ترجمه فارسی مقاله بررسی تعصب و معیارهای پیشبینی برای مشخص کردن عادلانه بودن یادگیری ماشین برای تصمیمگیری سلامت عمومی مبتنی بر عدالت: مروری روایتی
عنوان مقاله به انگلیسی
Exploring Bias and Prediction Metrics to Characterise the Fairness of Machine Learning for Equity-Centered Public Health Decision-Making: A Narrative Review
عنوان مقاله به فارسی
بررسی تعصب و معیارهای پیشبینی برای مشخص کردن عادلانه بودن یادگیری ماشین برای تصمیمگیری سلامت عمومی مبتنی بر عدالت: مروری روایتی
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Background: The rapid advancement of Machine Learning (ML) represents novel opportunities to enhance public health research, surveillance, and decision-making. However, there is a lack of comprehensive understanding of algorithmic bias, systematic errors in predicted population health outcomes, resulting from the public health application of ML. The objective of this narrative review is to explore the types of bias generated by ML and quantitative metrics to assess these biases. Methods : We performed search on PubMed, MEDLINE, IEEE (Institute of Electrical and Electronics Engineers), ACM (Association for Computing Machinery) Digital Library, Science Direct, and Springer Nature. We used keywords to identify studies describing types of bias and metrics to measure these in the domain of ML and public and population health published in English between 2008 and 2023, inclusive. Results: A total of 72 articles met the inclusion criteria. Our review identified the commonly described types of bias and quantitative metrics to assess these biases from an equity perspective. Conclusion : The review will help formalize the evaluation framework for ML on public health from an equity perspective.
چکیده به فارسی (ترجمه ماشینی)
سابقه و هدف: پیشرفت سریع یادگیری ماشین (ML) فرصت های جدیدی را برای تقویت تحقیقات بهداشت عمومی ، نظارت و تصمیم گیری نشان می دهد.با این حال ، عدم درک جامع از تعصب الگوریتمی ، خطاهای سیستماتیک در نتایج سلامت جمعیت پیش بینی شده ، ناشی از کاربرد بهداشت عمومی ML وجود دارد.هدف از این بررسی روایت ، کشف انواع تعصب تولید شده توسط ML و معیارهای کمی برای ارزیابی این تعصبات است.مواد و روش ها: ما در PubMed ، Medline ، IEEE (انستیتوی مهندسان برق و الکترونیک) ، ACM (انجمن ماشین آلات محاسباتی) کتابخانه دیجیتال ، علمی مستقیم و طبیعت اسپرینگر انجام دادیم.ما از کلمات کلیدی برای شناسایی مطالعات توصیف انواع تعصب و معیارها برای اندازه گیری این موارد در حوزه ML و سلامت عمومی و جمعیتی که بین سالهای 2008 تا 2023 به زبان انگلیسی منتشر شده است ، استفاده کردیم.یافته ها: در مجموع 72 مقاله معیارهای ورود به مطالعه را رعایت کردند.بررسی ما انواع متداول تعصب و معیارهای کمی را برای ارزیابی این تعصبات از منظر عدالت مشخص کرد.نتیجه گیری: این بررسی به رسمی سازی چارچوب ارزیابی برای ML در مورد بهداشت عمومی از دیدگاه سهام کمک می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
