https://virgool.io/feed/@sina.rismanchian در راه بی‌نهایت... fa 2026-06-17 07:19:02 https://files.virgool.io/upload/users/56347/avatar/SnIiRC.png?height=120&width=120 https://virgool.io/@sina.rismanchian https://virgool.io/@sina.rismanchian/%D9%85%D8%B9%D9%84%D9%85%D8%A7%D9%86-%D8%B2%DB%8C%D8%B1-%D8%B0%D8%B1%D9%87-%D8%A8%DB%8C%D9%86-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7-clmfmhvwxksn سلام!با یه تاخیر تقریبن زیاد سیر نوشته‌ها رو ادامه می‌دیم. توی نوشته خانم فیروزآبادی که علی‌اکبر نوشته بررسی داده‌محور آموزش متوسطه و پایه رو شروع کردیم و به طور خاص توی اون نوشته به دو مسئله جالب پرداختیم:۱- معنادار بودن نمرات دانش‌آموزان در پایه‌های ابتدایی۲- تاثیر تعداد نفرات حاضر در کلاس بر یادگیری بیشتر دانش‌آموزانتوی این نوشته به سراغ معلم‌ها می‌ریم، سعی می‌کنیم با استفاده از داده‌ها، تاثیر معلما رو بررسی کنیم. به صورت کلی این مسئله، مسئله مهمیه کما اینکه توی کشور خودمون هم بحث رتبه‌بندی معلمان بحث خیلی داغیه.برای سنجش معلمان از معیاری به عنوان ارزش افزوده معلم (VA) استفاده می‌کنیم. این معیار به صورت ساده بیان می‌کنه که یک معلم چقدر می‌تونه نمرات دانش‌آموزانش رو افزایش بده. در نوشته قبلی این رو نشون دادیم که نمرات دانش‌آموزان معناداره و می‌شه بهش استناد کرد.در رابطه با معیار VA سه چالش به صورت کلی مطرح هست:۱- بایاسد بودن داده‌ها: آیا اختلاف بین دانش‌آموزانِ معلم‌ها، نشون‌دهنده تاثیر اون معلم‌ها هست یا این تفاوت بیشتر به دلیل اختلاف سطح بین خود دانش‌آموزهاست و ربطی به معلم نداره؟۲- تاثیرات بلندمدت: آیا معلمانی که نمرات بچه‌ها رو افزایش می‌دن، تاثیرات بلندمدت خوبی هم دارند؟ یا صرفن نمره‌ گرفتن تو امتحان‌ها رو خوب درس می‌دن؟۳- ناپایدار بودن تخمین‌ها: آیا تخمینی که از VA یک معلم بر اساس داده‌های صرفا چند سال به دست می‌آریم، تخمین مناسب و قابل تعمیمی هست؟نگرانی اول، بایاسد بودن داده‌هاسوال: اگه بخواهیم سطح معلمان رو بسنجیم، آزمایش ایدئالی که براش طراحی می‌کنیم چیه؟!معمولن برای چنین سنجشی، یک راه ایدئال می‌تونه این باشه که دانش‌آموزا رو بین معلم‌ها به صورت تصادفی تقسیم کنیم، در نهایت انتظار داریم معلمانی با VA بیشتر، دانش‌آموزانش نمراتش بیشتری دریافت کنن.اما خب مشکلی که با آزمایش بالا وجود داره اینه که بیش از حد ایدئاله، امکان پیاده‌سازی چنین آزمایشی در نظام آموزشی کشور نیست، پس چه باید کرد؟اگر که یادتون باشه توی نوشته‌های جلسات اول در مورد استفاده از Quasi-experiment توضیح دادیم. اینجا هم از چنین آزمایشی استفاده می‌کنیم. نکته‌ای که سعی می‌کنیم ازش سود ببریم، تغییر معلمان مدارس بین سال‌های تحصیلیه. به این صورت که ممکنه یک پایه از مدرسه چند سال پیاپی یک معلم خاص داشته باشه، و بعد از اون این معلم تغییر کنه و معلم جدیدی جایگزینش بشه. در چنین شرایطی انتظار داریم که یه معلم بهتر، بتونه نمرات دانش‌آموزان همون پایه رو ارتقا بده. در واقع بعد از ورود معلم جدید به مدرسه، تغییرات نمرات دانش‌آموزان می‌تونه اتفاق معناداری برای ما باشه.تاثیر حضور معلمی با عملکردی در رتبه خوب بر نمرات دانش‌آموزانمثلن تصویر فوق نشون می‌ده که بعد از سال ۹۵، با تغییر معلم چهارمی‌ها و ورود معلمی که عملکرد خیلی خوبی داره، نمرات دانش‌آموزای پایهٔ چهارم افزایش چشم‌گیری داشته.و این تصویر هم نشون می‌ده که با ورود معلمی که شاخص VAش در ۵ درصد پایین قرار گرفته، بعد از ورود به مدرسه نمرات سال چهارمی‌ها رو به فنا داده.توی تصاویر فوق همزمان نمرات بچه‌های پایه سوم هم کشیده شده، این نمودار به این دلیل کشیده شده که نشون بده توی کلیت مدرسه اتفاق عجیبی نیفتاده و نمی‌شه کاهش نمرات دانش‌آموزان رو به تغییری توی مدرسه نسبت داد.با مطالعه فوق می‌تونیم نشون بدیم که نگرانی اول که پیش‌فرض‌دار بودن داده‌ها بود رد می‌شه، در واقع روش فوق به خوبی می‌تونه پیش‌فرض رو حذف کنه و دقیق‌تر تاثیر معلم‌ها رو مطالعه کنه.