Channel
@Payannameh_Mohammadi
On this record: Topic · Growth · Engagement · Reactions · Posts · Citations · Telegram's recommendations · Cite this entry
3,158subscribers
+13 since we began measuring on 6 August 2026
Risers and fallers across the register · movement among entries of 1,000–3,162.
| Telegram ID | -1001735797638 |
|---|---|
| Type | Channel |
| Username | @Payannameh_Mohammadi |
| Created | Between 1 December 2021 and 30 April 2023 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 6 August 2026 |
| Last confirmed live | 27 September 2026 |
| Measurements held | 15 |
| Confirmed unchanged | 1 time, most recently 27 September 2026 |
| On Telegram | t.me/Payannameh_Mohammadi |
Education — a classification, not a measurement. An on-box language model (Qwen3.6-35B-A3B-FP8, prompt version 1) read this channel’s own recent posts on 14 September 2026 and assigned it the closest of 31 fixed categories, at 100% confidence. This is a model’s judgement about what the channel is likely to be about, not a fact this register measured the way a subscriber count or a view count is measured — it can be revised on a later pass, and it carries no weight anywhere else on this page. How this classification works, and why it has no browse page of its own yet.
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 27 Sept 2026, 04:56 | 3,158 | +29 |
| 15 Sept 2026, 06:19 | 3,129 | +19 |
| 11 Sept 2026, 08:21 | 3,110 | -11 |
| 6 Sept 2026, 15:20 | 3,121 | +5 |
| 2 Sept 2026, 14:18 | 3,116 | -8 |
| 30 Aug 2026, 04:17 | 3,124 | -1 |
| 26 Aug 2026, 21:34 | 3,125 | -8 |
| 23 Aug 2026, 20:03 | 3,133 | -11 |
| 19 Aug 2026, 19:02 | 3,144 | -6 |
| 16 Aug 2026, 19:13 | 3,150 | +24 |
| 12 Aug 2026, 23:34 | 3,126 | -9 |
| 10 Aug 2026, 06:32 | 3,135 | -8 |
| 6 Aug 2026, 22:58 | 3,143 | -2 |
| 6 Aug 2026, 04:50 | 3,145 | no change |
| 6 Aug 2026, 02:35 | 3,145 | first reading |
23 posts held, back to 24 July 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 3 pages of Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 23 posts for this entry, the most recent from 7 August 2026. An engagement rate over an empty window would be a number about nothing.
84 reactions across 20 posts, in 4 distinct kinds. The most used accounts for 94.0% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 79 | 94.0% | |
| ❤🔥 | 3 | 3.57% | |
| 👍 | 1 | 1.19% | |
| 💯 | 1 | 1.19% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 23 of the 23 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 100 reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 23 most recent posts we hold, published 24 July 2026 to 7 August 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
