آمارکده | علم داده | هوش مصنوعی| پژوهش
الذهاب إلى القناة على Telegram
✾ ـ﷽ـ ✾ 📊 مرجع تخصصی تحلیل داده و پژوهش 📖 کتابها و جزوات 💻 آموزش SPSS، R، Python و... 📈 تحلیل آماری پایاننامه، مقاله و پژوهش 🤖 آموزش کاربرد هوش مصنوعی در پژوهش 👤 ادمین: @Amar_kadeh_admin 📱 اینستاگرام: https://instagram.com/amar__kade
إظهار المزيد📈 نظرة تحليلية على قناة تيليجرام آمارکده | علم داده | هوش مصنوعی| پژوهش
تُعد قناة آمارکده | علم داده | هوش مصنوعی| پژوهش (@amar_kadeh) في القطاع اللغوي Farsi لاعباً نشطاً. يضم المجتمع حالياً 16 588 مشتركاً، محتلاً المرتبة 12 025 في فئة التعليم والمرتبة 19 915 في منطقة إيران.
📊 مؤشرات الجمهور والحراك
منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 16 588 مشتركاً.
بحسب آخر البيانات بتاريخ 29 سبتمبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار 1 046، وفي آخر 24 ساعة بمقدار -24، مع بقاء الوصول العام مرتفعاً.
- حالة التحقق: غير موثّقة
- معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 3.55%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 2.70% من ردود الفعل نسبةً إلى إجمالي المشتركين.
- وصول المنشورات: يحصل كل منشور على متوسط 590 مشاهدة. وخلال اليوم الأول يجمع عادةً 449 مشاهدة.
- التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 5.
- الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل آموزشی, تست, کامپیوتر, سؤال, مرور.
📝 الوصف وسياسة المحتوى
يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“✾ ـ﷽ـ ✾
📊 مرجع تخصصی تحلیل داده و پژوهش
📖 کتابها و جزوات
💻 آموزش SPSS، R، Python و...
📈 تحلیل آماری پایاننامه، مقاله و پژوهش
🤖 آموزش کاربرد هوش مصنوعی در پژوهش
👤 ادمین:
@Amar_kadeh_admin
📱 اینستاگرام:
https://instagram.com/amar__kade”
بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 30 سبتمبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التعليم.
16 588
المشتركون
-2424 ساعات
+2007 أيام
+1 04630 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
سبتمبر '26سبتمبر '26
سبتمبر '26
+1 389
في 275 قنوات
أغسطس '26
+1 312
في 288 قنوات
Get PRO
يوليو '26
+1 670
في 274 قنوات
Get PRO
يونيو '26
+1 070
في 274 قنوات
Get PRO
مايو '26
+227
في 97 قنوات
Get PRO
أبريل '26
+7
في 0 قنوات
Get PRO
مارس '26
+2
في 1 قنوات
Get PRO
فبراير '26
+1 221
في 109 قنوات
Get PRO
يناير '26
+374
في 113 قنوات
Get PRO
ديسمبر '25
+1 091
في 155 قنوات
Get PRO
نوفمبر '25
+1 385
في 137 قنوات
Get PRO
أكتوبر '25
+944
في 39 قنوات
Get PRO
سبتمبر '25
+1 195
في 5 قنوات
Get PRO
أغسطس '25
+1 341
في 9 قنوات
Get PRO
يوليو '25
+1 227
في 23 قنوات
Get PRO
يونيو '25
+1 501
في 24 قنوات
Get PRO
مايو '25
+1 578
في 53 قنوات