نگرانی دوم، تاثیرات بلند مدت معلمان بود.نمودارهای زیر رو ببینید:رابطه کیفیت معلمان و حضور دانش‌آموزانشون توی دانشگاهرابطه کیقیت معلمان و میانگین درآمد دانش‌آموزانشون در ۲۸ سالگیرابطه کیفیت معلمان و نرخ باروری نوجوانی در دانش‌آموزانشوننمودارهای فوق نشون می‌ده که شاخص VA نه تنها توی افزایش نمرات دانش‌آموزها، موثره، که با عوامل بلندمدت هم هم‌بستگی خیلی خوبی داره، و این مورد می‌تونه نگرانی دوممون رو هم برطرف کنه، به صورت خلاصه، اگه یه معلمی شاخص VA بالایی داره، نه تنها به صورت کوتاه مدت که به صورت بلندمدت هم می‌تونه شرایط دانش‌آموزش رو بهبود بده.نگرانی سوم، در مورد پایداری و قابلیت تعمیم داده‌ها بود.اول بیاید با روشی که توی متن قبلی دیدیم، به زبون پول صحبت کنیم :)نمودار زیر، نمودار نرمالیه که دوست داریم توزیع VAها در حالت ایدئال داشته باشه:نمودار توزیع ایدئال VAهاحالا فرض کنید در چنین حالت ایدئالی، همه VAها رو داریم و به صورت نمودار فوق هستند. سوالی که می‌تونیم بررسی کنیم، اینه که اگر معلمان در ۵ درصد پایینی از لحاظ عملکرد رو، با معلمانی با عملکرد متوسط جایگزین کنیم، این کار چقدر می‌تونه از لحاظ مالی سود داشته باشه؟محاسبات سود جایگزینی یک معلم در ۵ صدک پایینی با یک معلم متوسطبا توجه به نمودار فوق و داده‌های قبلی که در موردشون تو این نوشته صحبت کردیم، در واقع، جایگزینی تنها یک معلم از ۵ درصد پایینی با یک معلم متوسط، می‌تونه ۴۰۷ هزار دلار به اقتصاد کشور کمک کنه!این رو در نظر بگیرید که طبیعتا راه‌کارهای دیگری هم برای این مورد می‌شه در نظر گرفت، برای مثال گذاشتن دوره‌های آموزشی برای معلمان در ۵ درصد پایینی، و بهبود علمکردشون، از اونجایی که تاثیر مالی چنین کاری چشم‌گیره، طبیعتا ارزش هزینه‌هایی که برای این کار می‌شه رو خواهد داشت.به نگرانی سوم برگردیم، نگرانیمون این بود که آیا داده‌هایی که صرفن از دو یا سه سال عملکرد معلمان جمع‌آوری می‌شه به قدری پایداری داره که بشه بر اساسش تصمیمی گرفت؟مقایسه نمودارهای توزیع VA ایدئال و VA تخمینی بر اساس سه سالنمودار بالا، داره تخمین VAها بر اساس داده‌های فقط سه سال رو با نمودار در حالت ایدئال مقایسه می‌کنه. همونطور که انتظار می‌ره، نمودار تخمین با نمودار ایدئال فاصله داره؛ چون بالاخره حجم داده‌های سه سال حجم خیلی زیادی نیست و طبیعیه که توش نویز وجود داشته باشه. این نویز باعث می‌شه برای مثال موردی پیش بیاد که معلمی که عملکردش در صدک ۳۰ قرار داره به اشتباه در ۵ صدک آخر شناسایی بشه. و خب طبیعیه که اگر به اشتباه معلمی که در صدک ۳۰ قرار داره رو در ۵ صدک آخر تشخیص بدیم و با معلمی با عملکرد متوسط جایگزینش کنیم، اون سودی که قبلن به دست می‌آوردیم (همون ۴۰۷ هزارتا) اینجا کمتر بشه؛ سوال اینه که چقدر کمتر می‌شه؟ آیا به قدری هست که قابل چشم‌پوشی باشه و باز هم امیدوار باشیم به صورت کلی این جایگزینی کار مفیدی باشه؟نمودار میزان سود برنامه جایگزینی بر اساس داده‌های تخمینی، و روندش با توجه به تعداد سال‌های حاضر در تخمین نمودار بالا رو ببینید، خیلی جالبه! تو این نمودار داره بررسی می‌کنه که اگر جایگزینی رو بر اساس داده‌های یک‌سال، دوسال و … انجام بدیم، با توجه به خطاهای تخمین، به صورت کلی چقدر برامون سود داره. همونطور که می‌بینید، هرچقدر تعداد سال‌ها بیشتر می‌شه، عددمون به عدد حالت ایدئال نزدیک‌تر می‌شه که با توجه به افزایش دقت تخمینمون طبیعیه.اما چیزی که مشخصه، اینه که اگر صرفا بر اساس داده‌های دو سال هم تخمین بزنیم، عدد سودمون به حدود ۲۵۰ هزار دلار برای یک کلاس می‌رسه، که باز هم عدد قابل توجهیه و این باعث می‌شه که به این جمع‌بندی برسیم که تخمین دوساله هم حتی می‌تونه تخمین پایدار و قابل اتکایی برای اجرای برنامه‌هایی شبیه جایگزینی یا بازآموزی معلمین و … باشه. هرچند که طبیعتن رویکرد اینجا، رویکرد جمعیه، و ممکنه در سطح افراد و با توجه به خطایی که در تخمین عملکردشون وجود داره، ظلمی صورت بگیره.پس به صورت کلی تونستیم نگرانی سوم رو هم بهش بپردازیم و ببینیم اوضاع اونقدرا هم بد نیست.جالب اینه که نتایج این تحقیقات به صورت گسترده در سیاست‌گذاری آموزش ایالات متحده دیده شده، که حتی سیاست‌مدارانشون هم به این دستاوردها توجه کردن. توی تصویر زیر دوتا نمونه رو می‌بینید:امیدوارم رویکرد داده‌محور به مسائل کلان سیاست‌گذاری و علی‌الخصوص توی حیطه آموزش، کم کم توی کشور ما هم مورد استفاده قرار بگیره. سینا ریسمانچیان سینا ریسمانچیان Fri, 15 Oct 2021 13:19:42 +0330 https://virgool.io/@sina.rismanchian/%D8%AF%D8%A7%D9%86%D8%B4%DA%AF%D8%A7%D9%87-%D9%87%D8%A7-%D8%B2%DB%8C%D8%B1-%D8%B0%D8%B1%D9%87-%D8%A8%DB%8C%D9%86-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7-u1erqp7ksinl خوب، از اینجا به بعد توی روال درس وارد بررسی داده‌محور مسائل آموزشی می‌شیم، جلسات اول به بررسی مسائل حوزه آموزش عالی و در جلسات بعدی به بررسی مسائل حوزه آموزش متوسط و ابتدایی می‌پردازیم. اگر که جلسات قبلی رو دنبال کرده باشید احتمالن به خاطر دارید که به صورت کلی توی این درس بررسی می‌کنیم چه عواملی باعث بهبود شرایط اقتصادی افراد کم‌درآمد (upward mobility) می‌شه. این هدف رو هم با بررسی داده‌های درآمدی فرزندان در قیاس با درآمد والدینشون می‌سنجیم.همونطور که می‌شه حدس زد، دانشگاه نهاد بسیار مهمی برای بهبود شرایط اقتصادی در سطح جامعه‌است. به همین دلیل تصمیم داریم که بر اساس دادگانی که داریم، اوضاع و تاثیر دانشگاه‌ها در بهبود وضعیت اقتصادی رو در آمریکا بررسی کنیم.در ادامه بر اساس سه معیار کلی زیر، به بررسی دانشگاه‌ها می‌پردازیم:ورودی: توزیع درآمدی والدین دانشجویان حاضر در یک دانشگاهخروجی: توزیع درآمدی دانشجویان در قیاس با توزیع درآمدی والدینسهم تاثیر دانشگاه: نسبت تغییر در‌آمدی (در قیاس بین دانشجویان و والدین) که به علت تاثیر دانشگاه حاصل شدهدر ادامه سعی می‌کنیم با بررسی این معیارها، به شهودی کلی از وضعیت فعلی دانشگاه‌های آمریکا برسیم.داده‌هایی که برای این مسئله در اختیار داریم، داده‌های وضعیت تمام دانشجویان آمریکا در تمام دانشگاه‌ها بین سال‌های ۱۹۹۳ تا ۲۰۱۳ است. حجم این دادگان بر اساس تعداد افراد حاضر، در حدود ۳۰ میلیون نفره. (که خب در اولین قدم چیزی که جای تحسین داره، جمع‌آوری چنین دادگان عظیم و مهمی است.)این دادگان نه تنها شامل وضعیت دانشجویان در دانشگاه (اعم از نمرات و ...) هست، بلکه شامل داده‌های درآمدی دانشجویان و والدینشون بر اساس آمار مالیات‌ پرداختیشون به صورت کامل‌ هم هست.درآمد والدیندر اولین قدم به بررسی درآمد والدین می‌پردازیم. داد‌ه‌های درآمدی که در این جلسه در نظر می‌گیریم، وضعیت درآمدی والدین در سنین ۱۵ تا ۱۹ فرزندشون هست. (یعنی اون موقعی که دانشجو داره وارد دانشگاه می‌شه)نمودار زیر توزیع درآمد والدین دانشجویان متولد سال ۱۹۸۰ رو نشون می‌ده:توزیع درآمد والدین دانشجویان متولد سال ۱۹۸۰ (منبع: opportunityinsights.org)و در ادامه‌ هم توزیع شرکت در دانشگاه بر اساس صدک درآمدی والدین:درصد حضور در دانشگاه بر اساس صدک درآمدی والدین (منبع: opportunityinsights.org)یک مورد خاصدر مورد دانشجویان سال‌های ۲۰۰۲ تا ۲۰۰۴ دانشگاه هاروارد به طور خاص نمودار زیر رو داریم، نموداری که رتبه‌بندی صدتایی درآمد والدین رو به ۵ دسته تقسیم کرده و بر اساس این دسته‌ها درصد حضور در دانشگاه رو بررسی می‌کنه.