اپلیکیشن اندرویدی فلش‌کارت آموزشی طراحی آزمایش‌های هوشمندانه: از شواهد محلی تا اثرات فراگیر سیاست‌گذاری

349,950 تومان
طراحی آزمایش‌های هوشمندانه: از شواهد محلی تا اثرات فراگیر سیاست‌گذاری طراحی آزمایش‌های هوشمندانه: از شواهد محلی تا اثرات فراگیر سیاست‌گذاری آیا تا به حال با این چالش روبرو شده‌اید که یافته‌های یک مطال...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی آزمایش‌های هوشمندانه: از شواهد محلی تا اثرات فراگیر سیاست‌گذاری

موضوع کلی: روش‌شناسی طراحی و ارزیابی مطالعات اثرسنجی

موضوع میانی: ادغام شواهد تجربی و مشاهده‌ای برای تعمیم و سیاست‌گذاری

📋 سرفصل‌های دوره

  • 1. عنوان دوره: طراحی آزمایش‌های هوشمندانه: از شواهد محلی تا اثرات فراگیر سیاست‌گذاری**
  • 2. بخش اول: مبانی و مقدمات**
  • 3. مقدمه‌ای بر اثرسنجی و سیاست‌گذاری مبتنی بر شواهد
  • 4. تفاوت همبستگی و علیت: چرا به طراحی مطالعه نیاز داریم؟
  • 5. مشکل بنیادین استنتاج علی (The Fundamental Problem of Causal Inference)
  • 6. چارچوب نتایج بالقوه (Potential Outcomes Framework)
  • 7. آزمایش‌های کنترل‌شده تصادفی (RCTs) به عنوان استاندارد طلایی
  • 8. شواهد مشاهده‌ای: داده‌های پیمایشی، ثبتی و اداری
  • 9. نقاط قوت و ضعف شواهد تجربی
  • 10. نقاط قوت و ضعف شواهد مشاهده‌ای
  • 11. مفهوم اعتبار داخلی (Internal Validity)
  • 12. مفهوم اعتبار خارجی (External Validity) و تعمیم‌پذیری
  • 13. تنش ذاتی میان اعتبار داخلی و خارجی
  • 14. چرا نتایج یک آزمایش محلی ممکن است قابل تعمیم نباشد؟
  • 15. بخش دوم: چارچوب نظری ادغام شواهد**
  • 16. جامعه هدف سیاست‌گذاری (Population of Interest)
  • 17. نمونه آزمایشی (Experimental Sample)
  • 18. اثر درمانی میانگین در نمونه (Sample Average Treatment Effect - SATE)
  • 19. اثر درمانی میانگین در جامعه (Population Average Treatment Effect - PATE)
  • 20. هدف نهایی: یادگیری در مورد PATE با استفاده از SATE
  • 21. مفهوم تورش انتخاب در تعمیم‌پذیری (Generalizability Bias)
  • 22. نقش متغیرهای کمکی (Covariates) در فهم تفاوت‌ها
  • 23. فرض نادیده‌انگاری (Ignorability) در انتخاب نمونه
  • 24. فرمول‌بندی ریاضی تفاوت میان SATE و PATE
  • 25. نقش ناهمگونی اثرات درمانی (Treatment Effect Heterogeneity)
  • 26. اثر درمانی میانگین شرطی (Conditional Average Treatment Effect - CATE)
  • 27. بخش سوم: روش‌های برآورد اثر در جامعه**
  • 28. برآوردگر ساده: تفاوت میانگین‌ها در نمونه آزمایشی
