کتاب صوتی مهندسی مصرف: چگونه داده‌های بزرگ قدرت تصمیم‌گیری را تضعیف و ثروت را توزیع می‌کند؟

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مهندسی مصرف: چگونه داده‌های بزرگ قدرت تصمیم‌گیری را تضعیف و ثروت را توزیع می‌کند؟

موضوع کلی: اقتصاد رفتاری و داده‌های بزرگ

موضوع میانی: تاثیر داده‌های بزرگ بر تصمیم‌گیری عقلانی و توزیع ثروت

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه: ظهور عصر داده‌های بزرگ
• 2. فصل 1: اقتصاد رفتاری: مبانی و مفروضات
• 3. فصل 2: عقلانیت محدود در تصمیم‌گیری
• 4. فصل 3: سوگیری‌های شناختی رایج
• 5. فصل 4: تاریخچه و تکامل داده‌های بزرگ
• 6. فصل 5: تعریف و ویژگی‌های داده‌های بزرگ
• 7. فصل 6: منابع داده‌های بزرگ در زندگی روزمره
• 8. فصل 7: مقالات کلیدی در زمینه داده‌های بزرگ و اقتصاد رفتاری
• 9. فصل 8: تمرکز مقاله "How Big Data Dilutes Cognitive Resources..."
• 10. فصل 9: چالش‌های شناختی ناشی از داده‌های بزرگ
• 11. فصل 10: بار شناختی (Cognitive Load) و داده‌های بزرگ
• 12. فصل 11: تضعیف منابع شناختی: فرسایش توجه
• 13. فصل 12: تضعیف منابع شناختی: کاهش ظرفیت حافظه کاری
• 14. فصل 13: تضعیف منابع شناختی: خستگی تصمیم‌گیری (Decision Fatigue)
• 15. فصل 14: داده‌های بزرگ به مثابه عامل حواس‌پرتی
• 16. فصل 15: تاثیر داده‌های بزرگ بر پردازش اطلاعات
• 17. فصل 16: مکانیسم‌های تضعیف منابع شناختی توسط داده‌های بزرگ
• 18. فصل 17: شواهد تجربی از تضعیف منابع شناختی
• 19. فصل 18: عواقب تضعیف منابع شناختی در زندگی شخصی
• 20. فصل 19: تاثیر داده‌های بزرگ بر توانایی استدلال منطقی
• 21. فصل 20: تعریف عقلانیت در اقتصاد رفتاری
• 22. فصل 21: تاثیر داده‌های بزرگ بر ارزیابی احتمال
• 23. فصل 22: تاثیر داده‌های بزرگ بر قضاوت و تصمیم‌گیری
• 24. فصل 23: سوگیری‌های مرتبط با داده‌های بزرگ: سوگیری تایید
• 25. فصل 24: سوگیری‌های مرتبط با داده‌های بزرگ: سوگیری لنگر اندازی
• 26. فصل 25: سوگیری‌های مرتبط با داده‌های بزرگ: سوگیری دسترسی (Availability Bias)
• 27. فصل 26: سوگیری‌های مرتبط با داده‌های بزرگ: سوگیری قاب‌بندی (Framing Bias)
• 28. فصل 27: داده‌های بزرگ و توهم کنترل (Illusion of Control)
• 29. فصل 28: تاثیر داده‌های بزرگ بر انتخاب‌های پیچیده
• 30. فصل 29: داده‌های بزرگ چگونه فرآیند حل مسئله را مختل می‌کنند
• 31. فصل 30: نقش الگوریتم‌ها و ماشین لرنینگ در تداخل با تصمیم‌گیری
• 32. فصل 31: داده‌های بزرگ و نقش "نشانه‌ها" (Cues) در تصمیم‌گیری
• 33. فصل 32: داده‌های بزرگ و خطر "بیش‌برازش" (Overfitting) در تصمیم‌گیری
• 34. فصل 33: شواهد تجربی از تداخل داده‌های بزرگ با تصمیم‌گیری منطقی
• 35. فصل 34: تاثیر بر انتخاب‌های مالی و سرمایه‌گذاری
• 36. فصل 35: تاثیر بر انتخاب‌های بهداشتی و درمانی
• 37. فصل 36: تاثیر بر انتخاب‌های شغلی و تحصیلی
• 38. فصل 37: داده‌های بزرگ و "کاشت" (Priming) رفتار
• 39. فصل 38: مفهوم توزیع ثروت در اقتصاد
• 40. فصل 39: نابرابری ثروت: عوامل سنتی
• 41. فصل 40: داده‌های بزرگ چگونه به نابرابری ثروت دامن می‌زنند؟
• 42. فصل 41: تاثیر داده‌های بزرگ بر دسترسی به فرصت‌های اقتصادی
• 43. فصل 42: داده‌های بزرگ و "بازار اطلاعات" (Information Asymmetry)
• 44. فصل 43: داده‌های بزرگ و شخصی‌سازی قیمت (Price Discrimination)
• 45. فصل 44: تاثیر شخصی‌سازی قیمت بر مصرف‌کنندگان