(منبع: opportunityinsights.org)نمودار بالا می‌گه که ۷۰ درصد این دانشجوها، والدینشون در صدک درآمدی بین ۸۰ تا ۱۰۰ جامعه قرار داشتن (متمول‌ترین صدک‌های درآمدی جامعه)همچنین با توجه به اینکه ۱۵ درصد این دسته رو، افراد حاضر در صدک ۱۰۰ تشکیل می‌دن، ادعا می‌شه که احتمال حضور در هاروارد، برای فردی در صدک ۱۰۰ جامعه، حدود ۱۰۰ برابر احتمال حضور در هاروارد برای فردی در صدک‌های ۱ تا ۲۰ جامعه هست. ما طی صحبت‌هایی که داشتیم این محاسبات، چندان به نظرمون دقیق نیومدن، خوبه شما هم فکر کنید ببینید که این ادعا چه پیش‌فرض‌هایی رو در خودش داره :)در ادامه نموداری از مقایسه چند دانشگاه خاص می‌بینیم:سعی کنید خودتون این نمودار رو تحلیل کنید و دانشگاه‌های یتیم‌نواز رو سوا کنید. :دی (منبع opportunityinsights.org) حالا برای شهود از وضعیت امکان دسترسی به دانشگاه‌ها، معیاری مورد بررسی قرار می‌گیره که برای من خیلی جالب بود. فرض کنید می‌خواید بچه‌تون رو در یک مدرسه ثبت‌نام کنید و دغدغه دارید که وضعیت مالی بچه‌های مدرسه رو بدونید. (چون ممکنه روی بچه‌تون تاثیراتی داشته باشه) در این راستا یک راه حل اینه که توزیع درآمدی والدین دانش‌آموزان اون مدرسه خاص رو بررسی کنید. اما خب ممکنه این توزیع درآمدی شهود دقیقی از وضعیت بهتون نده، پس اینجا چیکار می‌کنید؟! احتمالن درست حدس زدید، مقایسه می‌تونه راه‌حل خوبی باشه. مقایسه توزیع درآمدی والدین مدرسه با یک توزیع درآمدی دیگه که نسبت بهش شهود داریم، باعث می‌شه شرایط مدرسه رو بهتر بفمیم. اینجا هم برای اینکه کمی دقیق‌تر معنی توزیع درآمدی والدین دانشجوها رو بفهمیم، از همین مقایسه استفاده می‌کنیم.نمودار زیر رو ببینید:(منبع opportunityinsights.org) این نمودار داره توزیع درآمدی هم‌دانشگاهی‌ها و هم‌محله‌ای‌های کل دانشجویان دسته متمول جامعه رو بررسی می‌کنه. خب، چی ازش می‌فهمیم؟ می‌فهمیم که چقدر این توزیع‌ها شبیهن، یعنی چی؟ یعنی به صورت میانگین، سطح درآمد هم‌محله‌ای‌های یک دانشجوی محله پولدار‌های نیویوک، با سطح درآمد هم‌دانشگاهی‌هاش مشابهه! در نتیجه امکان حضور در دانشگاه‌ها، از الگوی متفاوتی برای هم‌محله‌ای‌های دانشجویان متمول پیروی نمی‌کنه.و این نمودار هم، همون نمودار بالاس اما برای دانشگاه‌های مطرح آمریکا (اصطلاحن دانشگاه‌های Ivy-plus league):(منبع opportunityinsights.org) اگه بخوام با مثال وطنی بگم نمودار بالا یعنی چه، یعنی اگه شما دانشجوی دانشگاه شریف باشی و توی محله الهیه تهران زندگی کنی، توی دانشگاه‌ بچه‌ پولدارهای بیشتری نسبت به محله‌تون می‌بینی! که خب واقعن تحیرآوره!درآمد دانشجویانحالا در ادامه می‌آیم و بررسی می‌کنیم که همین دانشجویان عزیز در سن ۳۴ سالگی چقدر پول (به صورت سالانه) درمی‌آرن.توزیع کلی به صورت زیره:توزیع درآمد دانشجویان متولد سال ۱۹۸۰ در ۳۴ سالگی (منبع: opportunityinsights.org)و در ادامه نمودار زیر رو بررسی می‌کنیم. این نمودار شامل داده‌های مفیدی برای مقایسه دو دانشگاه کلمبیا و Stony Brook هست:(منبع opportunityinsights.org) نمودار ستونی داره می‌گه توزیع والدین دانشجویان هر دانشگاه (آبی کلمبیا و قرمز Stony Brook) از هر دسته درآمدی، به چه صورت هست. (که دانشگاه کلمبیا به نسبت دانشگاه پولدارپذیرتریه)همچنین هر یک از خط‌های موجود (نمودار نقطه‌ای) داره می‌گه چند درصد از دانشجویان هر دسته، تونستن در سن ۳۴ سالگی در دسته متمول جامعه قرار بگیرن. یعنی در واقع نقطه قرمزی که با پیکان نشون داده شده، داره می‌گه ۵۱ درصد از دانشجوهای دانشگاه Stony Brook که والدینشون در دسته کم‌بضاعت جامعه قرار داشتن، در سن ۳۴ سالگی تونستن در دسته متمول جامعه قرار بگیرن، که داده‌ی جالبی است.اگر دو خط آبی و قرمز رو مقایسه کنید، می‌بینید که دانشگاه کلمبیا از این لحاظ تونسته بهتر عمل کنه و تقریبن ۶۰ درصد از دانشجوهای هر دسته، در سن ۳۴ سالگی متمول شدن. اما این همه ماجرا نیست.خوبه به این نکته هم اشاره کنم که دانشگاه کلمبیا رتبه ۱۹ رو بین دانشگاه‌های جهان در رتبه‌بندی QS داره، این عدد برای دانشگاه Stony Brook، عدد ۳۷۳ هست.باقی ماجرا: شاخص بهبود شرایطدرسته که برخی دانشگاه‌ها، تونستن متمول‌های بیشتری به جامعه تحویل بدن، اما برای بررسی تاثیر دانشگاه بر وضعیت اقتصادی جامعه، این تنها معیار نیست. همونطور که دیدیم، امکان دسترسی به برخی دانشگاه‌ها (مثل هاروارد) برای قشر کم‌بضاعت جامعه بسیار سخت هست. پس سهولت دسترسی به دانشگاه هم معیار تاثیرگذاری برای قضاوت تاثیر دانشگاهه. با در نظر گرفتن این دو معیار، شاخصی معرفی می‌کنیم به اسم شاخص بهبود شرایط که از حاصل ضرب نرخ دسترسی قشر کم‌بضاعت جامعه و نرخ فارغ‌التحصیلان متمول با والدین کم‌بضاعت به دست می‌آد. به صورت زیر:تعریف شاخص بهبود شرایط و محاسبه برای دانشگاه Stony Brook، (منبع opportunityinsights.org) که همونطور که می‌بینید برای مثال دانشگاه Stony Brook صاحب شاخص 8.4 هست.