مطالعه موردی علم داده اجتماعی: شناسایی و مقابله با شایعات زیکا با علم داده هدف پژوهش:در میانه بحران جهانی ویروس زیکا (۲۰۱۶)، اطلاعات نادرست زیادی با سرعت بالا در شبکه‌های اجتماعی منتشر می‌شدند. هدف این مطالعه، شناسایی خودکار شایعات درباره زیکا در توییتر و تحلیل رفتار گسترش آن‌ها با استفاده از علم داده بود. روش کار:پژوهشگران بیش از ۱۳ میلیون توییت را از دوره بحران جمع‌آوری کردند. با ترکیب روش‌های پردازش زبان طبیعی، یادگیری ماشین و تحلیل شبکه توانستند الگوهای شایعه‌پراکنی را استخراج و تحلیل کنند.🧪 تکنیک‌های علم داده‌ای استفاده‌شده:
️ جمع‌آوری داده: استفاده از Twitter API️ پیش‌پردازش متنی: پاک‌سازی، نرمال‌سازی و استخراج ویژگی‌های زبانی (TF-IDF، word2vec)️ مدل‌سازی: یادگیری ماشین با الگوریتم‌های SVM، Random Forest، و Logistic Regression️ تحلیل زمانی: بررسی موج‌های شایعه‌سازی (burst detection)️ تحلیل شبکه اجتماعی: شناسایی افراد یا اکانت‌های کلیدی در پخش شایعات نتایج کلیدی پژوهش:1. شایعات در قالب الگوهای انفجاری ظاهر می‌شوند و اغلب از چند نود مرکزی گسترش می‌یابند.2. رفتار کاربران در شرایط بحران قابل مدل‌سازی است: ترس، بی‌اعتمادی و کمبود اطلاع‌رسانی رسمی محرک شایعات‌اند.3. می‌توان با داده‌کاوی، نقاط مداخله و لحظات بحرانی را شناسایی کرد و از ابزارهای اطلاع‌رسانی به‌موقع برای کنترل پدیده بهره گرفت.4. این پژوهش به‌خوبی نشان داد که علم داده می‌تواند در مدیریت مسائل اجتماعی و بهداشت عمومی ابزار قدرتمندی باشد. پژوهش از: Amira Ghenai & Yelena Mejova لینک مقاله: https://arxiv.org/abs/1707.03778 ثبت‌نامhttps://tehranasds.ir تماس با ما: 09216139651 لینکدین | اینستاگرام | تلگرام | بله۱
معرفی کتاب «روایتگری با داده – Storytelling with Data» نویسنده: Cole Nussbaumer Knaflic۱️⃣ درکِ بستر و زمینه (Context)🧭 مخاطب شما کیست؟ دغدغه‌اش چیست؟
هدف شما از ارائهٔ داده چیست؟ اطلاع‌رسانی، متقاعدسازی، یا تصمیم‌سازی؟ این موارد تعیین می‌کنند چه داده‌ای را، چگونه و با چه سطح از جزئیات نمایش دهید.۲️⃣ انتخاب نمودار مناسب
نوع نمودار باید با پیام شما هماهنگ باشد: نمودار میله‌ای: برای مقایسه نمودار خطی: برای روندهای زمانی نمودار پراکندگی: برای روابط بین متغیرها نقشه حرارتی (Heatmap): برای شدت یا تراکم از نمودارهای دایره‌ای، سه‌بعدی و شلوغ پرهیز کنید مگر واقعاً مفید باشند.۳️⃣ حذف شلوغی‌ها (Clutter)
