تتبلور فكرة البحث حول التوصل لنوع العلاقة التي تربط التعليم الالكتروني خلال جائحة كورونا برفع المهارات التكنولوجية للأساتذة والطلاب، وتبرز أهمية البحث في ان نجاح الوصول لهذه العلاقة يمكن الإفادة منها في تغيير منهجية تطوير المهارات التكنولوجية مستقبلا وذلك باعتماد الجوانب التطبيقية الفعلية بدلا من الدورات وورش العمل والتي قد لا تضاهي الطريقة العملية في رفع مستوى المهارات المختلفة سواء التدريسية او التكنولوجية، بلغ مجموع عينة البحث 80 فردا توزعوا على فئتين هما التدريسيين (36) استاذاً وبنسبة (45 %) والثانية هي الطلبة للمستويين الأولية (37) طالباً وبنسبة (46%) ودراسات عليا (7) طلاب وبنسبة (9 %) من مجموع عينة البحث، ومن خلال هذه العينة سيتم الوصول الى تحقيق الهدف المطلوب من هذا البحث من خلال نتائج تعبر عن الواقع. وخلال تطبيق إجراءات البحث تم الوصول الى مجموعة من النتائج أهمها هي: تبين ان هناك فجوة واضحة لدى عينة البحث بين مهارات العمل على الكومبيوتر قبل وبعد التعليم الالكتروني ففي المدة التي سبقت إجراءات التعليم الالكتروني كانت مهارات معظمهم (40 %) بمستوى ضعيف وان (35 %) منهم مهاراتهم جيدة جدا في حين ان (25 %) مهاراتهم ضعيفة، لكن بعد تطبيق إجراءات التعليم الالكتروني لوحظ ارتفاع في هذه المهارات وبنسبة عالية جدا بلغت (76 %) مهاراتهم جيدة جدا وهذه إشارة إيجابية على أثر التعليم الالكتروني في رفع المهارات التكنولوجية للمجتمع المبحوث
University e-learning and its role in raising technological skills
E-learning
Technology skills
Corona pandemic
Publication Date
Mon Apr 15 2024
Journal Name
Nibal
Publication Date
Mon Oct 13 2025
Journal Name
Mesopotamian Journal Of Cybersecurity
Improvement of the Face Recognition Systems Security Against Morph Attacks using the Developed Siamese Neural Network
Face Recognition Systems (FRS)
Siamese Neural Network (SNN)
Faster Region-based Convolutional Neural Networks (R-CNN)
Local Binary Pattern-Convolutional Neural Network (LBP-CNN)
Deep Learning
Morphing Attacks
Face Recognition Systems (FRS) are increasingly targeted by morphing attacks, where facial features of multiple individuals are blended into a synthetic image to deceive biometric verification. This paper proposes an enhanced Siamese Neural Network (SNN)-based system for robust morph detection. The methodology involves four stages. First, a dataset of real and morphed images is generated using StyleGAN, producing high-quality facial images. Second, facial regions are extracted using Faster Region-based Convolutional Neural Networks (R-CNN) to isolate relevant features and eliminate background noise. Third, a Local Binary Pattern-Convolutional Neural Network (LBP-CNN) is used to build a baseline FRS and assess its susceptibility to d
... Show More