کتاب The Causal Mindset Handbook

کتاب The Causal Mindset Handbook A Practical Guide to the Science of Cause and Effect for Evidence-based Decision Making (راهنمای ذهنیت علّی (Causal Mindset) راهنمای عملی علم علت و معلول برای تصمیمگیری مبتنی بر شواهد) منبعی کاربردی است که خواننده را با اصول علمی شناخت روابط علّی (نسبت به همبستگی‌های سطحی) آشنا می‌کند.

کتاب The Causal Mindset Handbook با ارائه چارچوب‌ها و روش‌های عملی، به مدیران، پژوهشگران و تصمیم‌گیرندگان کمک می‌کند تا از اشتباهات رایج در تحلیل داده‌ها اجتناب کرده و تصمیماتی مستحکم، مبتنی بر شواهد واقعی و اثرگذار اتخاذ کنند. تمرکز اصلی آن بر پرورش طرز فکری است که در آن هر نتیجه‌گیری، بر پایه پرسش از «چراها» و زنجیره‌های علت و معلولی شکل می‌گیرد، نه صرفاً الگوهای آماری ظاهری.

در ادامه مقدمه‌ای از کتاب The Causal Mindset Handbook را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب The Causal Mindset Handbook:

اغلب از من می‌پرسند چرا علیت (causality) علاقهٔ من است. چرا این همه زمان را صرف کار روی این موضوع و آموزش آن در چندین قاره کرده‌ام؟ برای من آن‌قدر واضح است که اغلب فراموش می‌کنم ممکن است برای دیگران عجیب به نظر برسد. بیشتر پرسش‌های مهم ما دربارهٔ علت و معلول هستند: تأثیر این واکسن چیست؟ تأثیر آلودگی بر مرگ‌ومیر چیست؟ علت این درگیری چیست؟ تأثیر گوشی‌های همراه و شبکه‌های اجتماعی بر سلامت روان چیست؟

از آنجا که بیشتر پرسش‌های ما بر علیت متکی هستند، بیشتر تصمیم‌های ما نیز چنین است. ما تصمیم به اجرای یک سیاست می‌گیریم چون انتظار تأثیر (اثر علّی) بر فقر، آلودگی یا سلامت داریم. ما تصمیمات تجاری می‌گیریم با انتظار تأثیرات مثبت بر رشد.

از این رو، علیت را می‌توان یکی از ارزشمندترین مفاهیمی دانست که امروزه هر کسی می‌تواند بیاموزد تا تصمیمات بهتری بگیرد و از دستکاری [اطلاعات] جلوگیری کند. اما یک نکته وجود دارد. راه علمی مطالعهٔ علیت اغلب برای طیف وسیعی از مخاطبان غیرقابل دسترس می‌شود، زیرا به ریاضیات و آمار پیچیده نیاز دارد. همانطور که جاشوا آنگریست، برندهٔ جایزهٔ نوبل یادبود در علوم اقتصادی، گفت:

«دورهٔ سنتی اقتصادسنجی [مطالعهٔ پدیده‌های اقتصادی با آمار، که در آن ارزیابی علیت نقشی محوری دارد] نسبتاً انتزاعی است. به نوعی شبیه یک درس در نظریهٔ آماری است و از ریاضیات زیادی استفاده می‌کند، شاید قضایا را اثبات کند… بنابراین، فکر می‌کنم مانع اصلی برای بهبود گستردهٔ روش‌های اقتصادسنجی در زندگی عمومی، مثلاً خارج از دانشگاه، نبود آموزش خوب است. هدف از یک مدرک دانشگاهی، سرمایه‌گذاری مادام‌العمر برای همه است.»

هدف این کتاب رفع این مشکل با زدودن ابهام از علم علیت و در دسترس و عملی ساختن آن برای طیف وسیعی از مخاطبان است.

کتاب The Causal Mindset Handbook برای چه کسانی است؟

این ابزارها به مدیران کسب‌وکار کمک می‌کند تصمیمات استراتژیک بهتری بگیرند، به دانشمندان داده کمک می‌کند مؤثرتر با داده‌ها کار کنند، به خبرنگاران و مصرف‌کنندگان اخبار کمک می‌کند واقعیت را از تخیل جدا کنند، و به پژوهشگران علمی کمک می‌کند تحقیقات خود را تقویت کنند.

کتاب The Causal Mindset Handbook می‌تواند برای هر فرد کنجکاوی که می‌خواهد فراتر از همبستگی‌ها برود، «چرا»ها را بفهمد، و با مهارت‌های جدید و ارزشمند، مزیت رقابتی در بازار کار به دست آورد، مفید باشد. «ذهنیت علّی» مسیری قابل دسترس و غیرفنی برای تسلط بر تفکر علّی، بهبود سواد داده، و اتخاذ تصمیمات بهتر با اطمینان بیشتر ارائه می‌دهد. هیچ پیش‌زمینهٔ ریاضی یا آماری لازم نیست، فقط کنجکاوی نسبت به داده‌ها کافی است.

