مسائل معاصر در داده‌کاوی اکتشافی در علوم رفتاری ۲۰۱۳
Contemporary Issues in Exploratory Data Mining in the Behavioral Sciences 2013

این کتاب به بررسی جدیدترین تکنیک‌ها در داده‌کاوی اکتشافی (EDM) برای تحلیل داده‌ها در علوم اجتماعی و رفتاری می‌پردازد تا به محققان کمک کند ارزش پیش‌بینی‌کنندگی ترکیبات مختلف متغیرها را در مجموعه‌های داده بزرگ ارزیابی کنند. یافته‌های روش‌شناختی و مدل‌های مفهومی که تکنیک‌های EDM قابل اعتماد را برای پیش‌بینی و درک مکانیسم‌های مختلف خطر توضیح می‌دهند، در سرتاسر کتاب یکپارچه شده‌اند. مثال‌های متعدد استفاده از این تکنیک‌ها را در عمل نشان می‌دهند. نویسندگان از طریق تجربیات دست اول خود با استفاده از تکنیک‌های EDM در تنظیمات مختلف، بینش ارائه می‌دهند. خوانندگان همچنین با محبوب‌ترین برنامه‌های نرم‌افزاری EDM آشنا می‌شوند. یک وب‌سایت مرتبط در http://mephisto.unige.ch/pub/edm-book-supplement/ نسخه‌های رنگی شکل‌های کتاب، یک مقاله تکمیلی برای فصل 3 و دستورات R را برای برخی فصل‌ها ارائه می‌دهد.

نتایج تحلیل‌های EDM می‌تواند خطرناک باشد – اغلب به عنوان پیش‌بینی‌هایی در نظر گرفته می‌شوند که توجه کمی به اعتبارسنجی متقابل نتایج دارند. این بی‌احتیاطی می‌تواند از نظر از دست دادن پول یا تشخیص نادرست بیماران فاجعه‌بار باشد. این کتاب به این نگرانی‌ها می‌پردازد و از توسعه بررسی‌ها و موازنه ها برای تحلیل‌های EDM دفاع می‌کند. هم وعده‌ها و هم خطرات EDM مورد بررسی قرار می‌گیرند.

ویراستاران، مک‌آردل و ریتچارد، مؤسسه آموزش پیشرفته “داده‌کاوی اکتشافی” انجمن روان‌شناسی آمریکا (APA) را تدریس کرده‌اند. همه نویسندگان محققان برتر از ایالات متحده و اروپا هستند. تکنیک‌های پوشش داده شده که در دو بخش – روش‌شناسی و کاربردها – سازماندهی شده‌اند، شامل مدل‌های درخت تصمیم، رگرسیون و SEM، مدل‌سازی رشد مخلوط و تجزیه و تحلیل ترتیبی طبقه‌بندی شده مبتنی بر زمان است. برخی از کاربردهای EDM (و داده‌های مربوطه) که مورد بررسی قرار می‌گیرند عبارتند از:

انتخاب برای ورود به کالج بر اساس پروفایل‌های آکادمیک پرخطر قبلی

کاهش توانایی‌های شناختی در افراد مسن

تصورات جهانی از استرس در بزرگسالی

پیش‌بینی مرگ و میر از جمعیت‌شناسی و توانایی‌های شناختی

عوامل خطر در دوران بارداری و تأثیر آن بر تکامل نوزاد

این کتاب به عنوان مرجعی برای محققان، متخصصان روش‌شناسی و دانشجویان پیشرفته در علوم اجتماعی و رفتاری از جمله روان‌شناسی، جامعه‌شناسی، تجارت، اقتصادسنجی و پزشکی در نظر گرفته شده است که علاقه‌مند به یادگیری نحوه استفاده از آخرین تکنیک‌های داده‌کاوی اکتشافی هستند. پیش‌نیازها شامل یک کلاس پایه در آمار است.

This book reviews the latest techniques in exploratory data mining (EDM) for the analysis of data in the social and behavioral sciences to help researchers assess the predictive value of different combinations of variables in large data sets. Methodological findings and conceptual models that explain reliable EDM techniques for predicting and understanding various risk mechanisms are integrated throughout. Numerous examples illustrate the use of these techniques in practice. Contributors provide insight through hands-on experiences with their own use of EDM techniques in various settings. Readers are also introduced to the most popular EDM software programs. A related website at http://mephisto.unige.ch/pub/edm-book-supplement/offers color versions of the book’s figures, a supplemental paper to chapter 3, and R commands for some chapters.

The results of EDM analyses can be perilous – they are often taken as predictions with little regard for cross-validating the results. This carelessness can be catastrophic in terms of money lost or patients misdiagnosed. This book addresses these concerns and advocates for the development of checks and balances for EDM analyses. Both the promises and the perils of EDM are addressed.

Editors McArdle and Ritschard taught the “Exploratory Data Mining” Advanced Training Institute of the American Psychological Association (APA). All contributors are top researchers from the US and Europe. Organized into two parts–methodology and applications, the techniques covered include decision, regression, and SEM tree models, growth mixture modeling, and time based categorical sequential analysis. Some of the applications of EDM (and the corresponding data) explored include:

selection to college based on risky prior academic profiles

the decline of cognitive abilities in older persons

global perceptions of stress in adulthood

predicting mortality from demographics and cognitive abilities

risk factors during pregnancy and the impact on neonatal development

Intended as a reference for researchers, methodologists, and advanced students in the social and behavioral sciences including psychology, sociology, business, econometrics, and medicine, interested in learning to apply the latest exploratory data mining techniques. Prerequisites include a basic class in statistics.