«فقط چون نرم‌افزار چیزی را اضافه می‌کند، به‌معنای لازم بودنش نیست.»🧹 حذف کنید: خطوط شبکه، قاب‌ها، پس‌زمینه‌های سنگین، برچسب‌های تکراری یا زائد و راهنماهایی که می‌توان آن‌ها را با برچسب مستقیم جایگزین کرد🧮 از اصل نسبت جوهر به اطلاعات (Data-Ink Ratio) استفاده کنید.۴️⃣ جلب توجه روی نکات کلیدی🧲 برای هدایت نگاه مخاطب از ویژگی‌های بصری استفاده کنید:
بولد رنگ اندازه موقعیت فضای خالی پیام کلیدی را مستقیم برجسته کنید؛ تفسیر را به مخاطب نسپارید.۵️⃣ مثل یک طراح فکر کنید
از اصول طراحی بهره بگیرید: تراز بودن (Alignment) نزدیکی عناصر مرتبط (Proximity) کنتراست (Contrast)🧩 عناصر مرتبط را گروه‌بندی کنید و سلسله‌مراتب بصری بسازید. فونت، رنگ و فاصله‌ها را هماهنگ و خوانا انتخاب کنید.۶️⃣ داستان تعریف کنید
روایت داده‌ای خود را در قالب ساختار داستانی ارائه دهید:🪧 شروع (وضعیت موجود): مشکل یا سوال چیست؟ میانه (کشمکش): داده چه چیزی را روشن می‌کند؟ پایان (نتیجه‌گیری): چه باید کرد؟ + هم منطق را درگیر کنید، هم احساس مخاطب را.۷️⃣ تمرین، بازخورد، بازبینی
روایتگری با داده نیازمند تمرین و بازنگری است. از دیگران بازخورد بگیرید: آیا پیام قابل درک است؟🧪 ارائهٔ آزمایشی انجام دهید و نقاط ضعف را شناسایی کنید.🧰 ابزارها و تکنیک‌های عملی کتاب:
از یادداشت‌گذاری (Annotation) استفاده کنید تا پیام را مستقیم درون نمودار نمایش دهید. اطلاعات را لایه‌لایه ارائه دهید؛ ساده شروع کنید و در صورت لزوم به عمق بروید. پیام کلیدی را در ابتدا بیاورید، نه در انتها. جملات کلیدی کتاب: «داده‌ها فقط عددند، مگر اینکه کاری با آن‌ها انجام دهید.» «مخاطب را در تفسیر تنها نگذارید — راهنمایی‌اش کنید.» مثال کاربردی: اشتباه: داشبوردی شلوغ پر از اطلاعات فروش، مناطق، دسته‌بندی‌ها و تاریخچه، بدون تأکید یا نتیجه‌گیری. راه درست: نموداری ساده با عنوان روشن:« کاهش ۱۲٪ فروش در منطقه شمالی – ناشی از افت الکترونیک»با هایلایت رنگی روی دادهٔ کلیدی و یادداشت کوتاه روی نمودار.#معرفی_کتاب ثبت‌نامhttps://tehranasds.ir تماس با ما: 09216139651 لینکدین | اینستاگرام | تلگرام | بله
دوره علم داده اجتماعی (ASDS) هفته‌ی نهم: مبانی علم داده مدرس: دکتر اکبرصمدیدر این جلسه، دکتر صمدی به آموزش مدل بیز ساده (Naive Bayes) به دانشجویان می‌پردازند.
در ابتدای کلاس، ایشان با معرفی فرمول پایه‌ای این مدل آغاز می‌کنند:P(A|B) = (P(B|A) × P(A)) / P(B)و تلاش می‌شود که منطق پشت این رابطه‌ی ساده و کاربردی به زبانی قابل فهم توضیح داده شود.