کتاب The Causal Mindset Handbook چه موضوعاتی را پوشش می‌دهد؟

در پایان دفاع از رسالهٔ دکتری‌ام، استاد ممتحن داخلی از من پرسید مهم‌ترین چیزی که در دوران دکتری یاد گرفتم چه بود. به نظر شما چه پاسخی دادم؟ یک معادله، یک مدل، چند مفهوم ریاضی؟ البته که نه! یکی از بزرگ‌ترین دستاوردها این بود که نگاه اجمالی به پیچیدگی جهان پیدا کردم. من نسبت به دانش خود محافظه‌کارتر و فروتن‌تر شدم، اما این [تجربه] همچنین به من اجازه داد محدودیت‌های خود را بپذیرم و عدم قطعیت را در آغوش بگیرم. من تا حدی شاهد چیزی بودیم که به آن اثر دانینگ-کروگر می‌گوییم.

اجازه دهید پیش از آنکه شما را با محتوای کتاب The Causal Mindset Handbook آشنا کنم، بیشتر دربارهٔ اثر دانینگ-کروگر برایتان توضیح دهم، زیرا ممکن است در حین مطالعهٔ کتاب، خودتان نیز آن را تجربه کنید. مشابه تجربهٔ من در دوران دکتری، شما نیز در سراسر کتاب The Causal Mindset Handbook، فرازونشیب‌های این منحنی را دنبال خواهید کرد. اثر دانینگ-کروگر یک سوگیری شناختی است که این واقعیت را نشان می‌دهد که افراد با دانش اندک دربارهٔ یک موضوع، تمایل دارند تخصص خود را بیش از حد ارزیابی کنند.

مطمئنم شما هم با کسی صحبت کرده‌اید که دربارهٔ موضوعی بسیار پرحرف است، در حالی که سرنخی از آن ندارد. شکل ۱ کتاب The Causal Mindset Handbook این مکانیسم را با ترسیم رابطه بین اعتمادبه‌نفس در یک موضوع و دانش واقعی نشان می‌دهد.

ابتدا، افراد هنگام آشنا شدن با یک موضوع جدید، به سرعت به دانش خود اعتماد پیدا می‌کنند و به چیزی می‌رسند که به «کوه حماقت» معروف است. اما هرچه بیشتر می‌آموزند، پیچیدگی موضوع را بیشتر درک می‌کنند و می‌بینند که چقدر کم می‌دانند، که این موضوع آن‌ها را به «درهٔ ناامیدی» می‌کشاند. سپس، به‌آرامی و با عمیق‌تر و عمیق‌تر کاوش کردن در همان موضوع، «شیب روشنگری» را طی می‌کنند تا در نهایت در آن زمینه به متخصص تبدیل شوند.

متخصص بودن به این معنا نیست که شما کاملاً همه چیز را می‌دانید. مسلماً بخشی از ماجرا این است که شما سال‌ها صرف یادگیری و تمرین کرده‌اید و دانش عمیقی در یک موضوع دارید. اما به همان اندازهٔ دانش کسب‌شده مهم است که محدودیت‌های آن را بشناسید و بدانید چگونه با آن‌ها کنار بیایید. از طریق کتاب The Causal Mindset Handbook، سفری را آغاز خواهیم کرد. این سفر که در شکل زیر نشان داده شده است، بازتاب‌دهندهٔ چیزی است که من در دوران دکتری تجربه کردم؛ یعنی اثر دانینگ-کروگر.

بخش اول کتاب The Causal Mindset Handbook که از فصل‌های ۱ و ۲ تشکیل شده است، پایه و اساس را فراهم می‌کند و به ما امکان می‌دهد بفهمیم علیت چیست، اهمیت آن چه هست، و چگونه با آنچه اغلب در هوش مصنوعی انجام می‌دهیم تفاوت دارد.

فصل ۱: درک علیت و اهمیت آن، نشان می‌دهد علیت چیست، چگونه می‌توان آن را به صورت نموداری نمایش داد، و چرا درک آن به تصمیم‌گیری بهتر و جلوگیری از قرار گرفتن در معرض اطلاعات نادرست یا دستکاری کمک می‌کند.

فصل ۲: علیت در برابر پیش‌بینی، تفاوت بین هوش مصنوعی که اساساً برای پیش‌بینی ساخته شده و تحلیل علی (شامل هوش مصنوعی علی) را بررسی می‌کند. خواهیم دید تفاوت‌ها چیست، هر کدام را چه زمانی باید استفاده کرد، و چگونه می‌توان از آن‌ها در کنار هم بهره برد. درک تفاوت بین استنباط پیش‌بینانه و علی فقط یک جزئیات فنی نیست؛ یک ضرورت استراتژیک است. درک این مفاهیم به فهم محدودیت‌های هوش مصنوعی، دانستن این که از کدام ابزار استفاده کنیم و چگونگی تخصیص مؤثرتر منابع، و در نهایت دستیابی به نتایج بهتر کمک می‌کند.

