محرک شاخص ثانویه چیست؟

شکل 1. سیم‌پیچ توخالی با هسته هوا

رفتارهای خود تحریکی و مشکلات یکپارچگی حسی( پرذازش حسی)

بعضی از کودکان( به طور خاص کودکان طیف اتیسم یا با ناتوانی های شناختی) در رفتارهای خود تحریکی درگیر می‌شوند مثل جنباندن و چرخیدن و ضربه به دست در پاسخ به تقاضاهای پردازش حسی مقاومت ناپذیر. این مهم است که تشخیص دهیم که رفتارهای خود تحریکی به طور مستمر انجام می شود.

جهت تماس با کلینیک کاردرمانی و گفتار درمانی جناب آقای دکتر صابر (کلینیک توانبخشی پایا در پاسداران ، کلینیک توانبخشی غرب تهران در سعادت آباد) باشماره 09029123536 تماس حاصل فرمایید.

در حقیقت همه رفتارهای خود تحریکی ما از یک زمان تا زمان دیگر به عنوان مکانیسم آرام بخش است. شما ممکن است وقتی که نیاز دارید هوشیار باشید، آدامس بجوید یا قهوه بنوشید یا با تکان دادن پاهایتان یا کشیدن موهایتان و پاک کردن گوشتان و یا درگیر شدن در هر چیزی که به شما کمک بکند تا احساس و عملکرد بهتری را داشته باشید.

ما می دانیم که این تحریکات به اندازه کافی برای کمک به ما مفید هستند و از نظر اجتماعی نیز مورد پذیرش واقع شده اند میزان دقیق رفتار های خروجی بایستی مورد قبول جامعه واقع شود.

کودکی که مشکلات حسی قابل توجهی دارد ممکن است با خود تحریکی های ناهنجار در کشمکش باشد که موجب آشفته شدن دیگران می شود. این رفتارها منجر به این موارد می شود :

• ناتوانی یک سیستم عصبی غیر فعال در فرد، در هنگام بی حوصلگی و حین پایین بودن میزان تحریک
• خود تنظیمی در برابر یک سیستم عصبی مقاومت ناپذیر
• انسداد داده های حسی
• احساس بهتر به دلیل رفتارهای خود آزاری و خود تحریکی باهم و رها شدن دوپامین و مواد شیمیایی درون بدن

تحقیقات چه چیزی را نشان می دهند

مشکلات پردازش حسی می تواند سبب آشفتگی و به طور کلی برای افراد که تجربه ناخوشایند دارند دردناک باشد. آنها در تلاش هستند تا به کودکان خود کمک کنند.

همه و یا اغلب پدر و مادرها یا معلم ها اگر تلاششان را بیشتر کنند کنترل بیشتری روی رفتار کودکشان به دست خواهند آورد و بسیاری از مشکلات از قبیل تنبلی، افسردگی، عصبانیت و نقایص شناختی را به خوبی مدیریت می کنند.

تفاوت بیولوژیکال کودک سالم با کودک اختلال پردازش حسی

یک منبع بر اساس شواهد نشان داد که کودکان با اختلال پردازش حسی تفاوت‌های بیولوژیکال با بچه ای سالم دارند که منجر به پردازش چند حسی می‌شود و بنابراین هر روز واکنش های رفتاری و هیجانی بسیار فراتر از فهم دارد که شامل تفاوت‌هایی در ساختار ماده سفید و پاسخ های سیستم عصبی سمپاتیک و پاراسمپاتیک و عادت های ضعیف برای محرکات حسی است.

یک مطالعه کوچک اما پیشگام از تصویربرداری تنسور انتشار یافت و یک ام ار ای پیشرفته به منظور حرکت مولکول های آب در مغز آزمودنی های جنس مذکر بین سن ۸ تا ۱۱ سال به منظور معاینه میسر و یکپارچگی فیبرهای ماده سفید که به درک و یادگیری و فکرکردن کمک می‌کند انجام شد.

این مطالعه ۲۴ پسر در حال رشد را با ۱۶ پسر با تشخیص اختلال پردازش حسی را بدون هیچ تشخیص اتیسم یا نارس بودن با هم مقایسه کرد و آنها را از نظر سن ، جنس ، بهره هوشی و برتری دست با هم هماهنگ کردند.

در این مطالعه ساختارهای میکروسکوپ غیر نرمال در رشته های جسم سفید در پسرهای اختلال پردازش حسی در پشت مغز پیدا شد این رشته های مغزی خلفی به عنوان رابط های اطلاعات لامسه و بینایی و شنیداری عمل می‌کنند و پردازش حسی لازم و ضروری را انجام می‌دهند.

در این مطالعه کاهش یکپارچگی جسم سفید در سرعت انتشار و شرایط مسیرها که نشان دهنده تغییر در زمان بندی انتقالات عصبی می باشد مشاهده گردید و بنابراین نشان‌دهنده ی در هم گسیختگی در یکپارچه سازی اطلاعات حسی در سراسر حس های چندگانه می باشد این رشته هایی هستند که نشان دهنده فردی دارای مشکلات در پردازش حسی است.

این را دکتر پارا تیک نویسنده ارشد مطالعه گفته است. رشته های قدامی تر جسم سفید معمولاً در کودکانی که تنها تشخیص بیش فعالی یا اختلال طیف اتیسم دارند درگیر می‌شوند.

علائم غیر نرمالی که ما پیدا کردیم در یک ناحیه متفاوت مغز متمرکز شده بود و نشان می دهند این است که کودک دارای اختلال پردازش حسی ممکن است به طور نورو آناتومیکی متمایز باشد.

مشخصاً مطالعات آینده تضمین می‌کنند که یافته‌ها به دختران، گروه‌های سنی متفاوت و افراد با بهره هوشی متفاوت تعمیم یابد.

پروتکل چالش‌های حسی برای شماری از مطالعات استفاده شد که یک پروسه آزمایشگاهی می باشد و واکنش های فیزیولوژیکی به محروک حسی را اندازه ‌گیری می‌کند. در طی این روش غیر تهاجمی، کودکان وانمود کردند که فضانورد هستند و به الکترود های اندازه گیری و پاسخ های الکترودرمال وصل شدند و یک شاخص پذیرفته شده موافق با فعالیت سیستم عصبی نیز وجود داشت.

