این ۶ علامت نشان میدهد باید بیشتر غذا بخورید
تاریخ انتشار: ۱۹ دی ۱۳۹۶ | کد خبر: ۱۶۵۰۱۸۴۶
اگر مدام در حال رویاپردازی در مورد غذا هستید، بهتر است که در بین وعدههای اصلی غذا از میان وعده نیز استفاده کنید. خوردن میان وعده به شما کمک میکند متابولیسم تان بالا برود.به گزارش بلاغ، محدود کردن دریافت کالری همیشه نتیجه معکوس میدهد، چون بدن شما برای سوزاندن انرژی نیاز به دریافت کالری دارد و بدون آن سوخت و سازی برای کاهش وزن در کار نیست.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
در اینجا برخی از علائم که به شما میگوید باید غذای بیشتری بخورید تا بتوانید به اهداف کاهش وزن تان برسید، معرفی شده است:
فکر کردن تمام وقت به غذا:
اگر مدام در حال رویاپردازی در مورد غذا هستید، بهتر است که در بین وعدههای اصلی غذا از میان وعده نیز استفاده کنید. خوردن میان وعده به شما کمک میکند متابولیسم تان بالا برود. همچنین به شما کمک میکند که به جای فکر کردن آزاردهنده به غذا٬ بر روی کار اصلی و زندگی خود تمرکز کنید. از میان وعدههای پروتئینی و حاوی فیبر بالا استفاده کنید. مثل یک مشت آجیل و یا یک میوه.
اجتناب از برخی وعدههای غذایی:
صبحانه نخوردن یا اجتناب از میان وعده باعث احساس گرسنگی و پرخوری در وعدههای بعدی میشود. شاید این پرخوری در وعده بعد جبران نشود، اما مطمئن باشید که در روزها و هفتههای بعد جبران خواهد شد. دریافت سه وعده اصلی غذا در طول روز بعلاوه دو تا سه میان وعده کوچک، این احساس محرومیت و گرسنگی را از بین میبرد. باید از خوراکیهای سالم که خاصیت سیر کنندگی بیشتری دارند استفاده کنید؛ مانند گوشت مرغ، حبوبات، چربیهای سالم، غلات، میوه و سبزیجات.
نامنظم شدن قاعدگی:
کاهش وزن اصولی باعث تغییرات در چرخه قاعدگی نمیشود، اما عدم دریافت کافی غذا این عارضه را به دنبال خواهد داشت و حتی قاعدگی را قطع خواهد کرد. چون در این حالت بدن چربی کافی برای تولید هورمون جنسی که محرک سیکل قاعدگی است رو نخواهد داشت.
سردردهای شدید:
مغز ما با قند گلوکز که از طریق خون به مغز میرسد٬ فعالیت میکند. گلوکز خون هم از کربوهیدراتی که میخوریم٬ به دست میآید. محدود کردن انرژی و کربوهیدرات دریافتی٬ باعث گرسنگی مغز میشود و به بروز احساس لرزش٬ گیجی و سبکی سر و یا بروز سردردهای به ظاهر بی دلیل٬ منجر میشود. همه اینها میتواند حاکی از این باشند که قند خون شما پایین افتاده است و مغز بدون غذا مانده است. کافیست که انرژی و کربوهیدرات بیشتری به رژیم غذایی خود اضافه کنید تا از بروز سردرد جلوگیری کنید و نیز کاهش وزن شما سرعت بیشتری به خود بگیرد.
زودرنج و حساس شدن:
اگر در تلاش برای کاهش وزن هستید٬ باید غذای مصرفی را به قدری کم کنید که وزن کم نمایید٬ نه اینکه خلق و خوی خود رو از بین ببرید.
عدم سیر شدن با وجود دریافت غذا:
محدود کردن خود٬ به خوردن یک سالاد ناچیز در وعده شام٬ باعث میشود که احساس عدم سیری کرده و به دنبال غذای مفصلتر باشید. حال اگر ما به جای اینکه فقط سالاد بخوریم٬ بخشی از بشقاب را با سالاد پر کرده و بخش دیگر را به غلات کامل٬ چربیهای سالم و پروتئین خالص اختصاص بدهیم٬ احتمال اینکه بعد از غذا٬ هوس خوردن دسر به سر ما بزند٬ خیلی کمتر است. منظور از کنترل مقدار غذایی که میخوریم٬ صرفا این نیست که غذا رو کمتر کنیم٬ بلکه یعنی خوردن غذاهای ناسالم را که خاصیت سیرکنندگی ندارند را کمتر کرده و در عوض٬ غذاهای سالم و سیرکننده مصرف کنیم.