در ابتدا، به اوجی از اشتیاق خواهیم رسید و کشف می‌کنیم که تفکر علی چقدر می‌تواند قدرتمند باشد. با این حال، یک نکته وجود دارد: اثبات علیت در واقع فوق‌العاده دشوار است. بخش دوم کتاب، شامل فصل‌های ۳ و ۴ کتاب The Causal Mindset Handbook، چالش‌های اصلی را آشکار خواهد کرد.

فصل ۳: چرا اثبات علیت این قدر دشوار است؟ به اعماق مسئلهٔ بنیادین استنباط علی شیرجه می‌زند. خواهیم دید که تنها راه اندازه‌گیری دقیق یک اثر علی چیزی غیرممکن است: دسترسی به جهان‌های موازی. سپس، کم‌کم شروع به بالا رفتن از شیب خواهیم کرد.

فصل ۴: فراتر از همبستگی: عامل‌های اصلی مزاحم، مشکلات اصلی را که مانع از اندازه‌گیری یک اثر علی می‌شوند، شناسایی می‌کند. با شناسایی این اثرات، خود را به ابزارهایی مجهز می‌کنیم که به ما امکان می‌دهند ادعاهای علی را زیر سؤال ببریم.

پس از آنکه بررسی کردیم چه چیزهایی مانع از ارائهٔ یک ادعای علی می‌شوند، به بخش سوم می‌پردازیم: راه‌حل‌ها. به بالا رفتن از شیب روشنگری ادامه خواهیم داد و به قلهٔ جدیدی می‌رسیم که در آن راه‌حل‌های مختلفی برای مقابله با مشکلات و در نهایت اندازه‌گیری دقیق یک اثر علی کشف خواهیم کرد.

فصل ۵: چارچوب ذهنیت علّی، به ما کمک می‌کند تا ذهنیت علّی را کشف کنیم؛ یک چارچوب پنج مرحله‌ای که به ما امکان می‌دهد ادعاهای علی را به شیوه‌ای ساختاریافته زیر سؤال ببریم و تصمیم بگیریم که آیا به شواهد بیشتری نیاز داریم یا نه.

فصل ۶: آزمایش تصادفی‌شده، بر آزمایش‌های تصادفی‌شده تمرکز دارد و این که چرا اغلب به آن استاندارد طلایی در استنباط علی گفته می‌شود.

فصل ۷: روش‌های شبه‌آزمایشی، بر اساس فصل قبل بنا می‌شود. در پایان فصل ۶ کتاب The Causal Mindset Handbook خواهیم دید که آزمایش‌های تصادفی‌شده دارای نقاط ضعفی هستند و اغلب انجام آن‌ها غیرممکن است. این فصل خانوادهٔ دیگری از راه‌حل‌ها، یعنی روش‌های شبه‌آزمایشی را معرفی می‌کند؛ روش‌هایی که می‌توانند وقتی آزمایش تصادفی‌شده غیرممکن است، جای خالی را پر کنند.

در نهایت، به فصل‌های پایانی، فصل‌های ۸ و ۹ کتاب The Causal Mindset Handbook می‌رسیم که به چگونگی برخورد با نقص و ناکامل‌بودن می‌پردازند.

فصل ۸: پاسخ درست، سؤال اشتباه: اهمیت انتخاب معیارهای درست، پیچشی غیرمنتظره خواهد داشت و نشان می‌دهد که چگونه یک تحلیل علی کاملاً سالم می‌تواند گمراه‌کننده باشد. این موضوع به مسئلهٔ معروفی در آمار مرتبط است: خطاهای نوع سوم. خطاهای نوع سوم به این معناست که شما به سؤالات اشتباه، پاسخ درست می‌دهید. منشأ این مشکلات و این که چگونه انتخاب معیار اندازه‌گیری می‌تواند مشکل را حل کند، و همچنین بحث دربارهٔ قانون گودهارت را خواهیم دید: «وقتی یک معیار به هدف تبدیل شود، از بودن یک معیار خوب بازمی‌ایستد.»

فصل ۹: در آغوش کشیدن عدم قطعیت، مطالب را جمع‌بندی می‌کند و شما را دعوت می‌نماید تا گام‌های بعدی را در این سفر برای درک علیت و تصمیم‌گیری بهتر بردارید.

سرفصل‌های کتاب The Causal Mindset Handbook:

• Contributors
• Preface
• Part 1: Why Causality?
  • Understanding Causality and Its Importance
  • Causation versus Prediction
• Part 2: What Are the Main Challenges?
  • Why Is It So Hard To Prove Causality?
  • Beyond Correlation: The Main Culprits
• Part 3: What Are the Solutions?
  • The Causal Mindset Framework
  • Randomized Experiment
  • Quasi-Experimental Methods
• Part 4: How to Deal with Imperfection
  • Correct Answer, Wrong Question: The Importance of Choosing the Right Metrics
  • Embracing Uncertainty
• Unlock Your Exclusive Benefits
• Other Books You May Enjoy
• Index

جهت دانلود کتاب The Causal Mindset Handbook می‌توانید پس از پرداخت، دریافت کنید.