سپس، فضای آموزش به سمت کاربرد عملی سوق داده می‌شود.مثالی با موضوع پیش‌بینی بیماری قلبی ارائه می‌گردد و پرسیده می‌شود: «احتمال اینکه فردی با ویژگی‌هایی مانند قد، وزن، کلسترول و فشار خون دچار بیماری قلبی باشد، چقدر است؟»در ادامه، تأکید می‌شود که برای تحلیل درست، باید احتمال وقوع بیماری به شرط داشتن ویژگی‌ها (مانند X1، X2، X3 و...) محاسبه گردد. همچنین، بر محاسبه‌ی هر دو حالت — یعنی احتمال بیمار بودن و احتمال بیمار نبودن — تأکید می‌شود.در ادامه‌ی جلسه، توضیح داده می‌شود که چرا در مدل Naive Bayes لازم است هر دو احتمال بررسی شوند. در این کلاس، تلاش می‌شود تا ذهن دانشجویان با منطق تحلیلی آشنا شده و نحوه‌ی استدلال آماری با استفاده از داده‌ها و احتمال شرطی در فضای واقعی تمرین گردد. ثبت‌نامhttps://tehranasds.ir تماس با ما: 09216139651 لینکدین | اینستاگرام | تلگرام | بله۱
️ پروژه علم داده اجتماعی : تحلیل نابرابری دسترسی به مدارس متوسطه – کلارندون (Clarendon)، جامائیکا ۱. اهداف پروژه هدف اصلی این پروژه نمایش شکاف آموزشی و ارائه راه‌حل‌هایی مبتنی بر عدالت اجتماعی بود. ۲. توضیح مسئلهدر منطقه‌ی کلارندون در جامائیکا، نابرابری دسترسی به مدارس متوسطه معضلی فراگیر شده بود ؛ مناطقی که جمعیت دانش‌آموزی زیادی داشتند، از نبود مدارس کافی یا مسیرهای دشوار حمل‌ونقل رنج می‌بردند و در نتیجه فرصت‌های آموزشی برای بسیاری از دانش‌آموزان محدود بود .این پروژه نه فقط تلاشی آکادمیک در چارچوب روش‌های تحلیل جغرافیایی بود، بلکه معطوف به عدالت اجتماعی و برابری آموزشی نیز طراحی شده بود. پژوهشگران با تکیه بر این یافته‌ها پیشنهاد کردند که سیاست‌گذاران با درک اولویت‌های جمعیتی و جغرافیایی—و نه فقط آمار کلی—در تصمیم‌گیری درباره مراحل بعدی سرمایه‌گذاری در زیرساخت آموزشی عمل کنند. همچنین به موجب دغدغه‌های اخلاقی، تأکید شد که تصمیمات مکانی نباید منابع را به مناطق پرجمعیت‌تر یا دارای صدا بیشتر منتقل کنند؛ بلکه باید پوشش عدالت‌محور را در دستور کار قرار داد تا هیچ گروهی به‌خاطر موقعیت جغرافیایی از حق آموزش محروم نماند. این مطالعه، به‌ویژه برای نواحی شبیه کلارندون، چیزی فراتر از یک مدل داده‌محور ارائه می‌داد: چشم‌اندازی از آموزش فراگیر، فرصت برابر و آینده‌ای که در آن هیچ دانش‌آموزی در دورافتاده‌ترین منطقه، به‌خاطر جغرافیا، از آینده‌اش جامانده نیست. مرجع این پژوهش در دانشگاه شیکاگو منتشر شد و می‌توان آن را در مخزن ERIC یافت. ۳. استفاده از ابزارهای علم داده برای حل مسئلهپژوهش در گستره‌ای انجام شد که داده‌های مکانی مدارس، ظرفیت پذیرش آن‌ها و کیفیت آموزشی‌شان، با داده‌های جمعیتی در هر ناحیه به‌دقت تلفیق شد. پژوهشگران فراتر از صرفا بررسی فاصله آماری، کوشیدند با مدل‌های شبکه‌ای—یعنی آنچه در GIS به عنوان شبکه جاده‌ای و تحلیل Service Area شناخته می‌شود—مسیر واقعی حرکت دانش‌آموزان تا نزدیک‌ترین مدرسه را محاسبه کنند و درک کنند که کدام نواحی بیشترین محرومیت را دارند.