  • 29. چرا تفاوت میانگین‌ها یک برآوردگر تورش‌دار برای PATE است؟
  • 30. مقدمه‌ای بر روش‌های وزن‌دهی (Weighting Methods)
  • 31. امتیاز تمایل به مشارکت در آزمایش (Propensity to Participate)
  • 32. برآورد امتیاز تمایل با استفاده از داده‌های مشاهده‌ای
  • 33. برآوردگر وزن‌دهی معکوس احتمال (Inverse Probability Weighting - IPW)
  • 34. مشکلات عملی وزن‌های بزرگ و راه‌حل‌ها
  • 35. روش‌های مبتنی بر مدل‌سازی نتایج (Outcome Modeling)
  • 36. استفاده از رگرسیون برای پیش‌بینی اثرات درمانی در جامعه
  • 37. برآوردگرهای دوچندان استوار (Doubly Robust Estimators)
  • 38. مقایسه عملکرد برآوردگرهای مختلف
  • 39. بخش چهارم: ارزیابی کیفیت برآوردگرها**
  • 40. مفهوم تورش (Bias) و واریانس (Variance) در برآوردگرها
  • 41. مبادله میان تورش و واریانس (Bias-Variance Tradeoff)
  • 42. معیار میانگین مربعات خطا (Mean Squared Error - MSE)
  • 43. تجزیه میانگین مربعات خطا: مولفه تورش و مولفه واریانس
  • 44. چگونه انتخاب نمونه آزمایشی بر تورش و واریانس تأثیر می‌گذارد؟
  • 45. نقش داده‌های مشاهده‌ای در کاهش واریانس
  • 46. نقش داده‌های مشاهده‌ای در برآورد و کاهش تورش
  • 47. اهمیت حجم نمونه مشاهده‌ای
  • 48. اهمیت غنای متغیرهای کمکی در داده‌های مشاهده‌ای
  • 49. بخش پنجم: طراحی آزمایش برای تعمیم‌پذیری**
  • 50. طراحی آزمایش به مثابه یک مسئله تصمیم‌گیری
  • 51. هدف طراحی: انتخاب نمونه آزمایشی برای به حداقل رساندن MSE
  • 52. طراحی مبتنی بر نمونه‌گیری تصادفی ساده از جامعه
  • 53. چرا نمونه‌گیری تصادفی ساده همیشه بهینه نیست؟
  • 54. طراحی مبتنی بر نمونه‌گیری طبقه‌بندی‌شده (Stratified Sampling)
  • 55. مفهوم «طراحی بهینه» بر اساس اطلاعات مشاهده‌ای پیشین
  • 56. استخراج تابع هدف: فرمول MSE به عنوان تابعی از طراحی نمونه
  • 57. تحلیل مولفه تورش در MSE: چگونه طراحی بر آن اثر می‌گذارد؟
  • 58. تحلیل مولفه واریانس در MSE: چگونه طراحی بر آن اثر می‌گذارد؟
  • 59. استخراج شرایط بهینگی برای انتخاب نمونه آزمایشی
  • 60. نمونه‌گیری بهینه: تمرکز بر نواحی با عدم قطعیت بالا
  • 61. نمونه‌گیری بهینه: تمرکز بر نواحی با ناهمگونی اثر بالا
  • 62. نمونه‌گیری بهینه: تمرکز بر زیرگروه‌های کم‌نماینده در نمونه مشاهده‌ای
  • 63. بخش ششم: استراتژی‌های عملی طراحی هوشمندانه**
  • 64. الگوریتم گام به گام برای طراحی آزمایش بهینه
  • 65. فاز اول: جمع‌آوری و تحلیل داده‌های مشاهده‌ای
