کتاب صوتی کشف ترجیحات: یک چارچوب جامع برای تحلیل داده‌های زمان پاسخ و تصمیم‌گیری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کشف ترجیحات: یک چارچوب جامع برای تحلیل داده‌های زمان پاسخ و تصمیم‌گیری

موضوع کلی: مدل‌سازی تصمیم‌گیری و ترجیحات

موضوع میانی: استفاده از داده‌های زمان پاسخ در تخمین ترجیحات

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر تصمیم‌گیری انسانی و انواع آن
• 2. نظریه‌های کلاسیک انتخاب و مفهوم ترجیحات
• 3. مطلوبیت (Utility) و تابع مطلوبیت: مبانی و کاربردها
• 4. ترجیحات آشکار (Revealed Preferences) و ترجیحات اظهار شده (Stated Preferences)
• 5. روش‌های سنتی تخمین ترجیحات: مزایا و محدودیت‌ها
• 6. تحلیل هم‌بستگی (Conjoint Analysis) و رویکردهای آن
• 7. مفهوم سوگیری‌های شناختی در تصمیم‌گیری
• 8. اهمیت زمان در فرایندهای تصمیم‌گیری
• 9. مقدمه‌ای بر اندازه‌گیری داده‌های رفتاری در پژوهش
• 10. ضرورت چارچوب‌های نوین برای تخمین دقیق‌تر ترجیحات
• 11. زمان پاسخ (Response Time - RT) چیست؟ تعاریف و اهمیت آن
• 12. چرا زمان پاسخ اطلاعات فراتر از خود انتخاب ارائه می‌دهد؟
• 13. روان‌فیزیک و اندازه‌گیری دقیق زمان پاسخ: ابزارها و تکنیک‌ها
• 14. توزیع‌های آماری متداول زمان پاسخ و ویژگی‌های آن‌ها
• 15. پیش‌پردازش داده‌های زمان پاسخ: شناسایی و حذف پرت‌ها (Outliers)
• 16. زمان پاسخ به عنوان شاخصی از اطمینان تصمیم و دشواری تکلیف
• 17. رابطه بین زمان پاسخ و دقت در تصمیم‌گیری
• 18. اثرات سوگیری‌های شناختی بر زمان پاسخ
• 19. مدل‌سازی زمان پاسخ به عنوان متغیری پنهان
• 20. زمان پاسخ و بار شناختی (Cognitive Load)
• 21. مدل‌های شناختی تصمیم‌گیری: مرور کلی
• 22. مدل‌های نمونه‌برداری متوالی (Sequential Sampling Models - SSMs)
• 23. مدل انتشار دریفت (Drift-Diffusion Model - DDM): معرفی و اصول
• 24. اجزای اصلی مدل DDM: مرزهای تصمیم، نرخ دریفت، نقطه شروع
• 25. تعبیر شناختی پارامترهای DDM: دقت، سرعت و سوگیری
• 26. مدل DDM برای انتخاب‌های باینری (Binary Choices)
• 27. توسعه DDM برای انتخاب‌های چندگانه (Multi-Alternative Choices)
• 28. مدل‌های جایگزین SSMs: مدل انباشت نرخ لیک (LBA)
• 29. ارزیابی تناسب مدل‌های شناختی با داده‌های تجربی
• 30. کاربرد مدل‌های شناختی در درک فرایندهای درونی
• 31. شکاف بین مطلوبیت اقتصادی و پارامترهای مدل‌های شناختی
• 32. رویکردهای اولیه برای تلفیق ترجیحات و زمان پاسخ
• 33. مدل‌سازی ترجیحات تصادفی (Random Utility Theory) با لحاظ زمان پاسخ
• 34. تأثیر تئوری چشم‌انداز (Prospect Theory) بر زمان پاسخ
• 35. ایده‌های کلیدی چارچوب جامع برای لینک کردن ترجیحات به زمان پاسخ
• 36. مفهوم "شواهد تجمعی" در فرایند تصمیم‌گیری
• 37. چگونگی ترجمه تفاوت مطلوبیت گزینه‌ها به نرخ دریفت
• 38. نقش عدم قطعیت مطلوبیت در فرایند تصمیم‌گیری و زمان پاسخ
• 39. مدل‌سازی هزینه شناختی و رابطه آن با زمان پاسخ
• 40. ساختار کلی تابع لینک‌کننده (Linking Function) در چارچوب جامع
• 41. مروری بر چارچوب عمومی مقاله "A General Framework for Estimating Preferences..."
• 42. تعریف و فرمول‌بندی تابع مطلوبیت در چارچوب پیشنهادی
• 43. مدل‌سازی ویژگی‌های محصول/گزینه (Attributes) و وزن آن‌ها در مطلوبیت
• 44. انتخاب و فرمول‌بندی مدل فرایند تصمیم‌گیری تصادفی (مثلاً DDM)
• 45. مفروضات اساسی چارچوب و محدودیت‌های آن
• 46. استنتاج پارامترهای مدل شناختی (مانند DDM) از تابع مطلوبیت
• 47. مدل‌سازی پارامتر آستانه تصمیم (Boundary Separation) بر اساس دشواری تکلیف
• 48. مدل‌سازی نقطه شروع (Starting Point) به عنوان شاخص سوگیری‌های اولیه