سپس آنها در معرض یک مجموعه ای از ده محرک حسی قرار گرفتند که در هرکدام پنج مدالیته های حسی وجود داشت :

1. شنیداری (صدای صوت)
2. بینایی (نور های چشمک زن)
3. بویایی (نوعی گیاه)
4. لامسه (لمس خفیف به وسیله یک پر روی چانه)
5. وستیبولار (عقب کشیدن صندلی به آرامی)

هر بار که کودک دارای اختلال پردازش حسبی با محرک‌های حسی روبرو می‌شدند واکنش های قوی فیزیولوژیکی را نشان می دادند در حالی که کودکان نوروتیبیکال در آغاز واکنش های فیزیولوژیک قابل توجهی را نشان دادند اما خیلی زود با کمترین میزان واکنش نسبت به محرک های ثانویه عادی شدند.

یک مطالعه آزمایشی توسط اسکاف ، میلر ، سول و اکاف در رابطه با نقش سیستم عصبی پاراسمپاتیک با استفاده از تون عضلات قلبی که یک شاخص استرسی فیزیولوژی پذیرفته شده است انجام شد دوباره کودک دارای اختلال پردازش حسی تفاوت های فیزیولوژیکی را در شرایط وابسته به استرس نشان دادند همان طور که با نقطه مقابل مقایسه می شدند.

یک مطالعه دیگر ارتباط بین عملکرد مغزی و وجود اختلال پردازش حسی را با استفاده از نوار مغز بررسی کرد. این مطالعات نشان داده که کودکان دارای اختلال پردازش حسی ورودی کمتری را نشان می‌دهند که در آن مکانیسم مغز محرک نامربوط را مکررا سرکوب می‌کند.

این مطالعات بین فعالیت مغزی کودکان در حال رشد و کودکان دارای اختلال پردازش حسی با ٪۸۶ درستی تفاوت قائل شد در همه این مطالعات اگر سیستم عصبی کودک نوروتیبیکال بگوید که : آنجا باش ، آن را انجام بده ، بدون تکرار آن. در حالی که سیستم عصبی کودک با مشکلات حسی می‌گوید : وای آن چیست؟ (پشت سر هم) برای اکثر ما بسیار مشکل است که تشابه آن ها را دریابیم.

قرص ایموستیم

اين دارو در بيماريهاي حادي مانند سل ، مولتي پل اسكلروز، ايدز و اختلالات اتوايميون نبايد بكار رود. فرآورده هاي محتوي گياه اكيناسه نبايستي در افرادي كه نسبت به گياهان حساسيت نشان مي‌دهند بكار روند.

مصرف اين فرآورده در بيماران ديابتي توصيه نمي شود.

موارد احتياط: مصرف اين دارو بيشتر از ۸ هفته ممتد توصيه نمي‌شود.

عوارض جانبی

گاهگاهي در افـراد حساس به گياهان تيره كاسني (asteraceae) ممكن است عوارض آلرژيك بروز ‌نمايد

اجزای فرآورده

شکل دارویی

استاندارد شده

آثار فارماکولوژی

سیستم ایمنی مجموعه بزرگی از سلول ها و مولکول های متنوع و مختلف می باشد که در برابر ماکرو و میکرو مولکول هایی که به عنوان غیر خودی مورد شناسایی قرار می دهد، واکنش داده و پاسخ های ایمنی را شکل می دهد. اجزای گوناگون یاد شده را جهت مطالعه و بررسی آسان تر در قالب دو بخش ایمنی ذاتی (طبیعی) و ایمنی اختصاصی (اکتسابی) تقسیم بندی می کنند. این دو بازوی سیستم ایمنی روابط تنگاتنگ متقابل دارند، به طوری که ایمنی ذاتی باعث فعال شدن و به راه اندازی واکنش های ایمنی اختصاصی می شود و واکنش های ایمنی اکتسابی نیز تقویت و ارتقاء فعالیت های ایمنی ذاتی را به دنبال دارد.(1)

فرایند های هماهنگ و پیچیده سیستم ایمنی وظایف متعددی را در بدن به عهده دارند که از میان آنها می توان به ایجاد مصونیت در برابر عوامل عفونی مختلف و مقابله با رشد و گسترش سلول های سرطانی به عنوان دو مورد شاخص اشاره نمود. این سیستم جهت انجام بهینه این وظایف، در هر مورد، از توانایی ها و خصوصیات سلول ها و مولکول های خود به خوبی بهره برده و مناسب ترین استراتژی ها را به کار می بندد. به عنوان مثال علیه عوامل عفونی ویروسی در ابتدا ایمنی ذاتی: 1- با تولید اینترفرون های تیپ یک (توسط ماکروفاژها) سلول های آلوده و غیر آلوده مجاور را در یک حالت ضد ویروسی قرار می دهد. 2- سلول های کشنده طبیعی (NK[1]) سلول آلوده را از بین می برند و 3- سیستم کمپلمان نیز با تسهیل فاگوسیتوز ذرات ویروسی و لیز مستقیم ویروس های دارای envelope (مانند ویروس آنفلوانزا) وارد عمل می شود. سپس با فعال شدن ایمنی اختصاصی (به طور عمده توسط سایتوکاین های تولیدی از ماکروفاژ ها):1- آنتی بادی های ضد ویروسی تولید می شود و 2- سلول های T سیتوتوکسیک ( مانند سلول های NK ولی با روش هایی متفاوت) به لیز سلول های آلوده و ریشه کنی عفونت می پردازند.(1)

جهت افزایش یا به عبارت بهتر تنظیم فعالیت ها و پاسخ های ایمنی، علاوه بر عوامل سنتتیک می توان از گیاهان دارویی با عوارض جانبی فوق العاده کمتر نیز بهره جست. نمونه کاملا شناخته شده و پرمصرف از این دست گیاهان اکیناسه (Echinacea purpurea ، سرخارگل) می باشد. مکانیسم های فارماکولوژیک اکیناسه و نتایج حاصله از آن را می توان در عناوین زیر برشمرد:

• افزایش تعداد لکوسیت ها و گرانولوسیت ها (2) – افزایش فعالیت سلول های NK (2)

(انواع مختلف سلول های ایمنی)

• تحریک فعالیت ماکروفاژها (3،2) – افزایش سطح پروپردین (2)

(فاگوسیتوز، ترشح سایتوکاین ها) (پیشبرد فعالیت سیستم کمپلمان)

• فعال نمودن سلول های T (2) – خواص مستقیم ضد ویروسی و باکتریایی (4،2)

(به صورت غیر اختصاصی)

• تاثیر مفید در کاهش بروز و مدت زمان علائم سرما خوردگی (7-5)
• کاهش ارزشمند در میزان عود و عوارض ناشی از عفونت های تنفسی ویروسی (8)
• کاهش بروز عفونت های باکتریایی ثانویه در آنفلوانزا (9)

با توجه به تاثیرات فوق، اندیکاسیون های بالینی اکیناسه را می توان به صورت زیر بیان نمود (2):

