Rooyesh-e-Ravanshenasi Journal(RRJ)

fa تعامل ویژگیهای داینامیک الکتروانسفالوگرافی با عوامل شخصیتی روان رنجوری و برون گرایی The Interaction of Dynamic Electroencephalographic Features with Personality Traits of Neuroticism and Extraversion روانشناسی عمومی General Psychology پژوهشي Research عوامل شخصیتی تأثیر قابل توجهی بر رفتارها و عملکرد شناختی افراد دارند و ارزیابی آنها از اهمیت بالایی برخوردار است. در حالی که مطالعات قبلی ارتباط بین باندهای فرکانسی فردی EEG و ویژگی‌های شخصیتی را شناسایی کرده‌اند، تعامل بین ویژگی‌های الکتروفیزیولوژیکی در چندین باند فرکانسی کمتر مورد توجه قرار گرفته است. این مطالعه به بررسی رابطه بین مؤلفه‌های EEG و عوامل شخصیتی از طریق مدل‌سازی خطی می‌پردازد تا هم ارتباطات مستقیم و هم تعاملات را به عنوان پیش‌بینی‌کننده‌های ویژگی‌های خاص شخصیتی ارزیابی کند.  ثبت‌های EEG از 23 شرکت‌کننده جمع‌آوری شد و ویژگی‌های شخصیتی با استفاده از پرسشنامه پنج عاملی شخصیت  NEO ارزیابی گردید. تحلیل داده‌ها با استفاده از تکنیک‌های مدل‌سازی خطی خودکار انجام شد. نتایج نشان داد که اگرچه رابطه آماری مستقیم بین مؤلفه‌های EEG و ویژگی‌های شخصیتی محدود است، رویکرد مدل‌سازی خطی با بررسی تعاملات بین مؤلفه‌های EEG ، موفق به پیش‌بینی روان‌رنجوری، برون‌گرایی، توافق‌پذیری و وظیفه‌شناسی شد. دقت پیش‌بینی به‌طور خاص در مورد وظیفه‌شناسی بسیار بالا بود (R2=0.877). مطالعه حاضر اهمیت در نظر گرفتن تعاملات بین مؤلفه‌های EEG را در بررسی همبستگی‌های عصبی شخصیت برجسته می‌کند و درک ظریف‌تری از مبانی الکتروفیزیولوژیکی تفاوت‌های فردی ارائه می دهد. Personality factors significantly influence individuals' behaviors and cognitive performance, making their assessment crucial. While previous studies have identified connections between individual EEG frequency bands and personality traits, the interaction among electrophysiological features across multiple frequency bands has garnered less attention. This study explores the relationships between EEG components and personality factors through linear modeling to assess both direct relationships and interactions as predictors for specific traits. EEG recordings were collected from 23 participants, with personality traits assessed using the NEO Five-Factor Personality Inventory. Data analysis employed automatic linear modeling techniques. Findings revealed that although a direct statistical relationship between EEG components and personality traits is limited, the linear modeling approach effectively predicted neuroticism and extraversion by exploring interactions among EEG components. These results suggest that more sophisticated analytical methods, which consider variable interactions, can enhance the prediction of multidimensional and complex traits like personality. شخصیت, الکتروانسفالوگرافی (EEG), مدل‌سازی خطی, همبستگی, پرسشنامه پنج عاملی شخصیت NE. Personality, Electroencephalography, linear modeling, correlation NEO Five-Factor Personality Inventory. 259 268 http://frooyesh.ir/browse.php?a_code=A-10-13130-1&slc_lang=fa&sid=1 Shadi Akbari شادی شادی اکبری akbari.sh@ut.ac.ir 100319475328460080502 100319475328460080502 Yes Assistant Professor, University of Tehran, Tehran, Iran. استادیار، دانشگاه تهران، تهران، ایران. Marzieh Hajizadegan مرضیه حاجیزادگان mhajizadegan@ut.ac.ir 100319475328460080503 100319475328460080503 No PhD, University of Tehran, Tehran, Iran. دکترا، دانشگاه تهران، تهران، ایران.