در این پروژه از ابزارهای تحلیل جغرافیایی (GIS) برای بررسی دقیق موقعیت مکانی مدارس و مسیرهای دسترسی دانش‌آموزان استفاده شد. با بهره‌گیری از مدل‌های شبکه‌ای، زمان و مسیر واقعی سفر دانش‌آموزان تا نزدیک‌ترین مدرسه محاسبه گردید. همچنین روش‌های تحلیل فضایی مانند buffer analysis و density analysis به‌کار رفت تا نواحی محروم شناسایی شوند. برای پیشنهاد مکان‌های بهینه ساخت مدارس جدید، مدل location-allocation مورد استفاده قرار گرفت که بر اساس داده‌های جمعیتی و زیرساخت‌های حمل‌ونقل بهترین نقاط را تعیین می‌کند. این روش‌ها در کنار پردازش داده‌های جمعیتی و ترکیب چندمنظوره داده‌ها، چارچوبی جامع برای حل مسئله نابرابری آموزشی فراهم کردند. ۴. نتایجاین تحلیل نشان داد که نقاطی مانند Chapelton و Mocho با تراکم بالای دانش‌آموزان در کنار کمبود مدارس، در معرض شدیدترین نابرابری‌ها هستند؛ جایی که نه تنها مدارس اندک‌اند بلکه حتی مسیرهای طولانی و دشوار به‌شدت دسترسی را محدود می‌کند. با به‌کارگیری مدل location-allocation، پژوهشگران توانستند پیشنهاداتی مشخص ارائه دهند: ساخت تنها چهار مدرسه جدید می‌توانست اکثریت مناطق محروم را تحت پوشش قرار دهد و فاصله زمانی بین دانش‌آموز و مدرسه را به کمتر از سی دقیقه کاهش دهد؛ تغییری که می‌توانست از ترک تحصیل، آسیب‌های روانی و توقف مسیر آموزشی جلوگیری کند. وبسایت ما : https://tehranasds.ir تماس با ما: 09216139651 لینکدین | اینستاگرام | تلگرام | بله۱
️ پروژه علم داده اجتماعی : پیش‌بینی و جلوگیری از ترک تحصیل در مدارس برزیل ۱. توضیح مسئلهمسئله ی ترک تحصیل در مقطع دبیرستان همیشه یک چالش بزرگ اجتماعی در کشور برزیل بوده است . دانش‌آموزان با رها کردن مدرسه ممکن است دچار فرصت شغلی کمتر ، فقر و احتمال بیشتر برای کنار گذاشته شدن از جامعه شوند . ۲. اهداف پروژه سیاست‌گذاران و مسئولان آموزش و پرورش به راهی نیاز داشتند تا قبل از وقوع ترک تحصیل دانش‌آموزانی که احتمال ترک تحصيل بالاتری داشتند را شناسایی کنند و مورد حمایت قرار دهند . ۳. استفاده از ابزارهای علم داده برای حل مسئله وزارت آموزش برزیل با پژوهشگران و متخصصان داده همکاری کرد تا یک مدل یادگیری ماشین بسازد که بتواند پیش‌بینی کند کدام دانش‌آموزان احتمال بیشتری برای ترک تحصیل دارند.ابتدا داده‌هایی از منابع مختلف مانند کارنامه، حضور و غیاب، سطح درآمد و تحصیلات والدین، شرایط خانه و امکانات مدرسه و محله جمع‌آوری و در یک پایگاه مرکزی ادغام شد. سپس داده‌ها پاک‌سازی شدند؛ یعنی موارد ناقص با روش‌های آماری یا تخمینی تکمیل و مقیاس متغیرها یکسان‌سازی و متغیرهای کیفی به کد عددی تبدیل شدند. در مرحله بعد، چند الگوریتم یادگیری ماشین مانند Random Forest، Gradient Boosting و شبکه‌های عصبی روی داده‌ها آموزش داده شد و هرکدام برای هر دانش‌آموز احتمال ترک تحصیل محاسبه کردند. برای ارزیابی دقت مدل، داده‌ها به دو بخش آموزش و تست تقسیم شدند و معیار AUC-ROC نشان داد که بهترین مدل توانسته است بیش از ۹۰٪ موارد را درست پیش‌بینی کند. بر اساس این مدل، برای هر دانش‌آموز یک امتیاز ریسک بین صفر تا یک تعیین شد؛ کسانی که امتیاز بالای ۰.