حالا برای بررسی همه دانشگاه‌ها و مقایسه‌شون با یکدیگر، نمودار زیر رو برای همه دانشگاه‌های آمریکا به تصویر می‌کشیم:(منبع opportunityinsights.org)در این نمودار، هر دانشگاه یک نقطه‌اس که مختصاتش با دو مولفهX: سهولت دسترسیY: نرخ فارغین متمولمشخص شده. انتظار داریم بهترین دانشگاه خیالی، در گوشه بالا راست نمودار حضور داشته باشه. (چرا؟)و در ادامه هم رده‌بندی ۱۰ دانشگاه برتر آمریکا با بالاترین شاخص بهبود وضعیت رو می‌بینید:(منبع opportunityinsights.org)جمع‌بندیدر این جلسه سعی کردیم وضعیت تاثیر دانشگاه‌ها بر اوضاع اقتصادی جامعه رو بررسی کنیم. در این راه با استفاده از داده‌ها و نمودارهای مختلف، تونستیم شهود کلی به دست بیاریم و در ادامه، با معرفی یه شاخص جدید سعی کردیم دانشگاه‌ها رو با هم دیگه مقایسه کنیم. ایده کلی‌ای که در این راستا بهمون کمک‌کننده بود، استفاده از خلاقیت، شاخص‌سازی و تصویر‌سازی‌های گویا برای ایجاد امکان نگاه‌ داده‌محور به یک مسئله اجتماعی بود. سینا ریسمانچیان سینا ریسمانچیان Thu, 20 May 2021 18:40:31 +0430 https://virgool.io/@sina.rismanchian/%D8%B3%D8%B1%D9%85%D8%A7%DB%8C%D9%87%DA%AF%D8%B0%D8%A7%D8%B1%DB%8C-%D9%85%DA%A9%D8%A7%D9%86%D9%85%D8%AD%D9%88%D8%B1-%D8%B1%D8%A7%D9%87%DB%8C-%D8%A8%D9%87-%D8%B3%D9%85%D8%AA-%D8%A2%DB%8C%D9%86%D8%AF%D9%87-%D8%A7%D9%82%D8%AA%D8%B5%D8%A7%D8%AF%DB%8C-%D8%A8%D9%87%D8%AA%D8%B1-jbbbzzdj7not این پست از مجموعه پستاییه که عرفان داشت مسیر خودش توی درس Using Big Data to Solve Economic and Social Problems و چیزایی که ازش یاد می‌گرفت و براش جالب بود رو به اشتراک می‌ذاشت. تا اینکه به من افتخار داد و باهاش هم‌مسیر شدم :) پست اول این مجموعه رو می‌تونید از اینجا ببینید. در این نوشته داریم ادامه بحث‌های مطرح‌شده در جلسه سوم درس رو بررسی می‌کنیم.خب، در انتهای بخش دوم این جلسه، عرفان کارهایی که برای رفتن به سمت فرصت می‌شد انجام داد رو برامون گفت و در این بخش می‌خوایم اول یکم بررسی کنیم و ببینیم برنامه رفتن به سمت فرصت چه چالش‌های بالقوه‌ای داره و در ادامه ببینیم چطور می‌تونیم شرایط یک منطقه رو بهبود بدیم.چالش‌های برنامهٔ رفتن به سمت فرصتاولین چالشی که ممکنه به ذهن برسه اینه که این برنامه برای دولت هزینه‌های هنگفتی داره؛ در این رابطه نکته‌ای که وجود داره اینه که این برنامه درسته که در ابتدا ممکنه هزینه زیادی داشته باشه، اما همونطوری که توی بخش قبل دیدیم، این برنامه باعث می‌شد درآمد افرادی که داخل طرح می‌شدن افزایش پیدا کنه و در نتیجه مالیات پرداختی‌شون هم، افزایش چشم‌گیر و معناداری پیدا می‌کرد. (ر.ک. بخش اول جلسه سوم)تاثیر برنامه رفتن به سمت فرصت در درآمد و بالتبع مالیات پرداختی مردم *این تاثیر کمی نگرانی ما رو در این رابطه برطرف می‌کنه به این دلیل که اگر دولت در این طرح سرمایه‌‌گذاری کنه ممکنه در آینده با مالیاتی که از ملت می‌گیره، هزینه‌هاش جبران بشه و این اتفاق این طرح رو در مقایسه با دیگر طرح‌های در حال اجرا در آمریکا (مثل Public Housing، یه چیزی شبیه مسکن مهر خودمون) توجیه‌پذیر می‌کنه.چالش دوم: که ممکنه اجرای این برنامه برامون مطرح کنه اینه که نقل مکان افراد کم‌بضاعت به محله‌های بهتر برای زندگی، چه تاثیری توی زندگی افراد ثروتمند محله‌ها می‌ذاره؟ به عبارت دیگه چقدر با این کارمون ممکنه شرایط زندگی رو برای افرادی که زندگی خوبی از قبل داشتن بد کنیم؟مقایسه توزیع صدک درآمدی والدین و فرزندان در دو محله متفاوت *این نمودار قیاسی بین شرایط دو محله متفاوت هست، در واقع این نمودار داره صدک در‌آمدی فرزندان دو محله مختلف رو بر حسب صدک درآمدی والدینشون به تصویر می‌کشه.