• کمک در درمان و نیز پیشگیری نسبی از ایجاد سرما خوردگی و آنفلولانزا
• تقویت سیستم ایمنی در افراد در معرض استر س های فراوان شغلی یا اجتماعی
• کمک در درمان کمبودهای سیستم ایمنی ناشی از ورزش های سنگین و مسابقات حرفه ای
• درمان کمکی جهت بالا بردن اثربخشی آنتی بیوتیک ها
• کاهش تاثیر منفی شیمی درمانی و رادیو درمانی بر سیستم ایمنی

در این زمینه داروی گیاهی ایموستیم حاوی عصاره اکیناسه در دو شکل دارویی شربت و قرص قابل معرفی می باشد. علاوه بر این جهت اثربخشی بهتر می توان از کپسول ایمونستیم طلایی نیز بهره برد. در تهیه این کپسول علاوه بر اکیناسه از گیاه مهر طلایی (Hydrastis canadensis) هم استفاده شده است. مهر طلایی از گیاهان حاوی berberine است که فعالیت آنتی بیوتیکی آن از طریق مکانیسم های زیر درتحقیقات متعددی نشان داده شده است:

• کاهش و/ یا محدود نمودن رشد ویروس آنفلوانزا و تداخل با همانند سازی آن در سلول میزبان (10)
• جلوگیری از اتصال باکتری ها به سلول میزبان (12،11)
• فعال نمودن ماکروفاژها (12)

منابع

1. Abbas AK, Litchman AH, Pillai S. Cellular and molecular immunology, 8th ed. Philadelphia: Elsevier; 2015.
2. Murray MT. Echinacea species (narrow-leafed purple coneflower). In: Pizzorno JE, Murray MT: Natural medicine, 4th ed. Philadelphia: Elsevier; 2013. p. 718-725.
3. Fu A, Wang Y, Wu Y, Chen H, Zheng S, Li Y, et al. Echinacea purpurea Extract Polarizes M1 Macrophages محرک شاخص ثانویه چیست؟ in Murine Bone Marrow-Derived Macrophages Through the Activation of JNK. J Cell Biochem. 2017;118(9):2664-71.
4. Hudson JB. Applications of the phytomedicine Echinacea purpurea (Purple Coneflower) in infectious diseases. J Biomed Biotechnol. 2012;2012:769896.
5. Schoop R, Klein P, Suter A, Johnston SL. Echinacea in the prevention of induced rhinovirus colds: a meta-analysis. Clin Ther. 2006;28(2):174-83.
6. Shah SA, Sander S, White CM, Rinaldi M, Coleman CI. Evaluation of echinacea for the prevention and treatment of the common cold: a meta-analysis. Lancet Infect Dis. 2007;7(7):473-80.
7. Jawad M, Schoop R, Suter A, Klein P, Eccles R. Safety and Efficacy Profile of Echinacea purpurea to Prevent Common Cold Episodes: A Randomized, Double-Blind, Placebo-Controlled Trial. Evid Based Complement Alternat Med. 2012;2012:841315.
8. Schapowal A, Klein P, Johnston SL. Echinacea reduces the risk of recurrent respiratory tract infections and complications: a meta-analysis of randomized controlled trials. Adv Ther. 2015;32(3):187-200.
9. Vimalanathan S, Schoop R, Suter A, Hudson J. Prevention of influenza virus induced bacterial superinfection by standardized Echinacea purpurea, via regulation of surface receptor expression in محرک شاخص ثانویه چیست؟ human bronchial epithelial cells. Virus Res. 2017;233:51-9.
10. Cecil CE, Davis JM, Cech NB, Laster SM. Inhibition of H1N1 influenza A virus growth and induction of inflammatory mediators by the isoquinoline alkaloid berberine and extracts of goldenseal (Hydrastis canadensis). Int Immunopharmacol. 2011;11(11):1706-14.
11. Scazzocchio F, Cometa MF, Tomassini L, Palmery M. Antibacterial activity of Hydrastis canadensis extract and its major isolated alkaloids. Planta Med. 2001;67(6):561-4.
12. Murray MT. Hydrastis canadensis (goldenseal) and other berberine- containing botanicals. In: Pizzorno JE, Murray MT: Natural medicine, 4th ed. Philadelphia: Elsevier; 2013. p. 813-818.

محصولات مرتبط

آلرگل

قرص ایموستیم

تقویت کننده قدرت دفاعی بدن در برابر عفونت های میکروبی و ویروسی به ویژه عفونتهای مجاری تنفسی و ادراری و همچنین پیشگیری از سـرماخوردگی

ایمونستیم طلائی

برونکوگل

پکتوگل

درمـان سـرفـه، برونـشـیت، سیاه سرفه و بیماریهای التهابی حاد و مزمن ریوی و به عنوان خلط آور در کودکان و بزرگسالان

دیاتوسین

فیتوگریپ

فیتوکلد

کلدراب

لیکوفار

نازوفیت

محلول ایموستیم

تقویت کننده قدرت دفاعی بدن در برابر عفونتهای میکروبی و ویروسی به ویژه عفونتهای مجاری تنفسی، ادراری و همچنین سرماخوردگی. تقویت کننده سیستم ایمنی بدن درموقع انجام ورزش های سنگین و خستگی های مفرط.

گزارش جامع NFT، قسمت ششم: مکانیسم قیمت گذاری NFT

شاید یکی از جذاب‌ترین و بحث‌برانگیزترین مباحث مربوط به توکن‌های غیرمثلی، مساله قیمت و مکانیسم تعیین قیمت آن‌ها است، اما واقعا قیمت گذاری NFT چگونه انجام می‌شود؟ چه عواملی در فرایند آن دخیل هستند و به چه مواردی باید دقت کرد؟ تیم کوین تلگراف برای بررسی بهتر بازار توکن‌های یکتا، اقدام به انتشار گزارش جامع NFT کرد و ما در میهن بلاکچین آن را ترجمه کرده‌ایم. با ما همراه باشید که در قسمت ششم از این گزارش به بررسی مکانیسم قیمت گذاری NFT می‌پردازیم.

مکانیسم قیمت گذاری در NFT

قیمت توکن‌های غیرمثلی با توجه به همتاهای مثلی آن‌ها مانند بیت کوین و اتریوم، متفاوت است. مدل‌های قیمت گذاری NFT به دسته‌بندی، طراحی و حقوق مالی آن‌ها بستگی دارد. برای مثال، توکن‌های غیرمثلی قابل ذخیره را می‌توان بر اساس نادر بودن ویژگی‌های آن‌ها در یک مجموعه و توکن‌های درآمدزا را می‌توان با مدل ارزش‌گذاری جریان‌ نقد تنزیل‌شده (Discounted Future Cash Flow) قیمت‌گذاری کرد.