• 49. مدل‌سازی زمان غیرتصمیم (Non-Decision Time) و عوامل مؤثر بر آن
• 50. چگونگی ترکیب احتمال انتخاب و تابع چگالی زمان پاسخ (PDF)
• 51. مقدمه‌ای بر تخمین پارامترها در مدل‌های ترکیبی انتخاب و زمان پاسخ
• 52. تخمین حداکثر درستنمایی (Maximum Likelihood Estimation - MLE)
• 53. توسعه تابع درستنمایی برای داده‌های مشترک انتخاب و زمان پاسخ
• 54. چالش‌های محاسباتی MLE برای مدل‌های پیچیده
• 55. مقدمه‌ای بر استنتاج بیزی (Bayesian Inference) و مزایای آن
• 56. اصول روش‌های مونت کارلو مارکوف چین (MCMC)
• 57. الگوریتم‌های رایج MCMC: نمونه‌برداری گیبس (Gibbs Sampling) و متروپولیس-هیستینگز (Metropolis-Hastings)
• 58. استنتاج بیزی برای مدل‌های DDM و ترجیحات
• 59. مدل‌های سلسله مراتبی بیزی (Hierarchical Bayesian Models) برای تفاوت‌های فردی
• 60. ارزیابی همگرایی زنجیره‌های MCMC و تحلیل نتایج
• 61. مدل‌سازی انتخاب‌های چندگانه با لحاظ زمان پاسخ
• 62. چارچوب‌های تصمیم‌گیری چند مرحله‌ای و زمان پاسخ
• 63. مدل‌های ترجیحات مبتنی بر ویژگی‌های متعدد (Multi-Attribute Choice) با RT
• 64. مدل‌سازی عدم قطعیت در ترجیحات فردی و تأثیر آن بر زمان پاسخ
• 65. تلفیق هزینه‌های شناختی و جستجوی اطلاعات در مدل‌سازی
• 66. مبادله بین زمان و دقت (Speed-Accuracy Trade-off) و مدل‌سازی آن
• 67. مدل‌های پویا برای فرایندهای تصمیم‌گیری در طول زمان
• 68. ادغام متغیرهای روانشناختی و ویژگی‌های فردی در مدل‌ها
• 69. استفاده از روش‌های یادگیری ماشین در تخمین ترجیحات با RT
• 70. توسعه چارچوب برای محیط‌های تصمیم‌گیری پیچیده‌تر
• 71. اصول طراحی آزمایش برای جمع‌آوری داده‌های زمان پاسخ
• 72. انتخاب و طراحی محرک‌ها و گزینه‌ها در آزمایش‌ها
• 73. کنترل متغیرهای مزاحم (Confounds) در آزمایش‌های RT
• 74. نکات مربوط به اندازه‌گیری دقیق زمان پاسخ: سخت‌افزار و نرم‌افزار
• 75. تکنیک‌های کاهش نویز و افزایش دقت در داده‌های RT
• 76. طراحی وظایف (Tasks) تصمیم‌گیری که مناسب جمع‌آوری RT باشند
• 77. جمع‌آوری داده‌های رفتاری مکمل (Self-Report)
• 78. ملاحظات اخلاقی در جمع‌آوری داده‌های زمان پاسخ از شرکت‌کنندگان
• 79. تعیین حجم نمونه مناسب و رویکردهای نمونه‌گیری
• 80. مراحل پیش‌پردازش داده‌های خام زمان پاسخ: گام به گام
• 81. کاربرد چارچوب در بازاریابی: پیش‌بینی انتخاب مصرف‌کننده
• 82. تحلیل برند و وفاداری مشتری با استفاده از زمان پاسخ
• 83. کاربرد در اقتصاد رفتاری: مدل‌سازی ترجیحات زمانی و ریسک
• 84. مطالعه تصمیم‌گیری‌های مالی و سرمایه‌گذاری
• 85. کاربرد در روانشناسی شناختی: تصمیم‌گیری‌های ادراکی و حافظه
• 86. تحلیل تصمیم‌گیری‌های پزشکی و بهداشتی
• 87. ارزیابی تاثیر طراحی محصول/خدمت بر فرایند تصمیم‌گیری
• 88. مطالعات موردی از کاربردهای چارچوب جامع در صنعت و دانشگاه
• 89. مقایسه با روش‌های سنتی در کاربردهای واقعی و عملی
• 90. چگونگی ارائه نتایج به ذینفعان و مدیران غیرمتخصص
• 91. پیاده‌سازی مدل‌ها در زبان برنامه‌نویسی R: بسته‌های متداول (مانند rtdists, hddm)
• 92. پیاده‌سازی مدل‌ها در زبان برنامه‌نویسی Python: کتابخانه‌ها (مانند PyMC, PyDDM)
• 93. استفاده از نرم‌افزار Stan برای مدل‌سازی بیزی پیشرفته و سفارشی
• 94. اعتبارسنجی مدل (Model Validation): ارزیابی تناسب (Goodness-of-Fit)
• 95. مقایسه مدل‌ها (Model Comparison): معیارهای AIC, BIC, WAIC, LOO
• 96. شبیه‌سازی داده‌ها (Data Simulation) برای تست و درک مدل
• 97. محدودیت‌های چارچوب عمومی و چالش‌های آینده
• 98. جهت‌گیری‌های آتی در تحقیق و توسعه چارچوب
• 99. ملاحظات اخلاقی در تفسیر و کاربرد نتایج حاصل از تحلیل RT
• 100. جمع‌بندی: آینده تخمین ترجیحات با استفاده از داده‌های زمان پاسخ