🔶️ پست 20 | همسانی اندازهگیری و گزارش نهایی چیست؟ 🔸️ همسانی اندازهگیری و گزارش نهاییپیش از مقایسه میانگین یا روابط سازهها در دو گروه، باید بررسی کنیم ابزار در هر دو گروه معنای مشابهی دارد. این موضوع همسانی یا ناوردایی اندازهگیری نامیده میشود. برای مثال، ممکن است پرسشنامه رضایت شغلی در زنان و مردان ساختار یکسانی نداشته باشد. 🔸️ سطوح رایج بررسی شامل همسانی پیکربندی، متریک و اسکالر است. بدون همسانی کافی، تفاوت…
❤4
🔶️ پست 19 | اصلاح مدل و شاخصهای تعدیل به چه صورت است؟ 🔸️ تعدیل نشان میدهد آزادکردن یک پارامتر ثابتشده ممکن است برازش مدل را بهبود دهد. برای مثال، ممکن است پیشنهاد شود خطاهای دو گویه با یکدیگر همبسته شوند. این پیشنهاد نباید بدون دلیل نظری پذیرفته شود. 🔸️ اصلاح مکرر مدل بر اساس یک مجموعه داده میتواند باعث بیشبرازش شود. در این حالت، مدل ممکن است در نمونه جدید تکرار نشود. 🔸️ اصلاح مدل باید با معنای گویهها، نظریه…
❤4
🔶️ پست 18 | برازش مدل چگونه ارزیابی میشود؟ 🔸️ برازش نشان میدهد ساختار پیشنهادی مدل تا چه اندازه با دادههای مشاهدهشده سازگار است. 🔸️ آزمون کایدو یکی از شاخصهای اصلی برازش است، اما به حجم نمونه حساس است. به همین دلیل، نباید فقط بر نتیجه کایدو تکیه کرد. شاخصهایی مانند CFI، TLI، RMSEA و SRMR نیز گزارش میشوند. 🔸️ مقادیر نزدیک به ۰٫۹۵ برای CFI و TLI و مقادیر پایین RMSEA و SRMR معمولاً مطلوب تلقی میشوند. اما ای…
❤3
🔶️ پست 17 | مدل ساختاری چیست؟ 🔸️ مدل ساختاری روابط فرضشده میان سازهها یا متغیرهای اصلی را نشان میدهد.ر این بخش، مسیرهای مستقیم، غیرمستقیم و گاهی اثرهای متقابل آزمون میشوند. 🔸️ این بخش، مسیرهای مستقیم، غیرمستقیم و گاهی اثرهای متقابل آزمون میشوند.برای مثال، میتوان اثر فشار شغلی بر قصد ترک شغل را با میانجیگری فرسودگی بررسی کرد. 🔸️ در SEM بهتر است مدل اندازهگیری پیش از مدل ساختاری ارزیابی شود.این رویکرد کمک می…
❤4
🔶️ پست 16 | پایایی و روایی سازهها چه کاربردی دارد؟ 🔸️ پایایی و روایی سازههابرازش مناسب CFA بهتنهایی برای تأیید کیفیت ابزار کافی نیست. پژوهشگر باید پایایی و روایی سازهها را نیز بررسی کند. 🔸️ روایی همگرا نشان میدهد شاخصهای یک سازه با یکدیگر ارتباط مناسبی دارند. روایی افتراقی نشان میدهد دو سازه ظاهراً متفاوت، واقعاً از یکدیگر متمایزند. 🔸️ بارهای عاملی، پایایی ترکیبی و واریانس استخراجشده میانگین از شاخصهای را…
❤4
💔عزیزان متأسفانه باز اینترنت رنگ بوی خوبی نداره پس کانال بله مون داشته باشید💔 «پروپوزال پایاننامه مقاله ترجمه_محمدی» 🆔 شناسه: https://ble.ir/Payannameh_Mohammadi
❤2👍1
🔶️ پست 15 | مدل اندازهگیری چیست؟ 🔸️ مدل اندازهگیری مشخص میکند هر سازه مکنون با چه شاخصهایی سنجیده میشود. 🔸️ این مدل معمولاً با تحلیل عاملی تأییدی یا CFA بررسی میشود. در CFA، پژوهشگر پیشاپیش تعیین میکند هر گویه به کدام عامل مربوط است. 🔸️ بار عاملی نشان میدهد هر شاخص تا چه اندازه با سازه مربوط ارتباط دارد. برای مثال، سه مجموعه سؤال میتوانند توانایی دیداری، کلامی و سرعت ذهنی را اندازهگیری کنند. 🔸️ پیش از آز…
❤4
🔶️ پست 14 | تفاوت تحلیل مسیر و SEM چیست؟ 🔸️در تحلیل مسیر، متغیرها معمولاً بهصورت نمرههای مشاهدهشده وارد مدل میشوند. 🔸️در SEM کامل، میتوان سازههای مکنون را با چند شاخص اندازهگیری کرد. تحلیل مسیر روابط میان متغیرها را بررسی میکند، اما معمولاً خطای اندازهگیری آنها را جدا نمیکند. در SEM میتواند خطای اندازهگیری شاخصها را در مدل وارد کند. 🔸️ تحلیل مسیر برای مدلهای سادهتر و نمرههای ترکیبی مناسب است. در S…
