Üha enam andmepõhises maailmas ei ole andmed ja selle kasutamine alati kõik, mis on krakitud. Selle kursuse eesmärk on käsitleda kriitilist puudust mis tahes või asjakohastel andmetel paljudes valdkondades, kus tuleb teha keerulisi otsuseid.

Näiteks, kuidas saab ennustada vulkaanitegevust, kui pika aja jooksul ei ole lööke registreeritud? Või kuidas te saate ennustada, kui palju inimesi on antibiootikumide suhtes resistentsed riigis, kus riiklikul tasandil puuduvad andmed? Või kuidas hinnata inimeste aega üleujutusohu piirkondades?

Sellistes olukordades on keeruliste otsuste tegemise probleemide lahendamiseks vaja eksperdiarvamusi. See kursus, mis on suunatud teadlastele ja professionaalidele mis tahes akadeemilisest taustast, näitab teile, kuidas eksperdiarvamust saab täpselt kasutada ebakindluse kvantifitseerimiseks.

Praktikas kasutatakse erinevaid tehnikaid. Need varieeruvad ühe eksperdi mitteametlikust ja dokumenteerimata arvamusest kuni täielikult dokumenteeritud ja ametliku ekspertide paneeli äratundmisest, mille ebakindluse hindamist saab koondada, et toetada keerukat otsuste tegemist.

Selles kursuses tutvustatakse teid tipptasemel ekspertarvamuse meetoditele, eriti klassikalisele mudelile (CM) või Cooke meetodile, mis on vaieldamatult kõige rangem meetod struktureeritud ekspertiisi tegemiseks.

CM, mis on välja töötatud TU Delftis Roger Cooke poolt, on edukalt rakendatud üle 30 aasta nii mitmekesistes valdkondades nagu kliimamuutused, katastroofide ohjamine, epidemioloogia, avalik ja globaalne tervis, ökoloogia, lennundus / lennundus, tuumaohutus, keskkond ja ökoloogia, insener ja paljud teised.

Mida sa õpid

Kursuse lõpuks saavad kõik õppijad:

  1. Tunnistage ja soovitage, millal ja millistes seadistustes kasutada klassikalist mudelit (CM) struktureeritud ekspertiisi tegemiseks
  2. Arvestage ebakindluse hindamist keerukates otsuste tegemise kontekstis, kui andmed tekitavad probleeme
  3. Kasutage CM-i, et analüüsida ekspertandmeid ja saada vastuseid huvipakkuvatele küsimustele
  4. Osalege valikulises IDEA protokolli moodulis, mis kasutab erinevat meetodit struktureeritud ekspertiisi tegemiseks.

Kinnitatud õppijatel on täiendav kasu, kui nad suudavad:

  1. Saada CM-meetodi kohta põhjalik perspektiiv
  2. Analüüsige ekspertandmeid, et rakendada struktureeritud ekspertiisimeetodeid reaalsetes stsenaariumides
  3. Osalege valikulistes moodulites sõltuvuse esilekutsumise ja esilekutsumise tõenäosuste kohta.

Kursuse õpe

1. nädal: Miks ja millal kasutada SEJ-d?

  • Mõtle, miks ja millal kasutada struktureeritud eksperdiarvamust (SEJ) ja klassikalist mudelit (CM) ning seejärel rakendada mudelit kohaldatavate stsenaariumide jaoks.

2. nädal: statistiline täpsus ja kalibreerimine

  • Lugege, kuidas kasutada tõhusalt kahte peamist tulemuslikkuse mõõdet.

3. nädal: tulemuslikkusel põhinevad kaalud ja otsuste tegija

  • Lugege, kuidas koondada tulemuspõhiste kaalude põhjal eksperdiarvamus. Vaadake üle muud kaalumisskeemid ja hinnake neid valimi ja valimi väliste valideerimismeetodite suhtes.

4. nädal: Andmete analüüs Excaliburi abil

Õpilased saavad eksperdiandmeid, mida nad kasutavad selleks, et:

  1. Arvutage iga eksperdi statistiline täpsus ja teabepunktid,
  2. Koondage nende hinnangud erinevate kaaludega ja
  3. Kommenteerige otsuste tegijate tulemuslikkust.

5. nädal: CM-i rakendused

  • Tutvuge reaalsete CM-uuringutega, kasutades olemasolevat TU Delfti SEJ-i andmestikku ja arutage erinevate uuringute üksikasju.

6. nädal: praktilised küsimused (erapoolikused, eksperdid, esiletõstmine)

  • Mõtle praktilised küsimused, mis on vajalikud esilekutsumiseks. Erilist tähelepanu pööratakse erapoolikustele ja ekspertide koolitamisele ebakindluse hindamiseks.

Teise SEJ-lähenemise (IDEA-protokoll) valikulised moodulid pakutakse õppijatele, kes soovivad õppida alternatiivset meetodit. Sõltuvuse tuvastamise ja esilekutsumise tõenäosuste moodulid antakse kontrollitud õppijatele, kes soovivad õppida teistest kontekstidest, mille jaoks SEJ meetodid on sobivad.

Lisaks on õppijatel, kes soovivad mudeli oma projektis projekti rakendamiseks huvipakkuvale probleemile rakendada, saadaval rohkem arenenud kursus.

Litsents

  • Selle kursuse materjalid on Delfti tehnikaülikool ja on litsentseeritud Creative Commons Attribution-NonCommercial-ShareAlike (CC-BY-NC-SA) 4.0 rahvusvahelise litsentsi alusel.

Sissepääs

See on massiivne avatud veebikursus (MOOC), mis töötab edX-is.

Eeltingimused

  • Tõenäosusteooria ja statistika põhikontseptsioonid. Pakutakse linke kontseptsioone tutvustavatele videodele.

Võtme faktid

  • Algus: 25. september 2019
  • Vaba
  • Pikkus: 6 nädalat
  • Koormus: 4-6 tundi nädalas

Miks valida TU Delft Online Learning?

  • Kursuse töö
  • Uurige ajal ja kohas, mis sulle sobib.
  • 24/7 juurdepääs kursuse materjalile.
  • Õpi oma valdkonna maailmaklassi ekspertidelt.
Programmi õpetamise keel:
Inglise

Vaata veel 12 kursust TU Delft Open & Online Educationis »

Viimati uuendatud June 27, 2019
See kursus on Online
Start Date
sept 25, 2019
Duration
6 nädalat
Osakoormus
Päevane õpe
Price
- Vaba
Asukohtade järgi
Kuupäeva järgi
Start Date
sept 25, 2019
End Date
nov 6, 2019
Avalduste vastuvõtu lõppkuupäev

sept 25, 2019

Location
Avalduste vastuvõtu lõppkuupäev
End Date
nov 6, 2019