NFTها همچنین دارای ارزشی در جامعه، انجمن‌ها و شبکه هستند که در قیمت‌گذاری آن‌ها اثر می‌گذارد. با توجه به دوجانبه بودن معاملات بازار و حجم محدود مجموعه‌ها، نقدینگی در NFTها بسیار کمتر از توکن‌های قابل تعویض است که منجر به کاهش دقت در تعیین قیمت می‌شود. تعیین قیمت و نقدینگی با هم مرتبط هستند؛ زیرا تعیین دقیق قیمت در زمان مناسب، منجر به یک بازار مشتقه NFT سیال می‌شود. علاوه بر این، بازار توکن‌های غیرمثلی هنوز در مراحل اولیه خود قرار دارد و در نتیجه ممکن است قیمت‌گذاری منظم نداشته نباشد.

اولین باری که یک NFT ارزش‌گذاری می‌شود در مرحله آغاز تولید است که مینت کردن یا ضرب کردن (minting) نام دارد. نیازی نیست که NFTها حتما توسط سازنده‌های خود ضرب شوند، اما می‌توانند این امکان ضرب در شرایط مختلف را به سرمایه‌گذاران بدهند. این قابلیت ممکن است هزینه‌ای در بر داشته باشد که به آن هزینه ضرب می‌گویند.

با این حال این هزینه نشان‌دهنده ارزش آن توکن غیرمثلی در بازار نیست. برای محرک شاخص ثانویه چیست؟ اینکه این هزینه، نشان‌دهنده ارزش NFT در بازار باشد، سرمایه‌گذار باید هزینه ضرب بپردازد و توکن غیرمثلی را بسازد. بعضی از NFTها هرگز توسط خریداران کلکسیونرها ضرب نمی‌شوند و از میان آن‌هایی که توسط خریداران ضرب می‌شوند، برخی‌ها ممکن است در فروش اولیه خود خریدار پیدا نکنند.

توکن‌های قابل ذخیره و بازی‌های کامپیوتری اغلب از طریق ایردراپ یا پک‌ها ارائه می‌شوند محرک شاخص ثانویه چیست؟ که کاربر باید هزینه‌ای برای حقوق NFTهای ضرب‌شده تصادفی جدید بپردازد. این NFT‌های تصادفی معمولا دارای ویژگی‌های تصادفی هستند و هر چه کمیاب‌تر باشند، در رده‌های قیمتی بالاتر قرار می‌گیرند. یک مثال برای هزینه ضرب، سرویس نام‌گذاری Space69 اتریوم است که برای ضرب یک نام دامنه بدون مالک، سالانه ۵ دلار هزینه می‌گیرد. سرمایه‌گذاران ممکن است تحت شرایط مختلفی مانند سابسکرایبر ویژه یک تولیدکننده محتوا بودن، حق ضرب را به صورت رایگان به دست بیاورند. این همان اتفاقی بود که برای یوتیوبر معروف ارزهای دیجیتال، بنجامین کوون (Benjamin Cowen) افتاد. در این صورت، هیچ هزینه‌ای برای ضرب اعمال نمی‌شود.

مثال دیگری ازشرایط ضرب می‌تواند از طریق یک بازی مانند اکسی اینفینیتی (Axie Infinity) باشد که کاربران در آن می‌توانند از حیوانات خانگی خود در داخل بازی، NFTهای تازه ضرب‌شده با صفات ترکیبی بسازند. صفات ترکیبی یعنی فرزندان دو نژاد مختلف اکسی (Axie)، صفات هر دو والد را دریافت خواهند کرد. سرمایه‌گذاران به منظور خرید NFTها در قیمت‌‌های اولیه و ارزان، قبل از آنکه NFT در بازار عرضه شود، می‌توانند با شرکت در رویدادهای مربوط به مینتینگ، وارد پروژه‌های مختلف شوند.

فروش اولیه NFT‌ها همان اولین باری است که توکن‌های غیرمثلی فروخته می‌شوند. این فروش‌ اولیه می‌تواند ازطریق مزایده، بازار یا از طریق یک معامله‌ خصوصی صورت بگیرد. فروش ثانویه NFT، هر فروشی است که بعد از فروش اولیه صورت بگیرد. بسیاری از بازارها، حق امتیاز فروش‌های ثانویه یک توکن غیرمثلی را برای خالق اصلی آن محفوظ نگه می‌دارند و درصدی از مبلغ کل فروش‌ها را دریافت می‌کنند.

اصطلاحات رایج در قیمت گذاری NFT

• قیمت کف: یکی از شاخصه‌های قیمت گذاری NFT در فروش‌های ثانویه شاخصی است که معامله‌گران به آن «قیمت کف» می‌گویند. قیمت کف، پایین‌ترین قیمت فروش آزاد یک NFT در یک مجموعه است. برای مثال، پس از آنکه شرکت ویزا (Visa) در ماه آگوست ۲۰۲۱ مبلغ ۱۵۰,۰۰۰ دلار برای یک توکن غیرمثلی کریپتوپانک (Cryptopunk) که یک فایل JPG با اندازه ۲۴ × ۲۴ پیکسل بود پرداخت کرد، قیمت کف آن ۲۸۰ درصد افزایش یافت و به ۴۲۵,۰۰۰ دلار رسید. بازار NFT اوپن‌سی (OpenSea)، قیمت کف هر مجموعه را در توضیحات آن نشان می‌دهد.

• قیمت متوسط یا میانگین: شاخصه دیگری که در قیمت گذاری توکن‌های غیرقابل تعویض متداول است، «قیمت متوسط» است که به میانگین قیمت کل فروش‌های انجام ‌شده یک مجموعه اشاره دارد. با این حال، از آنجایی که فروش چند NFT گران‌قیمت می‌تواند قیمت میانگین را تغییر دهد، این شاخص، به عنوان یک شاخص قابل اعتماد برای تخمین ارزش یک مجموعه در نظر گرفته نمی‌شود. به همین دلیل، کیمبرلی پارکر (Kimberly Parker)، هنرمند و وبلاگ نویس کانادایی، می‌گوید که «قیمت میانه» تعداد افراد حقیقی را که در بازار برای NFTها هزینه می‌کنند، بهتر نشان می‌دهد.

• قیمت میانه: برای محاسبه قیمت میانه تمام فروش‌های اولیه ‌NFTهای یک مجموعه مشخص، قیمت‌های فروش به ترتیب از کمترین قیمت به بالاترین قیمت فهرست می‌شوند. قیمت میانه، قیمت فروشی است که دقیقاً در وسط این فهرست قرار دارد.