• 46. فصل 45: داده‌های بزرگ و "کارتل‌های اطلاعاتی"
• 47. فصل 46: داده‌های بزرگ و تاثیر بر طبقه متوسط
• 48. فصل 47: داده‌های بزرگ و "شکاف دیجیتالی" (Digital Divide)
• 49. فصل 48: داده‌های بزرگ و قدرت چانه‌زنی مصرف‌کننده
• 50. فصل 49: داده‌های بزرگ و دسترسی به خدمات مالی
• 51. فصل 50: داده‌های بزرگ و اعتبار سنجی (Credit Scoring)
• 52. فصل 51: تبعیض الگوریتمی در توزیع ثروت
• 53. فصل 52: داده‌های بزرگ و تاثیر بر بازار کار
• 54. فصل 53: داده‌های بزرگ و "مدیریت استعداد" (Talent Management)
• 55. فصل 54: داده‌های بزرگ و تاثیر بر دستمزد
• 56. فصل 55: داده‌های بزرگ و "اقتصاد پلتفرم" (Platform Economy)
• 57. فصل 56: داده‌های بزرگ و تاثیر بر مالکیت دارایی
• 58. فصل 57: داده‌های بزرگ و "مالیات بر داده" (Data Tax)
• 59. فصل 58: مدل‌های اقتصادی جدید در عصر داده‌های بزرگ
• 60. فصل 59: پیامدهای بلندمدت داده‌های بزرگ بر ساختار اقتصادی
• 61. فصل 60: مطالعه موردی 1: تاثیر داده‌های بزرگ بر تجارت الکترونیک
• 62. فصل 61: مطالعه موردی 2: تاثیر داده‌های بزرگ بر شبکه‌های اجتماعی
• 63. فصل 62: مطالعه موردی 3: تاثیر داده‌های بزرگ بر صنعت مالی
• 64. فصل 63: مطالعه موردی 4: تاثیر داده‌های بزرگ بر حوزه سلامت
• 65. فصل 64: روش‌های تحقیق در اقتصاد رفتاری و داده‌های بزرگ
• 66. فصل 65: طراحی آزمایش‌های میدانی (Field Experiments)
• 67. فصل 66: تحلیل داده‌های حجیم (Big Data Analytics)
• 68. فصل 67: ابزارهای تحلیل داده‌های بزرگ
• 69. فصل 68: اخلاق در استفاده از داده‌های بزرگ
• 70. فصل 69: حریم خصوصی داده‌ها و نگرانی‌های اخلاقی
• 71. فصل 70: شفافیت الگوریتم‌ها (Algorithmic Transparency)
• 72. فصل 71: مسئولیت‌پذیری در استفاده از داده‌های بزرگ
• 73. فصل 72: پیامدهای سیاسی و اجتماعی داده‌های بزرگ
• 74. فصل 73: داده‌های بزرگ و دموکراسی
• 75. فصل 74: داده‌های بزرگ و کمپین‌های سیاسی
• 76. فصل 75: داده‌های بزرگ و نظارت دولتی
• 77. فصل 76: آینده داده‌های بزرگ و اقتصاد رفتاری
• 78. فصل 77: هوش مصنوعی و آینده تصمیم‌گیری
• 79. فصل 78: اتوماسیون تصمیم‌گیری و پیامدهای آن
• 80. فصل 79: داده‌های بزرگ و "خرد جمعی" (Collective Intelligence)
• 81. فصل 80: راهکارهای مقابله با تضعیف منابع شناختی
• 82. فصل 81: آموزش سواد داده (Data Literacy)
• 83. فصل 82: توسعه ابزارهای حمایتی تصمیم‌گیری
• 84. فصل 83: طراحی محیط‌های دیجیتال مسئولانه
• 85. فصل 84: مدیریت حواس‌پرتی در عصر دیجیتال
• 86. فصل 85: راهکارهای افزایش عقلانیت در مواجهه با داده‌های بزرگ
• 87. فصل 86: ایجاد چارچوب‌های نظارتی برای داده‌های بزرگ
• 88. فصل 87: تقویت قدرت چانه‌زنی مصرف‌کننده
• 89. فصل 88: سیاست‌گذاری برای توزیع عادلانه ثروت در عصر داده‌ها
• 90. فصل 89: نقش دولت در تنظیم بازار داده‌ها
• 91. فصل 90: نقش شرکت‌های فناوری در مسئولیت‌پذیری
• 92. فصل 91: نقش افراد در محافظت از خود در برابر سوگیری‌های داده‌محور
• 93. فصل 92: ارزیابی مجدد مفاهیم پایه اقتصادی در پرتو داده‌های بزرگ
• 94. فصل 93: اقتصاد رفتاری در مواجهه با داده‌های کلان
• 95. فصل 94: چالش‌های تئوریک جدید
• 96. فصل 95: چالش‌های عملی جدید
• 97. فصل 96: جمع‌بندی: یکپارچه‌سازی مفاهیم
• 98. فصل 97: مهندسی مصرف: آینده دستکاری یا توانمندسازی؟
• 99. فصل 98: پیش‌بینی‌های آینده: سناریوهای مختلف
• 100. فصل 99: توصیه‌های سیاستی برای آینده