن به قصد مزاح و شوخی نیز همینطور است چه اگر شوخی یا مزاح بودن آن را با قرینه ای اعلام نکند مخاطب به اشتباه می‌افتد و احتمال صدق آن را می‌دهد، مگر مواردی که گوینده یا نویسنده یا کتاب او خود قرینه شوخی بودن مطلب باشد، مانند مجلات فکاهی، البته در مورد جواز یا عدم جواز دروغِ شوخی هم میان فقها اختلاف نظر وجود دارد.^[۱۴۴]
ب- تحریف:
اصل حرمت تحریف کلام غیر ، به حرمت کذب بازگشت دارد و ما در اینجا ، پس از مفروض گرفتن حرمت آن می گوییم: هر خبری که به گونه ای سخن دیگران را تحریف کند به گونه ای که معنای آن سخن را آن طور که القاء شده ، انتقال ندهد ، خبر ممنوع و حرام است. حال درجه حرمت آن به درجه و میزان تحریف و نیز به ارزش و اهمیت کلام و نیز شخصیت و شان صاحب کلام بستگی دارد.
نقل ناقص کلام دیگران ،انتخاب کردن قسمت هایی از آن ، بزرگ کردن قسمتی و بی اهمیت جلوه دادن قسمتهای دیگر و … از دیگر موارد تحریف خبر تلقی می شود^[۱۴۵].
امام خمینی (ره) در همین زمینه اهل مطبوعات را توصیه به رعایت این نکته و دوری از غش و تقلب در کار می کنند: «باید توجه کنید که روزنامه ای تیترش چیزی باشد که محتوایش آنطور نباشد ؛نه به آن تندی که در تیتر است و نه آن عظمت ، این غش است. درست مثل کاسبی که روی متاعش چیز خوب می ریزد و آخرش فاسد است و این حرام است و اگر تیتر با محتوا نخواند ، غش است که شما با قلمهایتان می کنید^[۱۴۶]».
ج- اخبار مشکوک:
خبرهایی که صحت آنها محرز نیست گاه به دلیل مضمون حساس و هیجان انگیزش رسانه‌های خبری را وا می دارد که برای جذب مخاطب و ایجاد تمایل و رغبت در ایشان ،مورد توجه مبادی خبر و فرستنده ها قرار گیرد.
دیدگاه فقهی برخی فقها بر ممنوعیت نشر اخبار مشکوک استوار است و آنان بر این اساس معتقدند اخباری را می توان منتشر نمود که به مطابقت آن با واقع علم وجود داشته باشد.^[۱۴۷] هرچند قبح انتشار اخبار مشکوک در برخی موارد انکار پذیر نیست، اما نمی توان در همه جا چنین حکمی داد.
درباره عدم انتشار اخبار مشکوک این توضیح ضروری است که گاهی خبر به واسطه منبع و نحوه انتشار خبر مشکوک است و گاهی به واسطه محتوای آن. به این ترتیب اگر شک درباره منبع و نوع انتشار خبر باشد قابل انتشار نیست. اما اگر شک درباره محتوای خبر باشد قابل انتشار است مانند این که منبع موثق و شناخته شده ای خبری را اعلام کند که در ضمن مفاد خبر نسبت به مسئله ای تردید شده است. در این صورت خبر قابل انتشار است و مفاد تردیدآمیز خبر مانع از انتشار آن نیست.^[۱۴۸]
ادله حرمت دروغ و نشر اکاذیب: