دوره استحکام داده در علم شهروندی: از مبتدی تا حرفه‌ای همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استحکام داده در علم شهروندی: از مبتدی تا حرفه‌ای

موضوع کلی: داده و علم شهروندی

موضوع میانی: استحکام و کیفیت داده در پروژه‌های علم شهروندی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم شهروندی و داده
• 2. چرا استحکام داده حیاتی است
• 3. انواع داده‌ها در پروژه‌های شهروندی
• 4. چرخهٔ حیات داده: از جمع‌آوری تا انتشار
• 5. طراحی پروتکل‌های جمع‌آوری داده
• 6. استانداردهای بین‌المللی دادهٔ علم شهروندی
• 7. متادیتا و فرمت‌های داده
• 8. ابزارهای دیجیتال جمع‌آوری داده
• 9. کیفیت داده: تعریف، شاخص‌ها و چارچوب‌ها
• 10. دقت و صحت در داده‌های شهروندی
• 11. کامل بودن و یکپارچگی داده‌ها
• 12. قابلیت تکرار و قابلیت پیداکردن داده
• 13. تأیید و اعتبارسنجی داده‌ها
• 14. نقش داوطلبان در کنترل کیفیت
• 15. آموزش داوطلبان برای جمع‌آوری دقیق
• 16. راهنمای عملی جمع‌آوری دادهٔ معتبر
• 17. پلتفرم‌های آنلاین ثبت و مدیریت داده
• 18. مدیریت دیتابیس‌های علم شهروندی
• 19. پاکسازی و پیش‌پردازش داده‌های خام
• 20. شناسایی و رفع خطاها و داده‌های مشکوک
• 21. استانداردسازی و هماهنگ‌سازی داده‌ها
• 22. فرمت‌های رایج: CSV, JSON, Darwin Core
• 23. داده‌های مکانی و GIS در پروژه‌های شهروندی
• 24. زمان‌بندی، زون زمانی و داده‌های زمانی
• 25. یکپارچه‌سازی داده با پایگاه‌های موجود
• 26. دسترس‌پذیری، باز بودن و مجوزهای داده
• 27. حریم خصوصی و داده‌های شخصی در پروژه‌ها
• 28. اخلاق پژوهش و مسئولیت در جمع‌آوری
• 29. امنیت داده و حفاظت از سرقت اطلاعات
• 30. بازبینی داده توسط هم‌سالان
• 31. نمونه‌گیری و طراحی آماری پروژه
• 32. اشتباهات رایج و بایاس در داده‌ها
• 33. بزرگ‌نمایی و تحلیل داده‌های شهروندی
• 34. ابزارهای تجسم و داستان‌سرایی داده
• 35. گزارش‌دهی نتایج و ارتباط با ذی‌نفعان
• 36. پایش زیست‌محیطی با داده شهروندی
• 37. مونیتورینگ تنوع زیستی شهروندی
• 38. رصد آسمانی و دادهٔ شهروندی
• 39. مونیتورینگ آب و هوای شهروندی
• 40. نمونه‌های موفق: eBird, iNaturalist, GLOBE
• 41. OpenStreetMap و داده‌های شهری شهروندی
• 42. Zooniverse و طبقه‌بندی جمعی داده
• 43. CitSci.org و طراحی پروژهٔ داده‌ای
• 44. API و اتصال سیستم‌های مختلف
• 45. ریاضیات و آمار پایه برای تحلیل
• 46. آمار استنباطی و آزمون فرضیه
• 47. رگرسیون، خوشه‌بندی و روش‌های پیشرفته
• 48. یادگیری ماشین و شناسایی الگو
• 49. اعتبارسنجی مدل‌های هوش مصنوعی
• 50. داده‌های بزرگ و مقیاس‌پذیری پروژه
• 51. ابری‌سازی، ذخیره‌سازی و نسخه‌بندی داده
• 52. حذف داده، نگهداری و سیاست‌های بازیابی
• 53. اسناد قانونی و رعایت مقررات GDPR
• 54. DOI، دیتاپدیا و انتشار داده
• 55. لایسنس‌های داده: CC, ODbL, ODCS
• 56. دیاگرام‌رسمی مسیر داده و خط لوله
• 57. ارزیابی ریسک و برنامه‌ریزی اضطراری
• 58. بازسازی داده از بکاپ و تست بازپذیری
• 59. تحلیل حساسیت و گزارش عدم‌قطعیت
• 60. نوشتن مقاله و ارائه با داده شهروندی
• 61. تدریس علم شهروندی و طراحی دوره
• 62. بازخورد، بهبود مستمر و اندازه‌گیری تأثیر
• 63. شاخص‌های KPI و ارزیابی پروژه
• 64. تامین مالی، شراکت و پایداری پروژه
• 65. دیتا‌لیترسی برای شهروندان و تربیت
• 66. چالش‌های نوظهور و آیندهٔ دادهٔ شهروندی