Get PRO
أبريل '25
+521
في 11 قنوات
Get PRO
مارس '25
+60
في 10 قنوات
Get PRO
فبراير '25
+105
في 4 قنوات
Get PRO
يناير '25
+86
في 5 قنوات
Get PRO
ديسمبر '24
+147
في 4 قنوات
Get PRO
نوفمبر '24
+161
في 7 قنوات
Get PRO
أكتوبر '24
+181
في 6 قنوات
Get PRO
سبتمبر '24
+80
في 1 قنوات
Get PRO
أغسطس '24
+96
في 31 قنوات
Get PRO
يوليو '24
+133
في 6 قنوات
Get PRO
يونيو '24
+125
في 2 قنوات
Get PRO
مايو '24
+162
في 6 قنوات
Get PRO
أبريل '24
+189
في 21 قنوات
Get PRO
مارس '24
+266
في 35 قنوات
Get PRO
فبراير '24
+195
في 19 قنوات
Get PRO
يناير '24
+201
في 8 قنوات
Get PRO
ديسمبر '23
+204
في 42 قنوات
Get PRO
نوفمبر '23
+219
في 46 قنوات
Get PRO
أكتوبر '23
+207
في 6 قنوات
Get PRO
سبتمبر '23
+146
في 0 قنوات
Get PRO
أغسطس '23
+221
في 0 قنوات
Get PRO
يوليو '23
+215
في 0 قنوات
Get PRO
يونيو '23
+234
في 0 قنوات
Get PRO
مايو '23
+236
في 0 قنوات
Get PRO
أبريل '23
+154
في 0 قنوات
Get PRO
مارس '23
+111
في 0 قنوات
Get PRO
فبراير '23
+91
في 0 قنوات
Get PRO
يناير '23
+125
في 0 قنوات
Get PRO
ديسمبر '22
+155
في 0 قنوات
Get PRO
نوفمبر '22
+205
في 0 قنوات
Get PRO
أكتوبر '22
+129
في 0 قنوات
Get PRO
سبتمبر '22
+41
في 0 قنوات
Get PRO
أغسطس '22
+78
في 0 قنوات
Get PRO
يوليو '22
+44
في 0 قنوات
Get PRO
يونيو '22
+74
في 0 قنوات
Get PRO
مايو '22
+63
في 0 قنوات
Get PRO
أبريل '22
+95
في 0 قنوات
Get PRO
مارس '22
+217
في 0 قنوات
Get PRO
فبراير '22
+128
في 0 قنوات
Get PRO
يناير '22
+118
في 0 قنوات
Get PRO
ديسمبر '21
+174
في 0 قنوات
Get PRO
نوفمبر '21
+168
في 0 قنوات
Get PRO
أكتوبر '21
+222
في 0 قنوات
Get PRO
سبتمبر '21
+138
في 0 قنوات
Get PRO
أغسطس '21
+48
في 0 قنوات
Get PRO
يوليو '21
+54
في 0 قنوات
Get PRO
يونيو '21
+120
في 0 قنوات
Get PRO
مايو '21
+460
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 30 سبتمبر | 0 | |||
| 29 سبتمبر | 0 | |||
| 28 سبتمبر | +69 | |||
| 27 سبتمبر | +16 | |||
| 26 سبتمبر | +10 | |||
| 25 سبتمبر | +65 | |||
| 24 سبتمبر | +20 | |||
| 23 سبتمبر | +130 | |||
| 22 سبتمبر | +17 | |||
| 21 سبتمبر | +90 | |||
| 20 سبتمبر | +16 | |||
| 19 سبتمبر | 0 | |||
| 18 سبتمبر | +92 | |||
| 17 سبتمبر | +13 | |||
| 16 سبتمبر | +39 | |||
| 15 سبتمبر | +88 | |||
| 14 سبتمبر | +40 | |||
| 13 سبتمبر | +14 | |||
| 12 سبتمبر | +118 | |||
| 11 سبتمبر | +23 | |||
| 10 سبتمبر | +8 | |||
| 09 سبتمبر | +136 | |||
| 08 سبتمبر | 0 | |||
| 07 سبتمبر | +132 | |||
| 06 سبتمبر | +41 | |||
| 05 سبتمبر | +82 | |||
| 04 سبتمبر | +11 | |||
| 03 سبتمبر | +63 | |||
| 02 سبتمبر | +45 | |||
| 01 سبتمبر | +11 |
منشورات القناة
Repost from N/a
🚀 پروژه داری؟ متخصصش رو پیدا کن!
