استفاده از روش به‌روزرسانی بیزی (Bayesian Updating) در ارزیابی

فهرست مطالب

استفاده از به روز رسانی بیزی (Bayesian Updating) در ارزیابی

به‌روزرسانی بیزی افزونه‌ای بر روش‌های دیگر مبتنی بر تئوری، مانند تجزیه‌وتحلیل بهره‌بخشی و ردیابی فرآیند است که برای تقویت دقت مورد استفاده در ارزیابی، و برای بررسی اینکه آیا شواهد از ادعاهای مشارکت پشتیبانی می‎کنند یا خیر، است. به‌روزرسانی بیزی این کار را با استفاده از قضیه بیز انجام می‌دهد، که در آن احتمال درستی ادعای بهره‌بخشی با توجه به وجود انواع شواهد برآورد می‌شود. از شواهدی که در برآورد استفاده می‌شوند می‌توان به موارد زیر اشاره کرد:

  • پیشین(The prior) : احتمال صحت ادعا، پیش از مشاهده شواهد جدید
  • حساسیت(The sensitivity) : احتمال مشاهده شواهد در صورتی که ادعا درست است.
  • خطای نوع یک(The type 1 error) : احتمال مشاهده شواهد در صورتی که ادعا نادرست است.

تخمین احتمالات می‌تواند از روش‌های مختلفی مانند استفاده از داده‌های تجربی (در صورت وجود)، استفاده از شبیه‌سازی‌های محاسباتی، استفاده از احتمالات ذهنی (از طریق اجماع یا ادغام ریاضی) باشد.

چگونگی استفاده از روش به روزرسانی بیزی (Bayesian Updating)

به‌روزرسانی بیزی در بخش‌های مختلفی مورد استفاده است و به‌صورت ویژه، در ارزیابی نتایجی که ادعاهای بهره‌بخشی‌های کیفی دارند و رصد آن با استفاده از ابزارهای دیگر دشوار است، از به‌روزرسانی بیزی استفاده می‌شود. این بدان معناست که این روش برای ارزیابی برنامه‌های پیچیده در زمینه پیچیده مناسب است و ابزاری برای دقیق‌تر کردن روش‌های مبتنی بر تئوری فراهم می‌آورد. استفاده از به‌روزرسانی بیزی که اکنون برای ارزیابی برنامه‌های حکومتی مورد توجه قرار گرفته است، پیش از این در دیگر صنایع نیز مورد توجه بوده است.

مزایای استفاده از به روزرسانی بیزی (Bayesian Updating)

  • در مواردی مفید است که ادعاهای بهره‌بخشی را نمی‎توان مستقیماً مشاهده و اندازه‌گیری کرد، به ویژه در بسترهای دارای پیچیدگی که سنجش آن‌ها را دشوار می‌کند.
  • در مواردی مفید است که طیف وسیعی از شواهد با کیفیت‌های متفاوت موجود باشد.
  • می‌تواند در ارتباط با ادعاهای بهره‌بخشی با وارد کردن ذینفعان در قضاوت درباره قوت شواهد حمایت‌کننده از ادعاهای بهره‌بخشی، اجماع ایجاد کند.

معایب استفاده از به روز رسانی بیزی در ارزیابی

  • تکیه بر فرمول‌ها و احتمالات می‌تواند یافته‌ها را برای پژوهشگران و کاربران مبهم‌تر کند.
  • در زمانی که مقیاس‌پذیری به‌سادگی رخ می‌دهد، مدیریت و کنترل متغیرها دشوار است و نیاز به برنامه‌ریزی پیشینی دارد.
  • دقت روش به استحکام احتمالات بستگی دارد.
  • شواهد می‎توانند هم ادعای بهره‌بخشی و هم تئوری مخالف را پشتیبانی کنند.

"تو از اين برف فرو آمده دلگير مشو؛ دِی زمانی دارد..."

برای دستیابی به گام‌راهه‌ی تکمیل کننده این مقاله به دوستان فرمانایی‎ خود در تلگرام بپیوندید.