  • 66. فاز دوم: مدل‌سازی اولیه اثرات درمانی و ناهمگونی‌ها
  • 67. فاز سوم: محاسبه تابع بهینگی برای هر واحد در جامعه
  • 68. فاز چهارم: انتخاب نمونه بر اساس معیارهای بهینگی
  • 69. مقایسه طراحی بهینه با طراحی تصادفی ساده: شبیه‌سازی
  • 70. مقایسه طراحی بهینه با طراحی طبقه‌بندی‌شده متعارف
  • 71. نقش پیش‌فرض‌ها در مورد ناهمگونی اثر در طراحی
  • 72. تحلیل حساسیت نتایج طراحی نسبت به پیش‌فرض‌ها
  • 73. بخش هفتم: موضوعات پیشرفته و ملاحظات تکمیلی**
  • 74. طراحی بهینه برای یادگیری اثرات شرطی (CATE)
  • 75. لحاظ کردن هزینه‌های متفاوت نمونه‌گیری در طراحی بهینه
  • 76. طراحی آزمایش‌های چندمرحله‌ای و یادگیری انطباقی (Adaptive Learning)
  • 77. ادغام داده‌های کیفی برای فهم بهتر مکانیزم‌ها
  • 78. ملاحظات اخلاقی در انتخاب هدفمند نمونه آزمایشی
  • 79. اثرات سرریز (Spillover Effects) و نحوه مواجهه با آن در طراحی
  • 80. تعمیم‌پذیری به جوامع یا زمان‌های دیگر (Transportability)
  • 81. استفاده از یادگیری ماشین برای مدل‌سازی ناهمگونی اثرات
  • 82. اعتبارسنجی متقابل (Cross-Validation) برای انتخاب مدل
  • 83. محدودیت‌های عملی در پیاده‌سازی طراحی بهینه
  • 84. بخش هشتم: مطالعات موردی و کاربردها**
  • 85. مطالعه موردی ۱: ارزیابی یک برنامه آموزشی و تعمیم نتایج
  • 86. مطالعه موردی ۲: سیاست‌گذاری در حوزه سلامت عمومی
  • 87. مطالعه موردی ۳: آزمایش یک محصول جدید در بازاریابی
  • 88. مطالعه موردی ۴: ارزیابی یک سیاست یارانه انرژی
  • 89. مطالعه موردی ۵: طراحی آزمایش برای یک پلتفرم آنلاین
  • 90. بخش نهم: از تحلیل تا سیاست‌گذاری**
  • 91. نحوه گزارش‌دهی و بصری‌سازی نتایج ترکیبی
  • 92. ارائه عدم قطعیت در برآوردهای تعمیم‌یافته
  • 93. ترجمه شواهد به تصمیمات سیاستی ملموس
  • 94. نقش تحلیل هزینه-فایده در کنار اثرسنجی
  • 95. چالش‌های ارتباط با سیاست‌گذاران و ذی‌نفعان
  • 96. ایجاد داشبوردهای تعاملی برای کاوش در نتایج
  • 97. مقیاس‌پذیر کردن (Scaling up) مداخلات موفق
  • 98. بخش دهم: جمع‌بندی و نگاه به آینده**
  • 99. خلاصه چارچوب ادغام شواهد تجربی و مشاهده‌ای
  • 100. ده فرمان برای طراحی آزمایش‌های قابل تعمیم
اپلیکیشن آموزشی اندروید
یادگیری هوشمند، همیشه همراه شما
فلش‌کارت‌های آموزشی را در یک محیط فارسی، ساده و کاربردی مرور کنید؛ پاسخ‌های خود را بسنجید و پیشرفت یادگیری‌تان را دنبال کنید.
مطالعه آفلاین محیط فارسی و راست‌چین ویژه اندروید
فلش‌کارت آموزشی؛ روشی کاربردی برای مرور مطالب