دنبال یک فریلنسر حرفهای برای انجام پروژهات هستی؟
یا مهارتی داری و میخوای ازش درآمد کسب کنی؟ 💰
اینجا میتونی:
🔹 پروژه ثبت کنی
🔹 متخصص مناسب پیدا کنی
🔹 پروژه بگیری
🔹 مهارتت رو به درآمد تبدیل کنی
✨ یک قدم تا شروع همکاری حرفهای!
🔗 http://akafreelancer.com
📲 آکا فریلنسر رو در شبکههای اجتماعی دنبال کن!
از پروژههای جدید و فرصتهای فریلنسری باخبر شو،
مهارتهات رو بیشتر دیده شو و فرصتهای همکاری رو از دست نده! 🚀
✨ همین حالا به ما بپیوند:
@aka_freelancer
🔔 همراه ما باش؛ فرصت بعدی شاید همینجا منتظرت باشه!
| 2 | جهت دسترسی به دوره های دکتر شریفی زارچی این لینک کلیک کنید
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━ | 377 |
| 3 |  پارادوکس سیمپسون چیه؟
گاهی وقتی داده ها رو در گروه های مختلف بررسی می کنیم یک نتیجه مشخص می بینیم ، اما وقتی همه گروه ها رو با هم ترکیب می کنیم نتیجه تغییر میکنه و حتی ممکنه کاملا برعکس بشه
به این پدیده پارادوکس سیمپسون می گیم
در مثال بالا روش A در هر دو گروه عملکرد بهتری داره اما وقتی داده های دو گروه رو با هم ترکیب می کنیم نتیجه کلی به نفع روش B میشه
چطور ممکنه؟
چون تعداد افراد و نحوه توزیع اونها بین گروه ها یکسان نیست و همین موضوع میتونه روی نتیجه کلی اثر بذاره
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━ | 346 |
| 4 | «پول ندارم» گفتناتون هم مثل «هیچی نخوندم» گفتنای سر جلسه امتحانه.
🤣 | 447 |
| 5 | 📊 مقایسه استراتژیک Power BI و Tableau: نبرد غولهای هوش تجاری
در دنیای دادهها، پرسشِ «کدام ابزار بهتر است؟» به اندازه «کدام زبان برنامهنویسی برای هوش مصنوعی بهتر است؟» بحثبرانگیز است. واقعیت این است که این دو ابزار در دو میدان نبردِ متفاوت بازی میکنند.
بیایید فارغ از کلیشهها، از نگاه یک متخصص داده به این دو نگاه کنیم:
✅ وقتی مدلسازی و مدیریت داده اولویت دارد (حکمفرمایی Power BI)
اگر کسبوکار شما در اکوسیستم مایکروسافت تنیده شده (SQL Server, Azure, Excel) و نیاز دارید «مدل داده» (Data Model) منسجم و استانداردی بسازید، انتخاب اول بیشک Power BI است.
• مزیت استراتژیک: قدرتِ Power Query در ETL دادهها و زبانِ DAX برای محاسباتِ پیچیده زمانی، به شما اجازه میدهد بدون نیاز به تیمهای مهندسی داده بزرگ، گزارشهای خودکار و سنگین بسازید.
🎨 وقتی هنرِ داستانسرایی و اکتشاف اولویت دارد (حکمفرمایی Tableau)
اگر دادههای شما ساختار غیرمعمول دارند، نیاز به نقشههای پیچیده دارید و میخواهید دادهها را به شکلی ارائه دهید که در هر جلسه مدیریتی خیرهکننده باشد، Tableau بیرقیب است.
• مزیت استراتژیک: انعطافپذیری تبلو در بصریسازی (Visualization) به شما اجازه میدهد به جای نمودارهای استاندارد، «داستانِ داده» را به شکل خلاقانهای روایت کنید. تبلو ابزارِ تحلیلگرانِ پیشروست که میخواهند از بندِ ساختارهای ثابتِ گزارشگیری رها شوند.
💢 چهار فاکتور حیاتی برای تصمیمگیری:
1️⃣ پیچیدگی فنی: اگر تیم شما با اکسل راحت است، Power BI منحنی یادگیری بسیار نرمتری دارد.
2️⃣ بودجه و مقیاس: Power BI برای سازمانهایی که به دنبال ROI (بازگشت سرمایه) بالا هستند گزینهای مقرونبهصرفهتر است.