❤4
🔸 پست 13 | مدلیابی معادلات ساختاری چیست؟ 🔸️مدلیابی معادلات ساختاری یا SEM یک خانواده گسترده از روشهای آماری است. 🔸️رگرسیون، تحلیل مسیر و تحلیل عاملی تأییدی را میتوان بخشهایی از این خانواده دانست. 🔸️ در SEM میتواند چند رابطه را بهصور همزمان بررسی کرد در این روش همچنین امکان استفاده از متغیرهای مکنون را فراهم میکند. در SEM کامل، هم کیفیت اندازهگیری سازهها و هم روابط میان سازهها بررسی میشود. به همین دلیل…
❤5
🔶️ پست 12 | حجم نمونه تحلیل مسیر و SEM چه مقدار است؟ 🔸️ برای تحلیل مسیر و SEM یک حجم نمونه ثابت و همگانی وجود ندارد. 🔸️ قاعدههایی مانند «حداقل ۲۰۰ نفر» یا «۱۰ نفر به ازای هر گویه» همیشه معتبر نیستند. 🔸️حجم نمونه به تعداد پارامترها، اندازه اثر، بارهای عاملی، پایایی شاخصها و روش برآورد بستگی دارد. میزان داده گمشده و غیرنرمالبودن دادهها نیز مهم است. 🔸️ ولف و همکاران در شرایط شبیهسازیشده مختلف، حجم نمونههای لاز…
❤4
🔶️ پست 11 | پیشفرضها و آمادهسازی دادهها مدل چیست؟ 🔸️ پیشفرضها و آمادهسازی دادههاقبل از اجرای مدل باید کیفیت دادهها بررسی شود. دادههای پرت، دادههای گمشده و توزیع متغیرها میتوانند بر نتایج اثر بگذارند. روابط مدل خطی باید از نظر خطیبودن بررسی شوند. 🔸️ استقلال مشاهدات نیز مهم است، مگر آنکه ساختار خوشهای دادهها در مدل لحاظ شود. برای گویههای ترتیبی لیکرتی، انتخاب روش برآورد مناسب اهمیت دارد. 🔸️ استفاده…
❤4
🔶️ پست 10 | شناساییپذیری مدل چیست؟ 🔸️ پیش از برآورد مدل باید مطمئن شویم پارامترهای آن قابل شناسایی هستند. 🔸️ در مدل کمشناساییشده، اطلاعات موجود برای برآورد یکتای پارامترها کافی نیست. 🔸️ در مدل کاملاً شناساییشده، درجه آزادی صفر است. چنین مدلی دادهها را دقیقاً بازتولید میکند، اما برازش کلی آن قابل آزمون نیست. 🔸️ در مدل بیششناساییشده، درجه آزادی بیشتر از صفر است و میتوان برازش مدل را ارزیابی کرد. برای مقیاس…
❤5
Showing the 12 most recent of 23 posts we hold for @Payannameh_Mohammadi. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Named by 14 registered channels — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
The reverse of the list above, and a different kind of signal. This does not require this channel to have ever been asked about directly — each row below is a channel we DID ask Telegram about, whose Telegram-generated list happened to include this one. A channel can appear here with an empty list above it, because being named by someone else’s query is independent of having been queried itself.
This channel appears in 6 seed channels' Telegram-generated recommendation lists in total. Each is Telegram’s list for THAT channel, not this one — see how this is measured.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 27 September 2026 — this entry's latest reading, not the date you are reading this.
“پروپوزال پایاننامه مقاله ترجمه_محمدی” (@Payannameh_Mohammadi), 3,158 subscribers as measured 27 September 2026. Telegram Register, tgregister.com/channel/Payannameh_Mohammadi.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.