۷ داشتند به عنوان پرخطر شناخته شدند و به برنامه‌های حمایتی معرفی شدند، از جمله کمک‌هزینه مالی برای خانواده‌های فقیر، جلسات مشاوره روانشناسی و اجتماعی و کلاس‌های جبرانی. همه این مراحل با استفاده از ابزارهایی مانند Python، کتابخانه‌های Pandas و scikit-learn برای مدیریت داده و مدل‌سازی، TensorFlow برای شبکه‌های عصبی و Matplotlib برای تحلیل بصری انجام شد. نتیجه این بود که داده‌های آموزشی و اجتماعی در کنار هم به یک ابزار عملی برای سیاست‌گذاری بدل شدند؛ جایی که علوم اجتماعی دلایل ترک تحصیل را توضیح می‌داد و علم داده پیش‌بینی و پیشگیری آن را ممکن ساخت.منابع داده:کارنامه و حضور و غیاب دانش‌آموزاناطلاعات اقتصادی–اجتماعی خانواده (درآمد، تحصیلات والدین، شرایط خانه)اطلاعات مدرسه و محله (امکانات، موقعیت مکانی)
ابزارهای به کاررفته:الگوریتم‌های یادگیری ماشین مثل Random Forest و Gradient Boostingکتابخانه‌های پایتون مثل scikit-learn، Pandas، TensorFlowپاک‌سازی و آماده‌سازی داده (تکمیل داده‌های ناقص، نرمال‌سازی)معیار ارزیابی: AUC-ROC برای سنجش دقت پیش‌بینی
۴. نتایج مدل نهایی توانست با بیش از ۹۰٪ دقت ترک تحصیل را پیش‌بینی کند.دولت یک سیستم امتیازدهی ریسک ساخت: دانش‌آموزانی که احتمال بالای ترک داشتند، علامت‌گذاری شدند تا حمایت ویژه دریافت کنند.این کار باعث شد منابع محدود آموزشی به‌طور هدفمند صرف دانش‌آموزانی شود که بیشترین نیاز را داشتند. وبسایت ما : https://tehranasds.ir تماس با ما: 09216139651 لینکدین | اینستاگرام | تلگرام | بله۱
گزارش تصویری هفته ی اول سرفصل مدل‌سازی با IBM SPSS Modeler مدرس: دکتر اکبر صمدی دوره علم داده اجتماعی (ASDS) ثبت‌نامhttps://tehranasds.ir تماس با ما: 09216139651 لینکدین | اینستاگرام | تلگرام | بله۲۱
۲۱
دوره‌ی حرفه‌ای و کاربردی IBM SPSS Modelerاگر به تحلیل داده، یادگیری ماشین و کشف الگوهای پنهان علاقه‌مندی،این دوره فرصتی است تا با یکی از قدرتمندترین نرم‌افزارهای داده‌کاوی دنیا آشنا شوی!
آنچه در این دوره می‌آموزی:• مفاهیم پایه‌ای علم داده و متدولوژی CRISP-DM• آشنایی با مشاغل حوزه داده و روش‌های پیش‌پردازش• یادگیری ماشین: Supervised، Unsupervised و Reinforcement• الگوریتم‌های خوشه‌بندی (K-Means، K-Medoids، DBSCAN)• قوانین و الگوهای انجمنی (Apriori، FP-Growth)• کشف الگوهای پنهان، مدل‌های طبقه‌بندی و رگرسیون• روش‌های تجمیعی مانند Ensemble Learning (Bagging، Boosting)• الگوریتم‌های پیشرفته مثل Random Forest و SVM مدرس: دکتر اکبر صمدیمدیرعامل گروه مشاوران تحول و درمان کسب‌و‌کار متودو دانشمند علم داده محل برگزاری: دانشکده علوم اجتماعی دانشگاه تهران زمان: پنج‌شنبه‌ها، به مدت 32 ساعت به‌صورت حضوری و مجازیبرای کسب اطلاعات بیشتر:
www.tehranasds.ir ۰۹۲۱۶۱۳۹۶۵۱لینک مستقیم ثبت نام
@tehranasds
#علم_داده #SPSS_Modeler #داده‌کاوی #یادگیری_ماشین #دانشگاه_تهران
۱۰۱
گزارش تصویری هفته ی دوم سرفصل مدل‌سازی با IBM SPSS Modeler مدرس: دکتر اکبر صمدی دوره علم داده اجتماعی (ASDS) ثبت‌نامhttps://tehranasds.ir تماس با ما: 09216139651 لینکدین | اینستاگرام | تلگرام | بله۳
۳