3️⃣ نوع خروجی: اگر هدف «گزارشهای عملیاتی روزانه» است، Power BI؛ اگر هدف «داستانسرایی و اکتشاف در دادههای حجیم» است، Tableau.
4️⃣ یکپارچگی: Power BI برای مایکروسافتیها؛ Tableau برای کسانی که میخواهند با هر منبع دادهای (از هر فروشندهای) سریع وصل شوند.
📌 حرف آخر:
هیچکدام از این دو ابزار «برنده مطلق» نیستند. انتخابِ درست، تابعِ «فرهنگِ دادهمحور» سازمان شماست.
شما در پروژههای اخیرتان با کدام ابزار، چالشهای پیچیدهتری را حل کردید؟ آیا به سمت ابزارهای متنباز (Open Source) متمایل شدهاید یا همچنان به غولهای بازار وفادارید؟
بحث را در کامنتها باز بگذاریم. 👇
#PowerBI
#Tableau
#DataStrategy #BusinessIntelligence #DataStorytelling
#هوش_تجاری
#تحلیل_داده
#علم_داده
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━ | 491 |
| 6 |  🤖🔥 ایدهات را به محتوای حرفهای تبدیل کن!
انجمن علمی هوش مصنوعی دانشگاه رازی با همکاری شرکت زیکارو برگزار میکند:
🎯 کارگاه کاربردی «تولید محتوا با ابزارهای هوش مصنوعی»
اگر دانشجو هستی، کسبوکار داری، ادمین شبکههای اجتماعی هستی یا به تولید محتوا علاقهمندی، در این کارگاه یاد میگیری چگونه با کمک هوش مصنوعی، سریعتر و حرفهایتر محتوا تولید کنی.
🎬 سرفصلهای کارگاه:
1️⃣ تولید ویدئو با ابزارهای هوش مصنوعی
2️⃣ طراحی پوستر و محتوای گرافیکی
3️⃣ تولید پادکست و محتوای صوتی
4️⃣ تولید و ویرایش متن با هوش مصنوعی
📅 تاریخ: ۲۶ تا ۲۹ مهرماه
⏱️ ۴ جلسه | ۸ ساعت آموزش
🕣 ساعت: ۲۰:۳۰ تا ۲۲:۳۰
💻 محل برگزاری: اسکایروم
🎁 اگر امکان حضور در کلاس را ندارید، پس از ثبتنام، کلیپ ضبطشده جلسات در اختیار شما قرار خواهد گرفت.
🎓 صدور گواهی معتبر از دانشگاه رازی
💰 هزینه ثبتنام: ۲۵۰ هزار تومان
⚠️ ظرفیت محدود است!
👥 این کارگاه به تمامی:
🎓 دانشجویان
💼 صاحبان کسبوکار
📱 ادمینها و فعالان شبکههای اجتماعی
🎨 علاقهمندان به تولید محتوا
توصیه میشود.
📌 مهلت ثبتنام: ۳۰ مهرماه
📲 جهت ثبتنام در تلگرام یا ایتا پیام دهید:
👉 @amozshi_admin20 | 396 |
| 7 | ⏳ بلاتکلیفی در ثبتنام ارشد بدون آزمون دانشگاه آزاد
با وجود اعلام قبلی دانشگاه آزاد درباره آغاز ثبتنام کارشناسی ارشد استعدادهای درخشان ۱۴۰۵، فرآیند ثبتنام هنوز آغاز نشده و داوطلبان همچنان منتظر اعلام زمان دقیق شروع ثبتنام هستند.
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━ | 566 |
| 8 | 📚 کتابی کاربردی برای یادگیری جبر ماتریسی با تمرکز بر کاربرد آن در آمار؛ از مفاهیم پایه ماتریسها شروع میکند و به مباحث پیشرفتهتر و کاربردهای آماری با R میرسد.