مکانیسم‌های دیگر قیمت گذاری NFT

علاوه بر فروش‌های مستقیم، مکانیسم‌های قیمت گذاری دیگری نیز در بازار NFT وجود دارد. به زودی محصولات مشتقه مانند شاخص‌های قیمت، وام‌ها و NFTهای فرکشنال (Fractional) یا تقسیم‌شده، بر بستر فناوری سیستم مالی غیرمتمرکز یا Defi ارائه خواهند شد. این محصولات جدید NFT نه تنها نقدینگی بیشتری را وارد بازار توکن‌های غیرمثلی می‌کند، بلکه مدل‌های قیمت ضمنی را نیز معرفی می‌کنند.

برای تقسیم کردن یک NFT، تمام مالکان NFTهای خود را در یک استخر (Pool) قرار می‌دهند و به ازای آن‌ها توکن‌های مثلی یا قابل‌معاوضه دریافت می‌کنند و این توکن‌های مثلی را در هر زمان می‌توان برای بازخرید یک NFT در استخر استفاده کرد. برای مثال، در استخری با ۱۰ توکن غیرمثلی کریپتوپانک و عرضه در گردش ۱ میلیون توکن فرکشنال و هر کدام به ارزش ۱ دلار، قیمت هر NFT کریپتوپانک ۱۰۰ هزار دلار خواهد بود. این توکن‌های تقسیم‌شده در صرافی‌ها به صورت چندجانبه معامله می‌شوند و در نتیجه نسبت به مزایده‌ها، قیمت‌گذاری منظم‌تری دارند.

یکی از نقص‌های تقسیم‌کردن توکن‌ها این است که داده‌ها ممکن است به سمت ارزان‌ترین NFTهای یک مجموعه منحرف شوند. طبیعتاً سرمایه‌گذاران مایل نیستند یک توکن‌ غیرمثلی گران قیمت را با NFT‌های ارزان‌تر در یک استخر قرار دهند، زیرا ممکن است با محرک شاخص ثانویه چیست؟ بازخرید NFT‌های ارزان دیگر از استخر، پول خود را از دست بدهند. علاوه بر این، برای تحقق این ارزش‌گذاری ضمنی، کل عرضه توکن‌های فرکشنال باید خریداری شده و یا برای توکن‌های غیرمثلی‌ موجود بازخرید شوند. در این صورت قیمت ضمنی ارائه‌شده توسط استخر فرکشنال تغییر خواهد کرد.

ارزیابی یا قیمت‌گذاری، یکی از مکانیسم‌های متداول در هنر سنتی و صنعت املاک و مستغلات است که طی آن، کارشناسان یک دارایی‌ را بر اساس دانش خود ارزش‌گذاری می‌کنند. شبکه‌های ارزیابی پیشبینی همتا، داده‌های صحیح جامعه را جمع‌آوری و ارائه می‌کنند که این داده‌ها از طریق اوراکل‌های داده توضیع می‌شوند. پلتفرم آپ‌شات (Upshot)، با فراهم کردن امکان ارزیابی NFTها در کنار یکدگیر، تخمین و تعیین ارزش‌ آن‌ها توسط کاربران، داده‌های جامعه را وارد بازی می‌کند. برای ارزیابی توکن‌های غیرمثلی، کاربران باید سهمی در آپ‌شات داشته باشند و اگر عمل ناشایستی انجام دهند، سهمشان حذف می‌شد. این ارزیابی‌ها در سراسر پلتفرم ذخیره می‌شوند تا قیمت‌های دقیق و بروزی برای NFTها ارائه شود. مزیت ارزیابی‌های پیشبینی همتا این است که ارزش فاعلی NFTها را مشابه درک بازار اندازه گیری می‌کنند.

بدون قیمت‌های دقیق و به‌روز، بازار توکن‌های غیرمثلی در ورود نقدینگی بیشتر به یک دارایی که ذاتا نقد است، دچار مشکل خواهد شد. به عنوان مثال، برای عملکرد موثر شاخص‌های NFT، توکن‌های غیرمثلی مصنوعی (synthetic) و وام‌های NFT، به قیمت‌های به‌روز و دقیق نیاز است. شاخص‌های قیمت، قیمت یک مجموعه دارایی را پیگیری می‌کنند. برای مثال، شاخص S&P 500، قیمت سهام ۵۰۰ شرکت بزرگ را ردیابی می‌کند. به همین ترتیب، دارایی مصنوعی نیز قیمت یک دارایی را بدون نیاز به خود آن دارایی ردیابی می‌کند. برای معامله این مشتقات قابل‌معاوضه در صرافی‌ها، وجود قیمت‌های به‌روز و دقیق ضروری است.

به طور مشابه در صورت نبود قیمت‌های دقیق و به‌روز، وام‌دهندگان نیز قادر به قیمت گذاری NFT‌ ها به صورت دقیق و مدیریت ریسک و مقدار وام نخواهند بود. وام‌های NFT در پلتفرم‌های مختلفی از جمله NFTfi.com، کریم فایننس (Cream Finance) و اتنا نتورک (Etna Network) ارائه می‌شوند. اما به دلیل محدودیت‌های قیمت‌گذاری، این وام‌ها غالبا وام‌های تحت وثیقه هستند، یعنی توکن‌های غیرمثلی در فرآیند وام‌نویسی ارزش‌گذاری نمی‌شود. هم‌زمان با ظهور روش‌های کشف قیمت و ارزش‌گذاری دقیق‌تر، انتظار می‌رود این مشتقات غیرمتمرکز بیشتر رشد کرده و مکانسیم‌های قیمت‌گذاری خود را توسعه دهند.

اصطلاحات رایج بازار

• بازار مشتقه (Derivative): سرمایه‌گذاری مشتقه نوعی سرمایه‌گذاری است که به سرمایه‌گذار این امکان را می‌دهد که قیمت آتی یک دارایی را پیش‌بینی کند.

• استخر (Pool): استخر زمانی ایجاد می‌شود که سرمایه‌گذاران مختلف دارایی‌های خود را ترکیب کرده و یک سرمایه بزرگ‌تری را فراهم کنند که بتوانند در مزایده‌های NFT پیشنهادهای خوبی ارائه دهند.

• اوراکل داده (Data Oracle): اوراکل داده یک قرارداد هوشمند است که داده‌ها را از یک منبع خارجی به یک بلاک چین وارد می‌کند. منبع خارجی می‌تواند داده‌های یک بلاک چین دیگر یا دادهای غیربلاک چینی باشد.

