فلش‌کارت‌های آموزشی طراحی آزمایش‌های هوشمندانه: از شواهد محلی تا اثرات فراگیر سیاست‌گذاری

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...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 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
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلش‌کارت؛ تجربه‌ای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دوره‌های واجد شرایط.
مرور فاصله‌دار آمار یادگیری گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را به‌صورت مرحله‌ای دنبال کنید، فلش‌کارت‌ها را مرور کنید، دانش خود را با پرسش‌ها و آزمون‌ها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصله‌دار هوشمند
با مرور زمان‌دار، کارت‌های تازه و کارت‌های سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخ‌ها به زمان‌بندی مرورهای بعدی کمک می‌کند تا تمرین متناسب‌تری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلش‌کارت‌ها، فعالیت‌های مرور، عملکرد آزمون‌ها و آمار یادگیری را بررسی کنید و تصویر روشن‌تری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحله‌به‌مرحله
فصل‌ها و بخش‌های آموزشی را به ترتیب دنبال کنید، مطالب دیده‌نشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموخته‌ها
با نکته‌های آموزشی، پرسش و پاسخ، کوییزها و آزمون‌های پایان فصل، دانسته‌های خود را تمرین کنید و بخش‌هایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارت‌های تازه و موعد مرور کارت‌ها آماده می‌کند. شما پاسخ را ارزیابی می‌کنید و برنامه مرور با توجه به آن تنظیم می‌شود.
دوباره
برای کارت‌هایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخ‌هایی که با دشواری به یاد آمده‌اند.
خوب
برای پاسخ‌هایی که به‌درستی به یاد آورده‌اید.
آسان
برای کارت‌هایی که پاسخ آن‌ها را به‌آسانی می‌دانید.
برنامه مرور بر اساس ارزیابی شما تنظیم می‌شود؛ مرور منظم می‌تواند به تثبیت آموخته‌ها کمک کند، اما به‌تنهایی تضمین‌کننده تسلط کامل نیست.
محتوا را به شیوه‌های مختلف تمرین کنید
ساختار دوره‌ها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکته‌های ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکته‌های رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه می‌شود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، می‌توانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دوره‌های در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمان‌های کوتاه
تبلت و لپ‌تاپ
برای مطالعه و مرور راحت‌تر
حساب کاربری شخصی
برای دسترسی به دوره‌های مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دوره‌هایی که امکان دریافت گواهی برای آن‌ها فعال است، می‌توانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلش‌کارت‌های فعال دوره.
✓ قبولی در آزمون‌های پایان فصل، در صورت وجود آزمون برای فصل‌ها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخه‌های فارسی و انگلیسی گواهی در دسترس قرار می‌گیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر می‌شود. این گواهی، گواهی پایان دوره آموزشی است و به‌خودی‌خود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدم‌به‌قدم دانش و مهارت‌هایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه

یادگیری هوشمند، قدم‌به‌قدم

با محیط سامانه آموزشی آشنا شوید و نمونه‌هایی از فضای یادگیری، فلش‌کارت‌ها و ابزارهای مرور و تمرین را مشاهده کنید.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید

یادگیری فراتر از مطالعه معمولی
با فلش‌کارت‌های آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.

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.