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━ | 552 |
| 9 | 📣بسه اقا ما ی غلطی کردیم 2 روز پیش لینک یک کانال هک رو گذاشتیم دوباره این دفعه اخره هرکی نیاز داره سریع جوین بده و دیگه نیاید پی وی!!!!
https://t.me/+MIj9EXtMrPE1MmY0
اخرین باره میزارم⛔️ | 158 |
| 10 | ترافیک روی لینکها خیلی بالاست، اگه دکمهای کار نکرد چند ثانیه بعد دوباره تست کنید ☝️☝️ | 200 |
| 11 |  نیازی به توضیح اضافه نیست؛ عنوان دکمهها گویای همهچیز است. قبل از بسته شدن لینکها، روی هر کدام که نیاز دارید کلیک کنید 👇 | 199 |
| 12 | پاشین😂 صبح شده برین دانشگاه
منم برم بیمارستان 🥲😁 | 674 |
| 13 | 📄خب، توی تحلیل آگهی نهاد کتابخانهها دیدیم که اکسل «پیشرفته» خواسته شده.
اصلا «پیشرفته» اینجا یعنی چی؟
🧩این اکسل پیشرفته اصلاً قرار چطور توی یه شغل واقعی استفاده بشه؟
راستش رو بخوای، تا وقتی آدم درگیر کار واقعی نشه، نمیفهمه قراره از مهارتهاش چطور استفاده کنه. پس اولین قدم، آشنایی درست با ابزارهاست. که لااقل به اون مرحله برسی که
حالا که مهارت و دارم چجوری میتونم استفاده کنم.
🖐قرار نیست این سوال رو جواب بدم
اما
آشنایی بهت کمک میکنه:
🔹 بفهمی هر ابزار توی شغل واقعی کجای کار قرار میگیره.
🔹 بدونی از کجا شروع کنی و مسیرت چیه.
و اکسل، برخلاف چیزی که فکر میکنی، فقط یه جدول ساده نیست. اکسل سه تا لایهی پنهون داره که خیلیها اصلاً نمیدونن:
▪️ Power Query:
برای اتصال به منابع داده و تمیزکاری خودکار میشه ازش استفاده کرده.
یعنی به جای اینکه دستی دادهها رو پاک کنی، یه بار یاد میگیری چطور این کار رو خودکار انجام بدی.
▪️ Data Model:
برای ساختن ارتباط بین چند جدوله. میتونی چند تا فایل مختلف رو به هم وصل کنی و ازشون یه تحلیل یکپارچه دربیاری.
▪️ DAX:
برای نوشتن فرمولهای تحلیلی پیشرفتهتره.
محاسباتی که مختص به نیازیه که در لحظه داری، که با فرمولهای معمولی اکسل نمیشه انجام داد.
جالبه که خیلی از آگهیهای کاری، وقتی مینویسن «اکسل پیشرفته»، دقیقاً منظورشون همین لایههاست.
پس اگه اکسل رو فقط در حد VLOOKUP و Pivot Table بلدی، هنوز تقریبا نوک کوه یخی.
راستی،
تو کدوم لایهی اکسل رو بلدی؟ و کدومش برات جذابتره؟
اصلا فقط اکسله که این ابزار رو داره؟
جوابش با شما 🤷♀ | 677 |
| 14 |  ❔فکر میکنی اکسل فقط همون جدول و فرموله؟
🗻یه کوه یخه که فقط نوکش رو دیدی.
🧊 لایه های زیری چی پنهونه که هنوز کشفش نکردی؟
⁉️و اینکه آیا این همون اولین مهارتیه که باید یاد بگیری؟ | 557 |
| 15 | پستم دیدی ؟
https://www.instagram.com/p/DdyFU_6GzT6/?stkn=MWNzNnc5eDBkeGFocQ==
آموزش بعدی چی باشه کامنت کن نظرت رو 😍 | 581 |
| 16 | 🔻 به علت محدود بودن ظرفیت کانال ها، لیست تا دقایقی دیگر پاک خواهد شد.
