تاثير مولفه‌هاي خلاقيت تورنس بر بازسازي دانش در شبكه ي حافظه ي معنايي به وسيله ي الگوريتم جست-وجوي معنايي چند محدودتي در آزمون تداعي‌هاي دور

مقدمه: از ميان مجموعه‌اي وسيع و بعضاً نامتناهي از راه‌حل‌هاي بالقوه، يافتن بهترين پاسخ يا جرياني از فعاليت‌ها براي بسياري از مسايل مهم، نياز به در نظر گرفتن چندين محدوديت دارد. هدف اين مقاله، ارايه ي الگوريتم جست وجو و تعيين نحوه ي كنش فرايندهاي بازيابي اطلاعات در شبكه ي حافظه ي معنايي است تا امكان دسترسي به يك راه‌حل قابل‌قبول براي اين مسايل فراهم آيد.روش: در پژوهش حاضر، براي دست يافتن به دسته‌هاي مختلف فاصله ي معنايي مفاهيم آزمون تداعي‌هاي دور، از روش تحليل دسته‌بندي سلسله‌مراتبي و براي تعيين الگوهاي بازيابي اطلاعات در فواصل معنايي مختلف، از طرح آماري تحليل رگرسيون استفاده شد. يافته‌ها: يافته‌هاي پژوهش حاضر نشان مي‌دهد كه براي رسيدن به راه‌حل، در هر زمان در شبكه ي حافظه ي معنايي، يك جست وجوي محلي توسط يك محدوديت راه‌اندازي مي‌شود كه اگر اين جست وجو قادر به يافتن جواب درون دسته ي معنايي واكشي شده نباشد، جست-وجوي سلسله‌مراتبي با دو مرحله راه‌اندازي مي‌شود تا با تغيير دسته ي معنايي، راه‌حل مناسب را بيايد. ضمن اينكه در پژوهش حاضر، پياده‌سازي اين الگوريتم با فرايندهاي شناختي دخيل در بازيابي، سازمان دهي و ادغام اطلاعات تبيين شده است.نتيجه‌گيري: به‌رغم اينكه الگوريتم جست وجوي محلي، رسيدن به راه‌حل مناسب را ممكن مي‌سازد، تفاوت‌هاي فردي در فرايندهاي شناختي مربوط به بازيابي، سازمان دهي و ادغام اطلاعات حافظه‌اي منجر به تفاوت راه‌حل‌هاي به دست آمده و نيز معرفت تحولي افراد مي‌شود.

Introduction: Many important problems require consideration of multiple constraints to find the best answer or course of action from a huge set of potential answers. The aim of this paper is to present some search algorithm as well as to determine the way in which the information retrieval processes interact within the semantic memory to produce an acceptable answer to these problems. Method: In this study, the method of hierarchical cluster analysis was used to find the distinctive clusters of concepts based on the semantic distance among concepts in Remote Associates Test. To determine the information retrieval pattern in each cluster, the regression analysis was used. Findings: The findings show that a local search is facilitated by just one cue at a time in semantic memory network to reach a solution. If the search is unable to find the answer in the fetched cluster, the two-stage search strategy is launched to switch the cluster in order to find an appropriate solution. Moreover, in this study the implementation for a given algorithm was explained by the cognitive processes involved in retrieving, organizing and integrating information. Conclusion: Although the local search algorithm makes it possible to find the right solution, individual differences in cognitive processes for retrieving, organizing and integrating information from memory leads to differences among individuals’ solutions as well as their evolutionary epistemology. Keywords: Multiply-constrained problems, search algorithm, semantic retrieval, Remote Associates Test