نکته‌ای که از این نمودار می‌شه فهم کرد اینه که با اینکه در محله آبی، افراد کم بضاعت شرایط بهتری دارن (فرزندانشون جزو صدک‌های بهتری از جامعه شدن)،‌ اما در نهایت برای والدین با صدک درآمدی بالا، بچه‌ها شرایط یکسانی دارن؛ به عبارت دیگه توی محله‌ آبی، با اینکه شرایط افراد کم بضاعت بهتره، اما باز هم صدک درآمدی بچه‌های خانواده‌های ثروتمند محله آبی از صدک درآمدی بچه‌های خانواده‌های محله قرمز بالاتره.شاید شما هم مثل من توی درک این نمودار دچار مشکل شده باشید؛ برای اینکه بتونید این نمودار رو بهتر درک کنید به این فکر کنید که چرا این نمودار پاسخی به چالش دومه؟اینجا عرفان به کمک ما می‌آد و می‌گه که اگه این دو نمودار جایی اون وسط‌ها همدیگه رو قطع کرده بودن، اونوقت می‌شد نتیجه بگیریم که شرایط بهتر افراد کم‌بضاعت داره شرایط زندگی بچه‌های ثروتمند رو بدتر می‌کنه و این اتفاق خوبی نیست (چرا؟)، اما از اونجایی که این دو نمودار به هم نرسیدن می‌تونیم این نمودار رو شاهدی بر این بیاریم که برنامهٔ رفتن به سمت فرصت شرایط خونواده‌های ثروتمند رو بد نمی‌کنه.اما خب چالش سوم و اصلی این برنامه اینه که این برنامه به صورت کامل مقیاس‌پذیر نیست! یعنی با نقل مکان دسته‌جمعی همه افراد از محله‌های بد به محله‌های خوب (این محله خوب که می‌گیم چی هست اصلن؟)، شرایط زندگی این افراد قرار نیست بهبود پیدا کنه… (چرا؟) پس شما اگر بودید چه می‌کردید؟!راه‌حل دیگری که به ذهنمون می‌رسه اینه که به سمتی بریم که شرایط محله‌ها رو بهبود بدیم، به این روش سرمایه‌گذاری مکان‌محور می‌گیم.سرمایه‌گذاری مکان‌محوراول از همه اینکه به نظرمون مولفه‌های یه محله خوب چی‌هاست؟! همونطور که توی نمودارهای همین جلسه هم دیدیم، می‌شه به موارد زیر اشاره کرد:نرخ فقر پایینساختار پایدار خانوادهتعاون اجتماعی گستردهکیفیت بالاتر مدارسحالا سوالی که مطرح می‌شه اینه که برای بهبود دادن شرایط یک محله، تا چه شعاعی رو به عنوان یک محله می‌شناسیم و شعاع عملمون باید کجا باشه؟ به این معنا که اگر با طرحی بخوایم اوضاع یک محله‌ای رو بهبود بدیم، دقیقا تا چه شعاعی رو یک محله به حساب می‌آریم و توش طرحمون رو اجرا می‌کنیم؟توی بررسی‌هایی که کردن، به نتایج جالبی رسیدن که می‌شه از طریق نمودار زیر دید:هم‌بستگی میان نرخ فقر یک محله‌ با محله‌های اطراف *این نمودار داره چیو نشون می‌ده؟!نمودار بالا داره ضریب تاثیر نرخ فقر روی شرابط اقتصادی رو در محله‌های اطراف رو روی یک محله نشون می‌ده.برای مثال شماره محله صفر نمودار رو نگاه کنید؛ این نقطه نشون می‌ده که ضریب تاثیر نرخ فقر یک محله روی شرایط اقتصادی همون محله برابر ۰.۳- است. اما چیزی که مهمه اندازه این عدد نیست، مهم اینه که از محله ۱ به بعد (یعنی با حدود ۲ مایل فاصله گرفتن) این ضریب تاثیر به شدت کاهش پیدا می‌کنه!اگه این سوال رو کمی ریزبینانه‌تر بپرسیم و از سطح محله، به سطح بلاک‌ها وارد شیم این تاثیر چطوری نشون داده می‌شه؟هم‌بستگی میان نرخ فقر یک مجتمع ساختمانی با مجتمع‌های اطراف *که اینجا هم الگوی مشابهی رو می‌بینیم و تقریبن از ۸۰ ساختمون اون طرف‌تر، تاثیری که نرخ فقر می‌ذاره به شدت عدد ناچیزی می‌شه.حالا برای سرمایه‌گذاری مکان‌محور می‌دونیم برای بهبود شرایط یک محله تا چه شعاعی باید برنامه‌هامون رو اجرا کنیم.سوال دیگری که مطرح می‌شه اینه که چه برنامه‌هایی برای سرمایه‌گذاری مکان‌محور بهترن؟ این سوال سوالیه که داره هنوز هم روش بحث و بررسی صورت می‌گیره…اما به صورت کلی از اونجایی که دیدیم این برنامه‌ها روی بچه‌ها تاثیر مثبت بیشتری داره، به راه‌حل‌هایی برای فرآیند زندگی یک بچه از کودکی تا بزرگسالی مطرحه:نیازهای فرد در دوره‌های مختلف زندگی برای داشتن شرایط اقتصادی خوب *که همونطور که مشخصه برای هر دوره از زندگی، نیاز‌های فرد رو برای ساختن جامعه‌ای که از لحاظ اقتصادی شرایط خوبی داشته باشه مشخص کرده.