https://t.me/addlist/bdUfnTj5SzdiYjE8
🌟 پس تا ظرفیت پر نشده، سریعتر عضویت خود رو نهایی کنید ! 😍☝️ | 150 |
| 17 | 🚀دیگه هزینه نجومی برای اشتراکای هوش مصنوعی نکن!! @GptPLuserBot
➖➖➖➖➖➖➖
🔺آموزش برنامه نویسی حرفه ای با جادی
🔺دانلود مستقیم فونت رایگان
🔺دانلود" فونت پولی" رایگان
🔺ازکانال زیرهمه درساتو دانلود کن
🔺"انگلیسی" از مبتدی تا آیلتس
🔺((پکیج های آموزشی مهندسی کامپیوتر))
🔺ایندیزاین"ایلاستریتور"هوش مصنوعی
🔺یک میلیون کتاب ، جزوه و سوال
🔺آموزش 0 تا 100 هک ،امنیت(رایگان)
🔺آموزش طراحی لوگو و جلد کتاب
🔺18 دانشجویی
🔺 ایده های طراحی، خلاقیت در تبلیغات
🔺دانلود Psd + Png فتوشاپ
🔺آموزش تدوین و فیلمسازی ( رایگان)
🔺1100 آزمایش جذاب شیمی با آزمایش
🔺آموزش قدم به قدم زبان بافیلم
🔺معدن آلبوم ژورنال
🔺بزرگ ترین کاریابی دانشجویی
🔺نکات کلیدی زبان انگلیسی
🔺پکیج پریمیوم گرافیکاران
🔺پایان نامه،مقاله،مهاجرت تحصیلی...
🔺کدنویسی "python" با هوشمصنوعی
🔺کدنویسی و طراحیوب با Ai :))
🔺رایگان استخدام شو /vip/ !!!
🔺نشریه زرد دانشگاه
🔺آموزش مقاله نویسی و research
🔺آموزش 0 تا 100 هک
🔺آموزش Grammer آیلتس
🔺آموزش نرم افزارهای مهندسی مکانیک
🔺مکالمات انگلیسی با فیلم
🔺دانلود پکیج های آموزشی + رایگان
🔺تحلیل داده و هوش مصنوعی
🔺مقاله ISI و رزومه نداری؟ با ما
🔺کلی فیلم امریکایی با دو زیرنویس
🔺بورسیه و مشاوره تحصیلی
🔺اصطلاحات و جملههای واقعی انگلیسی
🔺آموزش های رایگان کامپیوتر
🔺مدرسه کسب و کار
🔺آبجکت های 3بعدی 3DDD
🔺ترفند های طلایی کامپیوتر و موبایل
🔺استخدام رایگان دورکاری +𝐕𝐈𝐏
🔺آموزش شبکه مقدماتی تا پیشرفته
🔺داستانهای مصور صوتی انگلیسی
🔺انفجار اسپیکینگ و لیسنینگ
🔺دنیای موسیقی ملل فول
🔺جزوه پولی رایگان دانلود کن!!!
🔺کلیپ های انگیزشی موفقیت
🔺انگلیسی 5 دقیقه ای با استاد نیتیو
🔺شغل دانشجویی با درآمد 3/000/000
🔺سریال روم " دنیای فیلمای خارجی "
🔺آزمون های رایگان نظام مهندسی معماری
🔺سیرتاپیاز برنامه نویسی رو قورت بده
🔺ایدهای دکوراسیون داخلی
🔺آموزش شبکه های Cisco و مایکروسات
🔺کتاب جزوه اساتید برتر کمک دانشجویی
🔺❰❰❰ انگلیسی را حرفهای بیاموز ❱❱❱
🔺آموزش حرفه ای برنامه نویسی
🔺مهندسی هوافضا و تکنولوژی جنگنده ها
🔺مکالمات انگلیسی با ترجمه و صوتی
🔺دنیای رباتیک و تازه های تکنولوژی
🔺پروژه یابی
🔺صفر تا صد هوش مصنوعی
🔺دانلود فونت های گرافیکی
🔺مقاله ❖ISI❖ با هوش مصنوعی
🔺اموزش هک غیرقانونی با (موبایل)
🔺دنیای کتاب صوتی
🔺ساخت و تولید(طراحی و ماشینسازی)
🔺ترجمه کتاب ومقاله های دانشجویی
🔺مرکز تعمیرات موبایل
🔺نحوه ساخت هرچی فکر کنی اینجاست!
