طرح درس (براساس سرفصل)
| # | عنوان | توضیحات |
|---|---|---|
| 1 | جایگاه درس در برنامه درسی دوره | درس «روش‌های پیشرفته آماری در آب و هواشناسی» یکی از دروس تخصصی و کلیدی در مقطع کارشناسی ارشد آب و هواشناسی است. این درس به عنوان پلی بین دانش نظری اقلیم‌شناسی و مهارت‌های عملی تحلیل داده عمل می‌کند. با توجه به ماهیت داده‌محور (Data-driven) تحقیقات مدرن در علوم جوی، این درس شایستگی‌های بنیادی را برای انجام پژوهش‌های کمی، درستی سنجی مدل‌های اقلیمی، تحلیل تغییر اقلیم و در نهایت، نگارش پایان‌نامه و مقالات علمی معتبر فراهم می‌آورد. تسلط بر این مباحث، دانشجویان را برای ورود به بازار کار تخصصی یا ادامه تحصیل در مقاطع بالاتر آماده می‌سازد. |
| 2 | هدف کلی | هدف کلی این درس، توانمندسازی دانشجویان کارشناسی ارشد آب و هواشناسی در انتخاب، پیاده‌سازی، و تفسیر صحیح روش‌های آماری پیشرفته برای تحلیل داده‌های پیچیده اقلیمی است. در پایان این دوره، انتظار می‌رود دانشجو بتواند به صورت مستقل با استفاده از ابزارهای محاسباتی مدرن (به ویژه زبان R)، نتایج را به شکلی علمی و قابل فهم گزارش نماید. |
| 3 | شایستگی های پایه | دانشجویانی که این درس را می‌گذرانند، باید دارای دانش پایه‌ای در زمینه مبانی آب و هواشناسی و آمار و احتمالات در سطح کارشناسی باشند. آشنایی اولیه با مفاهیمی مانند میانگین، واریانس، توزیع نرمال و همبستگی و همچنین داشتن مهارت‌های اولیه کار با کامپیوتر، برای موفقیت در این درس ضروری است. علاقه به یادگیری برنامه‌نویسی و حل مسئله به صورت کمی، یک مزیت محسوب می‌شود. |
| 4 | اهداف یادگیری | پس از اتمام موفقیت‌آمیز این درس، دانشجو قادر خواهد بود: انواع داده‌های اقلیمی و چالش‌های آماری مرتبط با آن‌ها را شناسایی کند. توزیع‌های آماری مناسب را به پدیده‌های مختلف اقلیمی برازش داده و تفسیر نماید. آزمون‌های فرضیه پارامتری و ناپارامتری مناسب را برای مقایسه گروه‌ها و تحلیل روابط انتخاب و اجرا کند. مدل‌های رگرسیونی برای پیش‌بینی و تبیین متغیرهای اقلیمی بسازد و درستی سنجی نماید. مؤلفه‌های اصلی سری‌های زمانی اقلیمی (روند، تناوب) را استخراج و تحلیل کند. وجود روند و نقاط تغییر را در سری‌های زمانی با استفاده از آزمون‌های آماری معتبر بررسی نماید. با استفاده از زبان برنامه‌نویسی R، تحلیل‌های آماری را به صورت کارآمد و قابل تکرار پیاده‌سازی کند. نتایج تحلیل‌های آماری پیچیده را به صورت گرافیکی و متنی به شکلی واضح و علمی گزارش دهد. |
| 5 | روش تدریس | روش تدریس در این درس ترکیبی و تعاملی خواهد بود. بخش اول هر جلسه به ارائه مفاهیم نظری به صورت سخنرانی همراه با اسلاید و مثال‌های کاربردی اختصاص دارد. بخش دوم جلسه به صورت کارگاهی و عملی (Hands-on) در محیط RStudio برگزار می‌شود. در این بخش، دانشجویان به صورت همزمان با استاد، کدهای مربوط به مفاهیم تدریس شده را بر روی داده‌های واقعی اقلیمی اجرا کرده و نتایج را تحلیل می‌کنند. استفاده از پلتفرم ابری Posit Cloud برای تسهیل این بخش و حذف مشکلات نصب نرم‌افزار قویاً توصیه می‌شود. همچنین، از روش یادگیری مبتنی بر پروژه (Project-based Learning) برای تکلیف نهایی استفاده خواهد شد تا یادگیری عمیق و کاربردی مفاهیم تضمین گردد. |
| 6 | وظایف دانشجو | از دانشجو انتظار می‌رود که در تمامی جلسات درس به طور فعال حضور داشته باشد. مطالعه منابع معرفی شده پیش از هر جلسه، مشارکت در بحث‌های کلاسی و انجام تمرین‌های عملی در طول کلاس و به عنوان تکلیف ضروری است. مهم‌ترین وظیفه دانشجو، انجام یک پروژه تحلیل داده نهایی بر روی یک موضوع مورد علاقه در حوزه آب و هواشناسی است که شامل انتخاب داده، پیاده‌سازی روش‌های آماری مناسب، و ارائه نتایج به صورت یک گزارش علمی و یک ارائه کلاسی خواهد بود. |
| 7 | منبع | عساکره، حسین. (1390). مبانی اقلیم شناسی آماری. انتشارات دانشگاه زنجان. فرج زاده، منوچهر. (1386). تکنیک‌های اقلیم شناسی. انتشارات سمت. Storch, H. V., & Zwiers, F. W. (2003). Statistical analysis in climate research. Cambridge University press. Wilks, D. S. (2019). Statistical methods in the atmospheric sciences. Academic press. (منبع تکمیلی بسیار مهم) Wickham, H., & Grolemund, G. (2017). R for data science: import, tidy, transform, visualize, and model data. O’Reilly Media, Inc. (برای یادگیری عملی R) وبسایت‌ها و مستندات آنلاین پکیج‌های R معرفی شده در طول ترم (مانند.( trend, corrplot, rms, VCA |
| 8 | مواد و امکانات آموزشی | برای برگزاری این درس، دسترسی به کلاس مجهز به ویدئو پروژکتور و کامپیوتر الزامی است. همچنین، دسترسی دانشجویان به کامپیوتر شخصی یا سایت کامپیوتر دانشگاه برای انجام تمرین‌های عملی ضروری است. استفاده از اینترنت برای دسترسی به پلتفرم Posit Cloud و دانلود پکیج‌ها و داده‌ها مورد نیاز خواهد بود. تمامی اسلایدها، کدها، مجموعه داده‌های نمونه و منابع آموزشی تکمیلی از طریق سامانه آموزشی مجازی دانشگاه در اختیار دانشجویان قرار خواهد گرفت. |
| 9 | نحوه ارزشیابی | ارزشیابی دانشجویان بر اساس عملکرد مستمر آن‌ها در طول ترم و به صورت چند وجهی انجام خواهد شد تا تصویر دقیقی از میزان یادگیری آن‌ها به دست آید. جزئیات در فایل پیوست ارائه شده است. |
| 10 | فایل | Pdf File |