• شاخص‌گذاری (Indexing): شاخص‌گذاری فرایند ردیابی مجموعه گسترده‌ای از قیمت‌های NFT به جای خرید تنها یک توکن غیرمثلی در یک پورتفولیو (سبد سهام) است. شاخص‌های می‌توانند وزنهای مختلفی را برای توکنهای غیرمثلی تعیین محرک شاخص ثانویه چیست؟ کنند؛ مثلا وزن برابر، وزن متناسب با ارزش بازار و یا متناسب با حجم معاملات.

اثر کرونا بر قیمت NFT

در سال ۲۰۲۰، کشورهای مختلف بسته‌های محرک مختلفی را در مقابله با پاندمی کرونا ارائه کردند. سطح این بسته‌های محرک در تاریخ بی‌سابقه بوده است، به طوری که ۱۱ کشور حداقل ۱۰ درصد از تولید ناخالص داخلی خود را هزینه کرده است. آمریکا در ماه مارس ۲۰۲۱ بسته‌های کمکی خود را به ۱.۹ تریلیون دلار افزایش داد که شامل یک چک محرک ۱,۴۰۰ دلاری برای افراد واجد شرایط بود.

گسترش سریع عرضه پولی هنوز اثر قابل‌توجهی بر شاخص قیمت مصرف‌کننده نداشته است، اما باعث افزایش قیمت دارایی‌ها از جمله ارزهای دیجیتال، سهام، املاک، کالاها و NFTها شده است. بازار کلکسیونی و عتیقه نیز از این قاعده مستثنی نیستند و ارزش کارت‌های ترید و یادگاری‌های قدیمی و عتیقه در سال ۲۰۲۱ به اوج‌های جدیدی رسید. قیمت توکن‌های غیرمثلی نیز به دلیل محرک‌های پولی دچار افزایش شد. به علت پاندمی و شک و تردید ایجاد شده، مزایده‌های آنلاین و تقاضا ازطرف سرمایه‌گذاران برای ورود به حوزه دارایی‌ها محسوس و امن، به طور چشمگیری افزایش یافت.

یکی از شبهه‌های اصلی مطرح‌شده درباره افزایش فعالیت توکن‌های غیرمثلی این است که این افزایش صرفا نتیجه یک دوره سیاست مالی ضعیف است. با بلوغ بازار ارزهای دیجیتال و ظهور پلتفرم‌های معاملاتی رایگان، سرمایه‌گذاران دارای نقدینگی محرک اکنون بیش از هر زمان دیگر آماده نوسان‌گیری و معاملات پرخطر هستند. به ترتیب، افزایش قدرت خرید سرمایه‌داران و نرخ‌ بهره پایین، ریسک‌پذیری و نوسانات معامله‌ها را افزایش می‌دهد. از طرف دیگر، برخی از سرمایه‌گذاران معتقد‌اند که NFTهای دیجیتال کمیاب ارزش منحصر به‌فردی دارند و فرصت‌های ویژه‌ای ارائه می‌دهند. تمایز قیمت‌های تورمی و اثرات محرک‌ها از ارزش اقتصادی اصولی، چالش بزرگ برای تحلیل‌گران و صندوق‌های سرمایه‌گذاری است. با این حال، با ادامه محرک‌ها و کاهش ارزش ارزهای فیات، انتظار می‌رود قیمت دارایی‌ها نیز بیشتر رشد کند.

با اینکه هیچ ارتباط مستقیمی بین محرک‌های کرونا و قیمت گذاری NFT ها نیست، یک ارتباط کلی بین بازار ارزهای دیجیتال و شاخص‌های سنتی اصلی وجود دارد. این ارتباط بیشتر به دلیل پذیرش گسترده صورت گرفته توسط نهادهای سنتی و شرکت‌های سرمایه‌گذاری است. علاوه بر همبستگی بین ارزهای دیجیتال برتر و توکن‌های غیرمثلی، یک ارتباط ضمنی بین محرک‌ها و NFTها نیز وجود دارد. با اینکه به‌نظر می‌رسد محرک‌ها بر قیمت‌گذاری توکن‌های غیرمثلی اثرگذار بوده‌اند، تمایز این اثر از چرخه کلی بازار ارزهای دیجیتال و بلوغ این بازار، کار دشواری است. در بلندمدت، با کاهش محرک‌ها و سفته‌بازی‌ها، بازار NFT به ارزش اقتصادی حقیقی خود خواهد رسید. قطعا پروژه‌هایی که ارزش آن‌ها وابسته به ارزش لذت‌گرایانه و اشتیاق اجتماعی باشد، نسبت به پروژه‌هایی که اثر شبکه، کاربرد فناوری و کارایی قوی دارند، عملکرد ضعیفی خواهند داشت.

جمع‌بندی

در این قسمت از گزارش جامع NFT، به بررسی مکانیسم قیمت گذاری در NFT پرداختیم. بدون شک یکی از موضوعاتی که توجه خیلی از افراد را به حوزه توکن‌های غیرمثلی جلب کرد، بحث قیمتی برخی از آثار این بخش است. کمیابی، مقبولیت، کاربرد و مواردی از این قبیل در تعیین قیمت یک توکن بی‌همتا تاثیرگذار خواهد بود. در سالی که گذشت مسائلی مانند کرونا نیز بر قیمت توکن‌های یکتا اثر گذاشت.

به نظر شما آیا سازوکار موجود برای قیمت گذاری NFT ها کارامد است و قیمت‌های موجود منطقی است؟

ایستا کردن در تحلیل سری های زمانی

نکته ای که باید بدانیم این است که فقط در صورتی می توان سری زمانی را راحت تحلیل و پیش بینی کرد، که به صورت ایستا (Stationary) در آمده باشد. ما برای نتیجه گرفتن از الگوریتم سری های زمانی باید اول قادر باشیم آن را ایستا کنیم. (پی نوشت: مقصود ما از تحلیل زمانی معمولا دستیابی به اهدافی از قبیل توصیف، تشریح، پیش بینی، کنترل و یا تطویل سری زمانی کوتاه مدت به بلند مدت (data generation) می باشد.)

منظور از یک سری زمانی ایستا:

یکی از خصوصیات اصلی و مهم در سری زمان، ایستایی است. سری زمانی که خاصیت ایستایی داشته باشد را می توان تجزیه و تحلیل کرد. بسیاری از تبدیلات مانند میانگین متحرک (Moving Average)، در سری زمانی به منظور ایستا کردن آن به کار می روند.

در صورتی یک سری زمانی ایستا تلقی می شود که خصوصیات آماری آن مانند میانگین و واریانس در طول زمان ثابت باشد. از طرفی ماتریس کوواریانس برای سری زمانی باید مستقل از زمان باشد. معمولا، ارزش سهام در بازار بورس، یک پدیده ایستا نیست زیرا می توان روند افزایشی یا کاهشی را به خوبی در آن مشاهده کرد. همچنین تغییرات نسبت به میانگین هر روز می تواند متفاوت باشد.

