دوره روش‌های آماری پیشرفته در تحلیل منازعات: رگرسیون، مدل‌سازی و پیش‌بینی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره روش‌های آماری پیشرفته در تحلیل منازعات: رگرسیون، مدل‌سازی و پیش‌بینی

موضوع کلی: روابط بین‌الملل و حل منازعات

موضوع میانی: روش‌های تحقیق در مطالعات صلح و منازعه

📋 سرفصل‌های دوره

• 1. مقدمه بر تحلیل منازعات
• 2. مبانی آمار برای تحلیل منازعات
• 3. ضرورت رویکردهای آماری پیشرفته
• 4. نمای کلی روش‌های آماری در منازعات
• 5. رگرسیون خطی ساده
• 6. مفاهیم رگرسیون خطی
• 7. برآورد پارامترها در رگرسیون خطی
• 8. آزمون فرضیه‌ها در رگرسیون خطی
• 9. تشخیص و رفع نقض مفروضات رگرسیون خطی
• 10. کاربرد رگرسیون خطی در تحلیل منازعات
• 11. رگرسیون خطی چندگانه
• 12. مقدمه بر رگرسیون خطی چندگانه
• 13. انتخاب متغیرهای توضیحی
• 14. ارزیابی مدل رگرسیون خطی چندگانه
• 15. مشکل چندهمخطی
• 16. رگرسیون لجستیک
• 17. مقدمه بر رگرسیون لجستیک
• 18. برآورد پارامترها در رگرسیون لجستیک
• 19. تفسیر ضرایب در رگرسیون لجستیک
• 20. ارزیابی مدل رگرسیون لجستیک
• 21. کاربرد رگرسیون لجستیک در پیش‌بینی منازعات
• 22. مدل‌های سری زمانی
• 23. مقدمه بر مدل‌های سری زمانی
• 24. اجزای سری زمانی
• 25. مدل‌های ARIMA
• 26. آزمون ایستایی در سری‌های زمانی
• 27. انتخاب مرتبه در مدل‌های ARIMA
• 28. برآورد پارامترها در مدل‌های ARIMA
• 29. پیش‌بینی با استفاده از مدل‌های ARIMA
• 30. عیب‌یابی مدل‌های سری زمانی
• 31. کاربرد مدل‌های سری زمانی در پیش‌بینی بحران‌های منازعات
• 32. مدل‌سازی معادلات ساختاری (SEM)
• 33. مقدمه بر معادلات ساختاری
• 34. مفاهیم مدل‌سازی معادلات ساختاری
• 35. مدل اندازه‌گیری
• 36. مدل ساختاری
• 37. برآورد مدل‌های معادلات ساختاری
• 38. ارزیابی برازش مدل‌های معادلات ساختاری
• 39. تفسیر نتایج SEM
• 40. کاربرد SEM در تحلیل روابط پیچیده منازعات
• 41. مدل‌های شبکه
• 42. مقدمه بر تحلیل شبکه در منازعات
• 43. مفاهیم اصلی نظریه گراف
• 44. متریک‌های شبکه (مرکزیت، پیوستگی)
• 45. تحلیل شبکه‌های اجتماعی در منازعات
• 46. تحلیل شبکه‌های اطلاعاتی در منازعات
• 47. کاربرد مدل‌های شبکه در شناسایی عوامل کلیدی منازعات
• 48. روش‌های یادگیری ماشین
• 49. مقدمه بر یادگیری ماشین در منازعات
• 50. یادگیری نظارت شده
• 51. یادگیری نظارت نشده
• 52. الگوریتم‌های طبقه‌بندی (SVM، درخت تصمیم)
• 53. الگوریتم‌های خوشه‌بندی (K-Means)
• 54. کاربرد یادگیری ماشین در تشخیص الگوهای منازعه
• 55. پیش‌بینی شدت منازعات با یادگیری ماشین
• 56. روش‌های بیزی
• 57. مقدمه بر روش‌های بیزی در تحلیل منازعات
• 58. قضیه بیز
• 59. مدل‌های بیزی سلسله مراتبی
• 60. کاربرد روش‌های بیزی در برآورد عدم قطعیت
• 61. استفاده از دانش پیشین در مدل‌سازی بیزی
• 62. مدل‌سازی احتمالی منازعات
• 63. تحلیل عاملی
• 64. مقدمه بر تحلیل عاملی
• 65. مفاهیم تحلیل عاملی
• 66. استخراج عوامل
• 67. چرخش عوامل
• 68. تفسیر عوامل
• 69. کاربرد تحلیل عاملی در شناسایی ابعاد منازعه
• 70. تحلیل داده‌های مکانی
• 71. مقدمه بر تحلیل داده‌های مکانی در منازعات
• 72. مفاهیم جغرافیایی در تحلیل منازعات
• 73. مدل‌های رگرسیون مکانی
• 74. تحلیل اتوکرلاسیون مکانی
• 75. کاربرد تحلیل مکانی در شناسایی کانون‌های منازعه
• 76. پیش‌بینی انتشار منازعات
• 77. مدل‌سازی شبیه‌سازی
• 78. مقدمه بر مدل‌سازی شبیه‌سازی در منازعات
• 79. انواع شبیه‌سازی (گسسته، پیوسته)
• 80. مدل‌سازی مبتنی بر عامل (ABM)
• 81. شبیه‌سازی سناریوهای منازعه
• 82. تحلیل حساسیت و عدم قطعیت در شبیه‌سازی
• 83. کاربرد شبیه‌سازی در ارزیابی مداخلات منازعه
• 84. ارزیابی و اعتبارسنجی مدل‌ها
• 85. مقدمه بر ارزیابی مدل‌ها
• 86. معیارهای ارزیابی مدل‌های پیش‌بینی
• 87. اعتبارسنجی متقابل (Cross-validation)
• 88. عیب‌یابی و بهبود مدل‌ها
• 89. ملاحظات اخلاقی در تحلیل آماری منازعات
• 90. جمع‌بندی و راهکارهای آینده