این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلش‌کارت طراحی شده است. کارت‌ها را یکی‌یکی مرور کنید، پاسخ پرسش‌ها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.

📴
یادگیری بدون اینترنت مداوم
پس از نصب و در دسترس بودن محتوای دوره، فلش‌کارت‌ها را در زمان و مکان دلخواه مرور کنید.
🗂️
انواع محتوای آموزشی
از نکته‌های آموزشی تا پرسش‌های چهارگزینه‌ای و پرسش‌وپاسخ، مطالب را متناسب با نیاز خود مرور کنید.
📊
ارزیابی میزان یادگیری
پاسخ‌های درست و غلط خود را ثبت کنید و آمار عملکردتان را به تفکیک نوع محتوا ببینید.
🎯
مرور هدفمند فصل‌ها
فصل‌های موردنظر را انتخاب کنید و با استفاده از گزینه انتخاب همه، مرور فصل‌های مرورنشده را در اولویت قرار دهید.
انواع فلش‌کارت‌های قابل مرور

محتوای آموزشی در قالب‌های متنوع ارائه می‌شود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموخته‌ها قابل استفاده باشد.

💬
نکته‌های خودمانی
یادگیری ساده و روان
📘
نکته‌های رسمی و کتابی
مرور دقیق مفاهیم
📝
پرسش‌های چهارگزینه‌ای
سنجش آموخته‌ها
❓
پرسش‌وپاسخ
تمرین یادآوری پاسخ
🎓
درسنامه
مرور محتوای آموزشی
امکانات مرور و ارزیابی
حرکت ساده بین کارت‌ها
استفاده از دکمه‌های قبلی و بعدی و مشاهده نوار پیشرفت برای دنبال کردن روند مرور.
مشاهده پاسخ و توضیحات
برگرداندن کارت برای نمایش پاسخ و توضیحات در قالب‌هایی مانند تست و پرسش‌وپاسخ.
تنظیم اندازه فونت
انتخاب اندازه مناسب نوشته‌ها برای تجربه مطالعه راحت‌تر.
نمایش فرمول‌های ریاضی
پشتیبانی از نمایش صحیح فرمول‌ها و روابط ریاضی مبتنی بر LaTeX.
ثبت نتیجه و گزارش آماری
علامت‌گذاری هر پاسخ به‌صورت درست یا غلط و مشاهده تعداد و درصد موفقیت برای انواع محتوا.
طراحی‌شده برای مطالعه روزمره
  • رابط کاربری فارسی و راست‌چین با فونت وزیر.
  • تم روشن و تیره مطابق تنظیمات سیستم.
  • صفحه‌بندی ساده برای انتخاب دوره و شروع مرور.
  • نمایش تعداد دفعات مرور هر فصل.
  • انتخاب چند فصل برای مرور هم‌زمان.
  • امکان تمرکز بر فصل‌هایی که هنوز مرور نشده‌اند.
مناسب برای چه کسانی است؟

این اپلیکیشن برای دانش‌آموزان، دانشجویان، داوطلبان آزمون‌ها و علاقه‌مندان به یادگیری طراحی شده است؛ به‌ویژه کسانی که می‌خواهند مطالب آموزشی را در زمان‌های کوتاه مرور کنند، دانسته‌های خود را بسنجند و مطالعه منظم‌تری داشته باشند.

توجه: محتوای آموزشی و تعداد فلش‌کارت‌ها به دوره انتخاب‌شده بستگی دارد. محتوای دوره پس از نصب، درون برنامه قابل استفاده است؛ با این حال، دریافت اولیه اپلیکیشن و به‌روزرسانی‌های احتمالی ممکن است به اینترنت نیاز داشته باشند.
گالری تصاویر اپلیکیشن‌ها
محیط واقعی اپلیکیشن‌های آموزشی ما
تصاویر زیر، نمونه‌هایی از محیط واقعی اپلیکیشن‌های آموزشی ما هستند و قالب کلی، سبک طراحی و شیوه نمایش محتوای آموزشی در این برنامه‌ها را نشان می‌دهند.
نگاهی به فضای داخل برنامه
تصویر محیط اپلیکیشن آموزشی ۱
نمای اپلیکیشن ۱
تصویر محیط اپلیکیشن آموزشی ۲
نمای اپلیکیشن ۲
تصویر محیط اپلیکیشن آموزشی ۳
نمای اپلیکیشن ۳
تصویر محیط اپلیکیشن آموزشی ۴
نمای اپلیکیشن ۴
تصویر محیط اپلیکیشن آموزشی ۵
نمای اپلیکیشن ۵
تصویر محیط اپلیکیشن آموزشی ۶
نمای اپلیکیشن ۶
تصویر محیط اپلیکیشن آموزشی ۷
نمای اپلیکیشن ۷
تصویر محیط اپلیکیشن آموزشی ۸
نمای اپلیکیشن ۸
تصویر محیط اپلیکیشن آموزشی ۹
نمای اپلیکیشن ۹
تصویر محیط اپلیکیشن آموزشی ۱۰
نمای اپلیکیشن ۱۰
تصویر محیط اپلیکیشن آموزشی ۱۱
نمای اپلیکیشن ۱۱
نکته مهم درباره تصاویر
این تصاویر نمونه‌ای از قالب و سبک طراحی اپلیکیشن‌های آموزشی ما هستند. اپلیکیشن ارائه‌شده نیز از همین رویکرد طراحی و نمایش محتوای آموزشی پیروی می‌کند؛ جزئیات ظاهری و امکانات قابل مشاهده ممکن است متناسب با نوع دوره و بخش مورد استفاده متفاوت باشد.
تگ‌ها: A/B testing Causal Inference Econometrics Experimental Design Machine Learning Observational Studies Policy Evaluation Research Methods اثرسنجی ادغام شواهد روش‌شناسی سیاست‌گذاری شواهد تجربی شواهد مشاهده‌ای طراحی آزمایش

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.