در واقع، سری زمانی ایستا دنباله ای از مقادیر وابسته به زمان است که میانگین و واریانس آن به زمان وابسته نباشند. به طور کلی می توان این طور توضیح داد که در یک سری زمانی ایستا، قوانین حاکم بر تغییرات مقدار ها، وابسته به زمان نیست.

در صورتی که به نمودار های زیر دقت کنید قادر به مشاهده تفاوت واضح در میان سری زمانی ایستا و ناایستا خواهید بود:

پیشگامان بی نهایت مطالعه مقاله الگوریتم رگرسیون خطی را به شما عزیزان پیشنهاد می کند.

تشخیص ایستا بودن

تشخیص ایستا بودن یا نبودن یک سری زمانی:

یکی از معروف ترین و پرکاربرد ترین روش های بررسی ایستایی، انجام آزمون Dickey-Fuller است. به کمک این آزمون آماری می توان ایستایی یک سری زمانی را مورد بررسی قرار داد. اگر به زبان آزمون فرض آماری در مورد این آماره صحبت کنیم، می توان گفت که فرض صفر در این آزمون ناایستا بودن سری زمانی است.

در نتیجه اگر با توجه به مقدار p-Value یا همان مقدار احتمال، فرض صفر رد شود، رای به ایستا بودن سری زمانی خواهیم داد. با مد نظر قرار دادن مقدار احتمال (p) می توان در مورد ایستایی سری زمانی تصمیم گرفت.

اگر p کوچکتر از احتمال خطای نوع اول باشد، فرض صفر رد شده و رای به ایستایی سری زمانی خواهیم داد. در غیر این صورت دلیلی برای وجود ایستایی سری زمانی وجود ندارد. اطلاع دارید که به طور معمول مقدار خطای نوع اول را برابر با 0.05‌ یا 5% در نظر می گیرند.

به نمودار بالا به دقت نگاه کنید. در اینجا از نحوه محاسبه شاخص Dickey-Fuller صرف نظر کرده ایم زیرا در بیشتر نرم افزار های تحلیل سری زمانی محاسبات مربوط به آن قابل انجام است. از طرفی تفسیری که از آن به دست می آید، مهم است تا قادر باشیم ایستایی سری زمانی را به سادگی تشخیص دهیم.

برای ایستا کردن یک سری زمانی چه باید کرد؟

برای ایستا کردن یک سری زمانی باید عواملی که باعث خارج شدن سری زمانی از حالت ایستایی هستند، حذف شوند. به این ترتیب باید مولفه های شناسایی شده در سری زمانی را حذف کنیم. به این کار «هموار سازی» (Smoothing) یا «صافی» (Filtering) می گویند.

روش های مختلفی برای هموار سازی سری زمانی وجود دارد. عملگر های میانگین متحرک، هموار سازی نمایی ساده، روش های تفاضل گیری و… به حذف مولفه های سری زمانی کمک می کنند.

عملگر میانگین متحرک:

در روش عملگر میانگین متحرک با توجه به درجه انتخابی برای میانگین گیری مثلا k، هر مقدار از سری زمانی را با میانگین k-1 مقدار قبلی و خودش جایگزین می کند. این کار به حذف روند و تشکیل الگوی ساده برای سری زمانی کمک بسیاری می کند. میانگین متحرک یک روش هموار سازی داده ها است. البته این عملگر، مولفه روند را برای سری زمانی اندازه گیری و برآورد می کند تا در هنگام پیش بینی از آن استفاده شود.

با یک مثال این روش را توضیح می دهیم:

در نظر بگیرید یک سری زمانی برای ۱۰ زمان مختلف ثبت شده است. اگر درجه هموار سازی میانگین متحرک را برابر با ۳ در نظر بگیریم، باید میانگین مقدار جاری و دو مقدار قبلی (مجموعه سه مقدار) را به دست آوریم و جایگزین مقدار جاری کنیم.

همان طور که پیداست برای دو مقدار اول در سری زمانی، این کار امکان پذیر نیست زیرا نمی توان سه مقدار برای محاسبه میانگین در نظر گرفت. در نتیجه این گونه هموار سازی به کاهش مجموعه داده منجر می شود. هر چه درجه همواره سازی را بزرگ تر انتخاب کنید، هموار سازی زودتر انجام خواهد شد ولی در عوض ممکن است درصد خطای پیش بینی را افزایش دهد.

در همچین حالتی برای آنکه سری زمانی، خاصیت ایستایی پیدا کند و روند را از آن حذف کنیم، کافی است مقدار های سری زمانی را از میانگین متحرک کم کنیم، سری زمانی جدید بدون روند خواهد بود. یعنی در صورتی که Y(محرک شاخص ثانویه چیست؟ t) سری زمانی و m(t) میانگین متحرک در همان زمان باشد، سری زمانی ایستا را به سادگی به این صورت می توان به دست آورد:

X(t) = Y(t) – m(t)

پیشگامان بی نهایت مطالعه مقاله الگوریتم داده کاوی را به شما عزیزان پیشنهاد می کند.

نمودار سری زمانی

به نمودار های بالا دقت کنید. در عکس اول نمودار سری زمانی به همراه مقدار های حاصل از عملگر های میانگین متحرک مرتبه ۳ و ۵ دیده می شود. همچنین در آن سری زمانی ناایستا به رنگ آبی و سری های زمانی ایستای حاصل از عملگر میانگین متحرک مرتبه ۳ و ۵ به رنگ های بنفش و سبز نمایش داده شده اند.

نکته: در سری های زمانی ایستای تولید شده،‌ مولفه روند وجود ندارد.

روش های مدلسازی سری های زمانی:

به طور کلی به منظور مدل سازی سری زمانی روش های مختلفی با توجه به ساختار داده های سری، وجود دارد که سه مورد از معروف ترین و پرکاربرد ترین آنها عبارتند از:

میانگین متحرک (Moving Average):

یکی از ساده ترین مدل های سری زمانی، میانگین متحرک است. در این مدل، مقدار پیش بینی برای زمان بعدی به صورت میانگین مقدار های قبلی خواهد بود. به همین دلیل مدل را به صورت میانگین متحرک نامیده اند. اگر مدل، ایستا باشد، در بسیاری از مواقع مدل میانگین متحرک قابل استفاده و البته از دقت مناسبی نیز برخوردار خواهد بود.

در غیر این صورت به کمک میانگین متحرک می توان روند یک سری زمانی را تشخیص داد. با تعریف یک «پنجره» (Window) از شیوه میانگین متحرک برای هموار سازی سری زمانی و تعیین نقاط تغییر روند می توان استفاده کرد. البته منظور از پنجره در سری زمانی، بازه ای از سری زمانی است که به منظور تحلیل دقیق تر رفتار سری به کار گرفته می شود.

