کتاب اپیدمیولوژی در عصر هوش مصنوعی (جلد دوم)

کتاب اپیدمیولوژی در عصر هوش مصنوعی جلد دوم نوشته غلامحسین صدری و امیرحسین صدری است و انتشارات کنکاش آن را منتشر کرده است. این کتاب بر روش‌شناسی اپیدمیولوژی در محیط‌های داده‌محور تمرکز دارد و نشان می‌دهد که ورود هوش مصنوعی به پژوهش سلامت فقط به معنای استفاده از الگوریتم‌ها نیست، بلکه به بازتعریف پرسش، طراحی مطالعه، مدیریت داده، اعتبارسنجی و مسئولیت‌پذیری نیاز دارد. نویسندگان بر این نکته تکیه کرده‌اند که انسان و ماشین باید در کنار هم کار کنند، نه به‌جای هم. نسخه‌ی الکترونیکی این اثر را می‌توانید از طاقچه خرید و دانلود کنید.

درباره کتاب اپیدمیولوژی در عصر هوش مصنوعی (جلد دوم)

کتاب اپیدمیولوژی در عصر هوش مصنوعی جلد دوم نوشته غلامحسین صدری و امیرحسین صدری، ادامه‌ای بر مباحث جلد نخست است و تمرکز خود را از مبانی کلی به سطح روش‌شناسی می‌آورد. محور اصلی اثر این است که تحول در اپیدمیولوژی زمانی معنا پیدا می‌کند که اصول پایه‌ای این دانش، مثل پرسش روشن، طراحی معتبر، سنجش دقیق، کنترل سوگیری و استنباط مسئولانه، در برخورد با داده‌های گسترده و ابزارهای هوشمند حفظ شوند. نویسندگان از همان ابتدا روشن می‌کنند که هوش مصنوعی قرار نیست جای منطق اپیدمیولوژیک را بگیرد، بلکه باید ظرفیت مشاهده، تحلیل، پایش و یادگیری را در چارچوبی پاسخ‌گو گسترش دهد.
کتاب اپیدمیولوژی در عصر هوش مصنوعی جلد دوم در ۶ فصل تنظیم شده است و هر فصل بخشی از زنجیره‌ی تولید شواهد را بررسی می‌کند. فصل نخست به مبانی روش‌شناسی در عصر داده و هوش مصنوعی می‌پردازد و مرز میان توصیف، پیش‌بینی، تبیین و استنباط علّی را روشن می‌کند. فصل دوم طراحی هوشمند مطالعات اپیدمیولوژیک را پیش می‌کشد و بر تقدم پرسش پژوهش بر داده و تقدم طراحی مطالعه بر مدل تأکید دارد. فصل سوم نیز مدیریت داده‌های اپیدمیولوژیک را از زاویه‌ی منشأ داده، استانداردسازی، پیوند، کنترل کیفیت و حکمرانی داده بررسی می‌کند. از دل همین فصل‌ها می‌توان فهمید که کتاب فقط درباره ابزارها حرف نمی‌زند، بلکه درباره نظم فکری لازم برای استفاده از آن‌ها بحث می‌کند.
کتاب اپیدمیولوژی در عصر هوش مصنوعی جلد دوم حال‌وهوایی آموزشی و تحلیلی دارد و برای استفاده‌ی مرحله‌ای هم طراحی شده است. در متن به پرسش‌های راهنما، شکل‌های مفهومی، مثال‌های کاربردی، چک‌لیست‌ها و واژه‌نامه اشاره شده و این نشان می‌دهد که اثر می‌خواهد هم برای مطالعه‌ی پیوسته به‌کار بیاید و هم در زمان طراحی، تحلیل و ارزیابی پژوهش به آن رجوع شود. یکی از نکات مهم کتاب، تأکید مداوم بر عدالت، شفافیت، حریم خصوصی، قابلیت بازتولید و نظارت انسانی است؛ یعنی همان جاهایی که معمولاً در بحث‌های صرفاً فنی کم‌رنگ می‌شوند. به‌همین دلیل، اثر تصویری از اپیدمیولوژی هوشمند ارائه می‌دهد که در آن دقت فنی بدون اعتبار علمی و مسئولیت اجتماعی کافی نیست.

خلاصه کتاب اپیدمیولوژی در عصر هوش مصنوعی (جلد دوم)

این اثر توضیح می‌دهد که اپیدمیولوژی در فضای آکنده از داده و الگوریتم، فقط با افزودن چند مدل هوشمند متحول نمی‌شود. نویسندگان از مبانی روش‌شناسی آغاز می‌کنند و نشان می‌دهند که پرسش درست، تعریف روشن جمعیت و پیامد، تشخیص نوع هدف پژوهش و کنترل سوگیری همچنان پایه‌ی کار هستند. سپس مسیر طراحی مطالعه، انتخاب داده، تعریف متغیرها، هم‌ترازی زمانی، اعتبارسنجی و سنجش سودمندی نتایج را دنبال می‌کنند. بخش مهمی از کتاب به این موضوع اختصاص دارد که هوش مصنوعی در چه نقطه‌ای ارزش افزوده ایجاد می‌کند و در چه شرایطی می‌تواند خطا، نابرابری یا تفسیر نادرست را تشدید کند. پیام محوری اثر این است که شواهد معتبر از پیوند فناوری، قضاوت انسانی و حکمرانی مسئولانه به‌دست می‌آید.

چرا باید کتاب اپیدمیولوژی در عصر هوش مصنوعی (جلد دوم) را بخوانیم؟

• این کتاب نسبت میان اصول کلاسیک اپیدمیولوژی و ظرفیت‌های هوش مصنوعی را به‌صورت روشن و مرحله‌به‌مرحله توضیح می‌دهد.
• مطالعه‌ی آن کمک می‌کند تفاوت میان توصیف، پیش‌بینی، تبیین و استنباط علّی در پژوهش‌های سلامت دقیق‌تر فهمیده شود.
• کتاب نشان می‌دهد طراحی مطالعه باید پیش از انتخاب مدل و حتی پیش از داده‌کاوی مشخص شود.
• بخش‌های مربوط به مدیریت داده، پیوند منابع، کنترل کیفیت و داده‌های گمشده برای کار پژوهشی مستقیم به‌کار می‌آیند.
• اثر بر عدالت، شفافیت، حریم خصوصی، پاسخ‌گویی و نظارت انسانی پافشاری می‌کند و بحث را به سطح فنی محدود نمی‌کند.
• وجود پرسش‌های راهنما، چک‌لیست‌ها و مدل‌های مفهومی، استفاده از کتاب را در آموزش و ارزیابی پژوهش آسان‌تر می‌کند.

خواندن این کتاب را به چه کسانی پیشنهاد می‌کنیم؟

• پژوهشگران حوزه سلامت که می‌خواهند مطالعات داده‌محور را با دقت روش‌شناختی بیشتری طراحی کنند.
• دانشجویان و استادان اپیدمیولوژی که به پیوند میان طراحی مطالعه، تحلیل و هوش مصنوعی علاقه دارند.
• متخصصان داده و نرم‌افزار که در پروژه‌های سلامت کار می‌کنند و به شناخت محدودیت‌های اپیدمیولوژیک نیاز دارند.
• مدیران و تصمیم‌گیران نظام سلامت که می‌خواهند درباره اعتبار، عدالت و قابلیت اتکای شواهد هوشمند دید دقیق‌تری داشته باشند.
• خوانندگانی که درگیر مدیریت داده‌های سلامت، اعتبارسنجی مدل‌ها و ارزیابی سوگیری در مطالعات هستند.