🔺تافل و آیلتس
🔺آموزش نرمافزار های مهندسی
🔺آموزش فتوشاپ 2027
🔺معرفی Github های برنامه نویسان
🔺انگلیسی از مبتدی تا پیشرفته
🔺دانلود نرم افزارهای کامپیوتر
🔺کتابهای کمیاب و نایاب
🔺دانلود برنامه اندرویدی ها
🔺فقط گرامر و دیگر هیچ
🔺اخبار بدون سانسور دانشجویی
🔺آموزش تکنیک های زبان انگلیسی
🔺آموزش 0 تا 100 حسابداری
🔺آبجکت و تکسچرهای 3بعدی
🔺بانک لایه باز(پست اینستاگرام)رایگان
🔺عکاس شو!
🔺آموزش فتوشاپ | AI رایگان
🔺دانلود " ابزار های گرافیکی" رایگان
🔺جزوه های پولی رایگان شده (PDF)
🔺دنیای هوش مصنوعی AI، موبایل و PC
🔺آرشیو "فونت فارسی;انگلیسی" رایگان
—————-
🦋 @Armisstab
. | 177 |
| 18 | شاید مهمترین نکته این نباشد که:
«آدمهای نادان فکر میکنند خیلی باهوشاند.»
این جمله بیش از حد سادهشده است.
نکته جالبتر این است که:
حتی وقتی یک الگوی خیلی قانعکننده در دادهها میبینیم، باید بپرسیم آیا توضیح روانشناختی واقعاً بهترین توضیح است یا خودِ روش اندازهگیری و ساختار آماری دادهها میتواند چنین الگویی ایجاد کرده باشد؟
و به نظرم این دقیقاً همان جایی است که آمار جالب میشود.
چون گاهی چیزی که در نگاه اول یک ویژگی عجیب انسانی به نظر میرسد، وقتی دقیقتر به دادهها نگاه میکنیم، پای خطای اندازهگیری، سوگیری، نمونهگیری یا رگرسیون به میانگین هم وسط میآید.
در نهایت شاید یکی از مهمترین چیزهایی که میتوانیم درباره خودمان بدانیم این باشد:
اینکه بدانیم ممکن است چیزی را ندانیم.
📚 منابع:
Kruger, J., & Dunning, D. (1999). Unskilled and Unaware of It: How Difficulties in Recognizing One's Own Incompetence Lead to Inflated Self-Assessments.
McIntosh et al. (2022). Skill and self-knowledge: empirical refutation of the dual-burden account of the Dunning–Kruger effect.
Magnus & Peresetsky (2022). A Statistical Explanation of the Dunning–Kruger Effect.
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━ | 705 |
| 19 | اثر دانینگ–کروگر
قطعا شده که کسی را ببینید که در یک موضوع تقریباً چیزی نمیداند، ولی با اعتمادبهنفس خیلی زیادی دربارهاش صحبت میکند
نام این اتفاق «اثر دانینگ–کروگر» است.
اما ماجرا کمی پیچیدهتر از این جملهی معروف است.
🔹 شروع ماجرا
در سال ۱۹۹۹، دو روانشناس به نامهای دیوید دانینگ و جاستین کروگر در دانشگاه کرنل روی یک سؤال ساده کار کردند:
آیا آدمها میتوانند بفهمند که در یک کار چقدر خوب یا بد عمل کردهاند؟
آنها در چند آزمایش از دانشجویان خواستند در زمینههایی مثل شوخطبعی، استدلال منطقی و دستور زبان انگلیسی آزمون بدهند.
بعد از آزمون، از آنها خواسته شد عملکرد خودشان را هم ارزیابی کنند.
نتیجه جالب بود:
افرادی که عملکرد ضعیفتری داشتند، معمولاً عملکرد خودشان را بیشتر از واقعیت برآورد میکردند.
از طرف دیگر، افراد قویتر معمولاً ارزیابی دقیقتری از عملکردشان داشتند.
این همان چیزی بود که بعدها با نام اثر دانینگ–کروگر (Dunning–Kruger Effect) معروف شد.