منبع: بلاغ مازندران
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.bloghnews.com دریافت کردهاست، لذا منبع این خبر، وبسایت «بلاغ مازندران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۱۶۵۰۱۸۴۶ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
انسانها سوگیری یادگیری ماشینی را بیشتر از سوگیری خود تشخیص میدهند
یک پژوهش جدید نشان میدهد که افراد سوگیری تصمیمهای الگوریتم یادگیری ماشینی را بیشتر از سوگیری تصمیمهای خودشان تشخیص میدهند. شاید بتوان از این ویژگی برای اصلاح سوگیریهای انسان استفاده کرد.
به گزارش ایسنا، از برنامههایی که تماشا میکنیم تا افرادی که استخدام میکنیم، الگوریتمها به طور فزایندهای در زندگی روزمره ما ادغام میشوند و بیسروصدا بر تصمیمهایی که میگیریم اثر میگذارند.
به نقل از ادونسد ساینس نیوز، هسته الگوریتمها، مجموعهای از قوانین یا دستورالعملهاست که برای پردازش اطلاعات و به دست آوردن یک نتیجه خاص طراحی شدهاند اما از آنجا که الگوریتمها از الگوهای رفتاری انسان یاد میگیرند، میتوانند سوگیریهایی را که درون ما وجود دارند، منعکس یا حتی تقویت کنند. با وجود این، یک پژوهش جدید نشان میدهد که این ممکن است زیاد بد نباشد.
«کری موروج»(Carey Morewedge) استاد «دانشگاه بوستون»(Boston University) معتقد است که این بازتاب میتواند نقاط کور سوگیری ما را روشن کند و در اصلاح رفتار نقش داشته باشد. الگوریتمهای یادگیری ماشینی بسیار موفق هستند زیرا میتوانند بیطرفانه الگوها را در مجموعه دادهها پیدا کنند اما در عین حال، سوگیریهای انسانی را نیز در دادههای آموزشی خود لحاظ کنند.
هنگامی که این سوگیریها در الگوریتمها شناسایی میشوند، میتوانند به آشکارسازی سوگیریهای بلندمدت در سازمانها کمک کنند. به عنوان مثال، شرکت «آمازون»(Amazon) سوگیری جنسیتی را در شیوههای استخدام خود بررسی نکرده بود اما با آزمایش یک الگوریتم که رزومههای جدید را براساس شیوههای پیشین استخدام شرکت ارزیابی میکرد، به این موضوع پی برد.
موروج گفت: الگوریتمها میتوانند سوگیریهای انسانی را کدگذاری و تقویت کنند اما سوگیریهای ساختاری را نیز در جامعه ما نشان میدهند.
انسانها سوگیریهای خود را تشخیص نمیدهند
موروج و گروهش در پژوهش خود نشان دادند که افراد معمولا تمایل بیشتری را به تشخیص دادن و تصحیح کردن سوگیریهای موجود در تصمیمگیری الگوریتم در مقایسه با تصمیمگیری خودشان دارند. آنها باور دارند که با دانستن این موضوع ممکن است بتوان از الگوریتمها برای رسیدگی به سوگیریهای موجود در تصمیمگیریها استفاده کرد.
انسانها به دلیل پدیدهای به نام «نقطه کور سوگیری»، برای دیدن سوگیری خود تلاش زیادی نمیکنند و بیشتر متوجه سوگیری افراد دیگر هستند. دلیل این است که ما میتوانیم در فرآیندهای تصمیمگیری خود، سوگیری را توجیه کنیم یا برای آن بهانه بیاوریم. برای ناظری که هیچ اطلاعاتی درباره فرآیند فکری یا چگونگی تصمیمگیری ندارد، سوگیریها واضحتر و بهانهجویی دشوارتر است.