هموار سازی نمایی (Exponential Smoothing):

هموار سازی نمایی نیز از همان منطق هموار سازی میانگین متحرک پیروی می کند. به این ترتیب می توان این روش را به صورت میانگین وزنی برای داده های سری زمانی در نظر گرفت که به داده های دورتر وزن کمتری در محاسبه میانگین می دهد.

کاهش وزن مقدار های گذشته دور در حقیقت از اهمیتشان در محاسبه و پیش بینی مقادیر مربوط به آینده می کاهد و داده های مربوط به حال حاضر تاثیر بیشتری خواهند داشت.

در صورتی که سری زمانی دارای روند باشند، استفاده از روش هموار سازی نمایی مضاعف نتایج بهتری را ارائه خواهد داد. به نظر می رسد که می توان هموار سازی نمایی مضاعف را به صورت دو بار استفاده از هموار سازی نمایی ساده در نظر گرفت. با اضافه شدن فاکتور یا عامل هموار سازی فصلی، می توان برای سری های زمانی فصلی نیز مدلی ارائه داد.

مدل ترکیبی (SARIMA):

مدل SARIMA (Seasonal Autoregressive Integrated Moving Average Model) را می توانیم ترکیبی از یک مدل پیچیده و ساده بدانیم که می تواند برای سری های زمانی ناایستا و با تغییرات فصلی به کار گرفته شود. در حالت پیچیده اولیه، مدل «خود همبسته» (Autoregressive -AR) با مرتبه p استفاده می شود. این مدل در حقیقت اجرای رگرسیون است که متغیر مستقل و وابسته هر دو داده های سری زمانی را تشکیل می دهند.

به این ترتیب مقدار حال حاضر سری زمانی وابسته به مقادیر گذشته در نظر گرفته می شود. این کار بر اساس مقدار تاخیر یا Lag برابر با p صورت می گیرد. به این معنی که مقدار حاصل حاضر با استفاده از یک رگرسیون خطی بر اساس p مقدار قبلی انجام می شود.

تعیین کردن مقدار مناسب برای پارامتر p توسط تابع و ضریب همبستگی جزئی تعیین می شود. همانطور که در نمودار زیر می بینید با در نظر گرفتن درجه ۴ برای تاخیر ها، میزان تابع خود همبستگی به صفر می رسد بنابراین می توان پارامتر p را برابر با ۴ در نظر گرفت.

به منظور کسب اطلاعات بیشتر، مطالعه مقاله رویکرد رگرسیون و مدلسازی را به شما عزیزان پیشنهاد می نماییم.

القای الکترومغناطیسی

شکل 1. سیم‌پیچ توخالی با هسته هوا

اگر یک سیم به صورت سیم‌پیچ پیچیده شود، یک میدان مغناطیسی ایستا اطراف خود تولید می‌کند که بسیار بزرگ‌تر از میدان مغناطیسی تک سیم است و یک آهنربای میله‌ای با قطب شمال و جنوب معین ایجاد می‌کند.

شار مغناطیسی ایجادشده اطراف سیم‌پیچ متناسب با مقدار جریان درون سیم‌پیچ است. اگر تعداد پیچش‌های یک سیم‌پیچ مشابه با جریان یکسان را افزایش دهیم، قدرت میدان مغناطیسی ایستا افزایش خواهد یافت.

بنابراین، قدرت میدان مغناطیسی یک سیم‌پیچ با آمپر-دور سیم‌پیچ تعیین می‌شود. با افزایش تعداد دورها، قدرت میدان مغناطیسی اطراف سیم پیچ بزرگ‌تر می‌شود.

اما اگر جریان الکتریکی عبوری از سیم‌پیچ را قطع کنیم و یک آهنربای میله‌ای به جای یک هسته توخالی قرار دهیم با حرکت دادن آهنربای میله‌ای به «درون» و «بیرون» سیم‌پیچ و با حرکت فیزیکی شار مغناطیسی درون آن یک جریان القا خواهدشد.

همچنین، اگر آهنربای میله‌ای را ثابت نگه داریم و سیم‌پیچ را درون میدان مغناطیسی عقب و جلو کنیم، یک جریان الکتریکی در سیم‌پیچ القا خواهدشد. پس با حرکت دادن سیم پیچ یا تغییر میدان مغناطیسی، می‌توانیم یک ولتاژ و جریان درون سیم‌پیچ القا کنیم، این فرآیند به‌عنوان القای الکترومغناطیسی شناخته می‌شود و اساس عملکرد ترانسفورماتورها، موتورها و مولدها است.

القای الکترومغناطیسی ابتدا توسط مایکل فارادی در سال 1830 کشف شد. فارادی متوجه شد با حرکت دادن یک آهنربای دایمی درون و بیرون یک سیم‌پیچ یا یک حلقه سیم، یک نیروی محرک الکتریکی (Electromotive Force) یا emf در آن القا شد، به‌عبارت دیگر یک ولتاژ، و بنابراین یک جریان تولید شد.

بنابراین آن‌چه مایکل فارادی کشف کرد راهی برای تولید جریان الکتریکی درون یک مدار نه با باتری‌ها بلکه تنها با استفاده از یک نیروی مغناطیسی بود. این کشف منجر به یک قانون بسیار مهم در رابطه با الکتریسیته و مغناطیس یعنی قانون القای الکترومغناطیسی فارادی شد. این قانون چگونه کار می‌کند؟

وقتی آهنربای نشان داده‌شده در شکل زیر به «سمت» سیم‌پیچ حرکت داده‌شود، نشانگر یا عقربه گالوانومتر، که اساسا یک آمپرسنج با سیم‌پیچ متحرک مرکز صفر بسیار حساس است، از مرکز خود تنها در یک جهت منحرف می شود. با توقف حرکت آهنربا و ثابت شدن آن نسبت به سیم‌پیچ، عقربه گالوانومتر به صفر باز می‌گردد زیرا میدان مغناطیسی هیچ حرکت فیزیکی ندارد.

همچنین، وقتی آهنربا در جهت دیگر از سیم‌پیچ «دور» می‌شود، عقربه گالوانومتر در جهت مخالف نسبت به جهت اول منحرف شده که یک تغییر در قطبیت را نشان می‌دهد. پس با حرکت آهنربا به جلو و عقب نسبت به سیم‌پیچ، با توجه به حرکت جهت‌دار آهنربا عقربه گالوانومتر به چپ یا راست، مثبت یا منفی منحرف خواهدشد.