🔹 دلیل اینکه همچین اتفاقی میوفته چیه دقیقا؟
ایدهی اصلی دانینگ و کروگر این بود که برای اینکه بفهمیم یک کار را درست انجام دادهایم یا نه، باید تا حدی دانش و مهارتی دربارهی همان کار داشته باشیم.
مثلاً فرض کنید کسی تازه با آمار آشنا شده و فکر میکند اگر یک همبستگی بین دو متغیر پیدا کرد، پس حتماً یکی علت دیگری است.
مشکل فقط این نیست که این فرد اشتباه میکند.
ممکن است ابزار لازم برای تشخیص اشتباه خودش را هم نداشته باشد.
به این ایده اصطلاحاً «بار مضاعف» یا Double Burden گفته میشود:
فرد هم دانش کافی برای انجام درست کار را ندارد، و هم ممکن است دانش کافی برای تشخیص اشتباه خودش نداشته باشد.
این بخش از نظریه به مفهوم فراشناخت (Metacognition) مربوط میشود؛ یعنی توانایی فکر کردن دربارهی عملکرد و فرایندهای ذهنی خودمان.
📈 بررسی نمودارها
اگر نمودارهای معروف اثر دانینگ–کروگر را دیده باشید، معمولاً چیزی شبیه این میبینید:
افراد با عملکرد پایین → بیشبرآورد زیاد
افراد با عملکرد متوسط → اختلاف کمتر
افراد با عملکرد بالا → گاهی حتی کمبرآورد
و همین نمودار باعث شده این برداشت خیلی معروف شود که:
«هرچه کمتر بدانی، احتمال اینکه فکر کنی خیلی خوبی بیشتر است.»
اما آیا واقعاً همین است؟
نه لزوماً.
🔬 مشکل کجاست؟
یکی از نقدهای مهم این است که بخشی از این الگو میتواند صرفاً از یک پدیده آماری به نام رگرسیون به میانگین (Regression to the Mean) ایجاد شود.
فرض کنید عملکرد واقعی افراد را با یک آزمون اندازهگیری میکنیم.
این اندازهگیری همیشه کاملاً دقیق نیست و مقداری خطای تصادفی دارد.
حالا اگر افراد را بر اساس همین نمرهها به گروههای ضعیف، متوسط و قوی تقسیم کنیم، بخشی از افرادِ گروه ضعیف بهطور تصادفی نمرهی پایینتری از توانایی واقعیشان گرفتهاند.
وقتی دوباره از آنها درباره عملکردشان سؤال میکنیم، طبیعی است که برآوردشان لزوماً به همان اندازه پایین نباشد.
در نتیجه ممکن است ببینیم:
گروه ضعیف → بیشبرآورد
و
گروه قوی → کمبرآورد
حتی بدون اینکه الزاماً فرض کنیم افراد ضعیف از نظر فراشناختی «نمیدانند که نمیدانند».
حالا سوال اصلی اینه که پس بالاخره اثر دانینگ–کروگر واقعی هست یا نه؟
اینجا جواب یک «بله» یا «نه» ساده نیست.
اصل مشاهدهای که افراد با عملکرد پایینتر ممکن است عملکرد خودشان را بیشازحد برآورد کنند، در مطالعات مختلف دیده شده است.
اما تفسیر علت این الگو هنوز محل بحث است.
برخی پژوهشها شواهدی به نفع نقش فراشناخت پیدا کردهاند، در حالی که پژوهشهای دیگری نشان دادهاند که بخش قابلتوجهی از الگوی کلاسیک میتواند با عوامل آماری مثل رگرسیون به میانگین و نحوهی اندازهگیری خودارزیابی توضیح داده شود.
برای مثال، یک مطالعه در سال ۲۰۲۲ با استفاده از روشهای جدیدتر اندازهگیری فراشناخت گزارش کرد که الگوی معروف دانینگ–کروگر تا حد زیادی میتواند ناشی از ویژگیهای آماری دادهها باشد و شواهد کافی برای اینکه تفاوت در «مهارت فراشناختی» علت اصلی این الگو باشد پیدا نکرد.
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━ | 590 |
| 20 | ⭕️ فقط زود جوین بشید چون تا 2 ساعت دیگه حذف میشه لینکش. | 112 |