موروج و همکارانش در این پژوهش نشان دادند که حتی وقتی الگوریتمها براساس رفتارهای ما آموزش داده میشوند نیز این موضوع صادق است.
تشخیص دادن سوگیری در الگوریتم سادهتر است
پژوهشگران در یک مجموعه آزمایش، از شرکتکنندگان خواستند تا سرویس «ایربیانبی»(AirBnB) و رانندگان «لیفت»(Lyft) را براساس معیارهای تشخیصی مانند تعداد ستارهها، ارزیابیها و مدت زمان حضور داشتن کنار راننده رتبهبندی کنند.
پژوهشگران معیارهای غیرتشخیصی مانند تصویر یا نام را که هیچ ارتباطی با کار ندارند، دستکاری کردند. شرکتکنندگان دو بار رتبهبندی را انجام دادند و سپس، رتبهبندیهای آنها یا رتبهبندی الگوریتم آموزشدادهشده نشان داده شد.
گاهی اوقات رتبهبندی خود شرکتکنندگان به آنها نشان داده میشد اما به آنها گفته میشد که رتبهبندی الگوریتم است. در همه سناریوها، شرکتکنندگان در مقایسه با الگوریتمها سوگیری کمتری را در رتبهبندیهای خود مشاهده کردند.
موروج گفت: مردم وقتی معتقدند که رتبهبندیها توسط یک الگوریتم انجام شده است، تمایل بیشتری به سوگیری دارند. این در حالی است که ما در واقع الگوریتم را روی دادههای آنها آموزش میدهیم و رتبهبندی الگوریتم براساس آن دادهها صورت میگیرد.
وی افزود: این به این معنا نیست که مردم انواع بیشتری از ویژگیها را در الگوریتمها میبینند، بلکه چیزهایی را میبینند که برای خودشان تهدیدکنندهتر است. بیشتر مردم نمیخواهند از نژاد در رتبهبندیهای خود استفاده کنند یا میخواهند نژاد را در آن رتبهبندی نادیده بگیرند. بنابراین، این ایده که نژاد بر آن رتبهبندیها تأثیر گذاشته، تهدیدکننده است.
در نتیجه، از آنجا که سوگیری در یک الگوریتم به عنوان تصمیمگیری ناقص خود ما تلقی نمیشود، دیدن یا اعتراف کردن به وجود آن آسانتر است. به گفته موروج، این یافته دو روش را ارائه میدهد که الگوریتمها به واسطه آن میتوانند به انسان در کاهش سوگیری کمک کنند.
وی افزود: یک روش این است که تصمیمهای خود را جمعآوری کنید و الگوها را ببینید که به شما کمک میکنند تا سوگیری را تشخیص دهید اما هنوز موانعی بر سر راه توانایی ما برای تشخیص دادن سوگیریها وجود دارد. ما انگیزههایی را برای محافظت از خود داریم.
موروج و گروهش با پیروی از این منطق، آزمایش دیگری را انجام دادند تا ببینند آیا احتمال بیشتری وجود دارد که شرکتکنندگان به اصلاح سوگیری در رتبهبندیهای خود یا الگوریتم بپردازند. پس از مشاهده رتبهبندیها، به شرکتکنندگان فرصت داده شد تا سوگیری را اصلاح کنند و احتمال بیشتری وجود داشت که اصلاحاتی را در رتبهبندی الگوریتم انجام دهند. موروج گفت: از آنجا که افراد سوگیری را بیشتر در رتبهبندی الگوریتم میبینند تا خودشان، احتمال بیشتری وجود دارد که رتبهبندیهای الگوریتم را اصلاح کنند.
موروج اذعان داشت که این پژوهش هنوز در مراحل اولیه است اما او روش ملموسی را میبیند که از طریق آن میتوان یافتهها را در آموزش دادن الگوریتم برای جلوگیری از سوگیری در دنیای واقعی ادغام کرد. وی افزود: اولین گام این است که افراد سوگیریهای خود را بفهمند و آنها را ببینند. من فکر میکنم این الگوریتمها، روش سودمندی برای ارائه دادن یک دیدگاه واقعیتر به افراد درباره میزان سوگیری آنها هستند.
این پژوهش در مجله «PNAS» به چاپ رسید.
انتهای پیام