در همین راستا فعالیت‌هایی شکل گرفته که هرکدوم افراد رو طی این مسیر همراهی می‌کنن؛ برای مثال می‌شه به برنامه‌هایی اشاره کرد که طی اون‌ها دانش‌آموزان قبلی به دانش‌آموزان جدید توی فرآیند انتخاب رشته و دانشگاه کمک کنن، یا برنامه‌هایی که برای کاهش خشونت به افراد آموزش می‌دن و …برای بررسی اثرگذاری این راهکارها چه کنیم؟ همونطوری که قبلن هم دیدیم، از روش Quasi-experiment استفاده می‌کنیم. یعنی داده‌های قدیمی رو که داریم به داده‌های عددی تبدیل می‌کنیم و برای بررسی تاثیر هر راه‌حلی، داده‌های بعد از اعمال راه‌حل در محله‌ها رو با داده‌های پیشین مقایسه می‌کنیم. اینطوری می‌تونیم شهودی از بهینگی راه‌حل‌های اعمال شده به دست بیاریم.ممنون ازعرفان عزیز که توی نوشتن و ویراستاری این نوشته بهم کمک کرد و سوالاتم در مورد درس رو برطرف کرد.*منبع تمامی تصاویر و نمودارها opportunityinsights.com است. سینا ریسمانچیان سینا ریسمانچیان Mon, 09 Nov 2020 13:47:36 +0330 https://virgool.io/@sina.rismanchian/%D8%A8%D8%AE%D8%B4-%D8%A7%D9%88%D9%84-%D8%AC%D9%84%D8%B3%D9%87%D9%94-%D8%B3%D9%88%D9%85-%D9%87%D8%AC%D8%B1%D8%AA-%D8%A8%D9%87-%D8%B3%D9%85%D8%AA-%D9%81%D8%B1%D8%B5%D8%AA-u3l5wir9npl7 خب، توی جلسات قبلی دیدیم که دو نوع راهکار برای بهبود شرایط افراد داریم:رفتن به سمت فرصت (Moving to Opportunity): این که آدم‌هایی که توی جاهای قرمز نقشه هستند رو ببریم جاهای بهتر.سرمایه‌گذاری مکان‌محور (Place-Based Investments): این که وضعیت جاهایی که قرمز هستند رو بهتر کنیم.توی این قسمت از جلسه می‌خوایم با استفاده از داده‌ها، کارآمدی راه‌حل اول رو بررسی کنیم.شرح آزمایشبرای بررسی کارآمدی روش اول، از دادگان آزمایشی استفاده می‌کنیم که بین سال‌های ۱۹۹۴ تا ۱۹۹۸ در ۵ مکان پیاده‌سازی شده، یعنی لوس‌آنجلس، بالتیمور، شیکاگو، نیویورک و بوستون. توی این آزمایش ۴۶۰۰ خانواده درگیر شدن، نحوه پیاده‌سازی این آزمایش به این صورت بود که خانواده‌هایی که در پروژه‌های public housing (خونه‌هایی که دولت ساخته بود و به خانواده‌های کم بضاعت اختصاص می‌داد) به ۳ دسته زیر تقسیم می‌شدن:دسته آزمایشی (Experimental): دسته‌ای که بهشون امکانات مالی دادیم و مجبورشون کردیم که توی مناطق به درصد فقر پایین (کمتر از ۱۰ درصد) نقل مکان کنن.بخش ۸ (Section 8): دسته‌ای که بهشون امکانات مالی دادیم ولی محدودیتی برای محل زندگی‌شون اعمال نکردیم.کنترل (Control): دسته‌ای که بهشون امکانات مالی‌ پیشنهاد ندادیم و توی همون خونه‌های دولت به زندگی‌شون ادامه دادن.در ادامه می‌خوایم بررسی کنیم که این تغییر چه تاثیراتی توی زندگی افراد ایجاد کرد، قبل از اینکه به ادامه این نوشته برسیم خوبه دوتا سوال رو از خودتون بپرسید و جوابی براش داشته باشید:معیارمون برای سنجش تغییر شرایط زندگی چیه؟بر اساس معیاری که تو سوال قبلی تعریف کردیم، انتظار داریم چه اتفاقی بیفته؟محله‌هایی که اکثریت خانواده‌های هر دسته توشون سکونت داشتن.خوب، امیدوارم برای سوال اول پاسخ خوبی پیدا کرده باشید. حقیقت اینه که مطالعاتی که روی این آزمایش بعدها انجام شد، تاثیر اندکی رو روی خروجی‌های اقتصادی نشون داد،‌ نمونه‌اش مطالعه‌ایه که روی افراد میان‌سال و جوان (در هنگام نقل مکان) انجام شده؛ اما روش جایگزینی که پیشنهاد شد، این بود که ببینیم تاثیر این جابجایی روی فرزندهای افرادی که جابجا شدن چطوریه. داده‌ای که برای این کار مطالعه می‌کنیم استفاده از مالیات پرداختی بچه‌ها در سن ۲۰ سالگیه. خب، پس الان به سوال اولی که مطرح کردیم جوابی دادیم، حالا بریم ببینیم جواب سوال دوم چطوریه:مقایسه عملکرد بر اساس معیارهای درآمد و حضور در کالج برای بچه‌هایی که وقتی سنشون کمتر از ۱۳ سال بوده توی آزمایش وارد شدنخب حالا نمودارهای بالا بهمون چی می‌گه؟ نمودار سمت چپ می‌گه که میانگین درآمد در سن‌های بالاتر از ۲۴ برای افراد دسته ۱ (دسته‌ای که بهشون امکانات دادیم و مجبورشون کردیم به یک محله خوب نقل مکان کنن)، حدود ۱۵ هزار دلاره، برای افراد دسته ۲ (دسته‌ای که بهشون امکانات مالی دادیم و به نقل مکان مجبورشون نکردیم) ۱۳ هزار دلار و برای دسته ۳ (دسته‌ای که امکانات جدیدی بهشون ندادیم) ۱۱ هزار دلار. نمودار سمت راست هم داره درصد شرکت در کالج در سن ۱۸ الی ۲۰ رو نشون می‌ده که اون هم الگویی مشابه نمودار سمت چپ داره.پس متوجه شدیم که تاثیر رفتن به سمت فرصت، برای بچه‌ها نتایج خوبی داشته و بهمون نتیجه مثبتی داده. خوبه که نتیجه این اتفاق رو برای رده‌های سنی دیگه هم مقایسه کنیم. اما قبلش خوبه که برای خودتون یک پیش‌بینی داشته باشید :)حالا توی این قسمت می‌خوایم بررسی کنیم برای بچه‌های رده سنی ۱۳ تا ۱۸ سال، رفتن به سمت فرصت چه تاثیراتی داشته:نمودار سمت چپ، شبیه همون نمودار قبلی‌ه و نمودار سمت راست داره درصد افرادی رو نشون می‌ده که مادر مجرد دارنخب! الان نتایج برامون جالب شدن...اگر به نمودارها دقت کنید می‌بینید که نتایج چندان امیدوارکننده نیستن، یعنی درآمد، برای دسته ۱ و دسته ۲ کاهش پیدا کرده، و درصد افراد با مادر مجرد (افرادی که مادرشون طلاق گرفته یا پدرشون ترکشون کرده یا ...) هم توی دسته ۳ افزایش پیدا کرده! هم‌چنین اگه به p نگاه کنید که نشون‌دهنده میزان p-value هست، مقادیر به نسبت زیادیه که نشون می‌ده چندان تفاوت معناداری بین دسته‌ها نیست؛ به عبارت دیگه هرچی بچه کوچکتر، تاثیر مثبت «رفتن به سمت فرصت» بیشتر :دی(مقدار پی یا p-value اینجا داره احتمال مشاهده دادگان، به شرط بی‌تاثیر بودن نقل مکان برای دسته‌ها رو اندازه‌گیری می‌کنه؛ یعنی اگه فرض کنیم نقل مکان بی‌تاثیر بوده و باید دادگانی شبیه به دسته control ببینیم، چقدر چیزی که دیدیم محتمله. برای آشنایی بیشتر با p-value می‌تونید اینجا رو بخونید.)یک نگاه نقادانهخوب حالا که این آزمایش رو بررسی کردیم، خوبه یکم از دیدگاه نقادانه این آزمایش رو بررسی کنیم و اشکالات این مدل آزمایش (نسبت‌دادن تصادفی) رو بررسی کنیم:این مدل آزمایش، واقعن گرونه! می‌تونید تصور کنید که برای ۴۶۰۰ خانواده‌ای که این آزمایش روشون اجرا بشه چه هزینه‌ای خرج می‌شه.هزینه زیاد باعث می‌شه اندازه نمونه‌ای که داریم خیلی بزرگ نشه، بزرگ نبودن جامعه آماری‌مون باعث می‌شه اطمینان کمتری به نتایجمون داشته باشیم.ریزش: خونواده‌هایی که طی فرآیند آزمایش ردشون رو از دست می‌دیم رو بهش می‌گیم ریزش. می‌تونید تصور کنید که دنبال کردن همین نمونه‌ها طی چندین سال چقدر سخته و به راحتی ممکنه نتونیم دیگه دنبالشون کنیم. هم‌چنین وقتی نرخ ریزش توی دسته‌های مختلف متفاوت باشه، نتایج دسته‌هامون چندان قابل قیاس نباشن.نداشتن قابلیت تعمیم: اول این نوشته گفتیم که این آزمایش فقط توی ۵ منطقه اجرا شده و ممکنه قابل تعمیم به کل آمریکا نباشه.و اشکال بنیادی‌تری که می‌شه به این روش وارد کرد، اینه که آیا ما حق این رو داریم که با سکه، تصمیم بگیریم به یک سری از افراد امکانات بدیم و به یک سری دیگه نه؟خوب، پس الان چه روشی برای حمله به این مسئله پیشنهاد می‌دید؟!روشی که پیشنهاد داده می‌شه اینه که از Quasi-experiment استفاده کنیم؛ این که گفتیم یعنی چی؟اسم درس همین بود که از دادگان حجیم برای حل مسائل استفاده کنیم، پس الان هم همین کار رو می‌کنیم. با استفاده از داده‌ها، می‌تونیم به همه داده‌های افرادی که نقل مکان کردن دسترسی داشته باشیم، اینطوری بدون هزینه زیاد، به جامعه بزرگی دسترسی داریم. البته خوبه که ملاحظات استفاده از این روش رو هم در نظر بگیریم، برای مثال افرادی که به نقاط مختلف نقل مکان می‌کنن، قابل مقایسه با یکدیگر نیستن. دادگانمون اینطوری قابلیت تعمیم بیشتری هم دارن چون توی نقاط خاصی نمونه‌گیری اتفاق نیفتاده. برای اینکه دقیق‌تر ببینید با استفاده از این روش چطوری استنتاج می‌کنیم، می‌تونید مطلبی رو که عرفان برای بخش اول جلسهٔ دوم نوشته بخونید.خوب، پس تا اینجای این جلسه چی یاد گرفتیم؟ متوجه شدیم که امکانات نقل مکان برای رفتن به سمت فرصت، می‌تونه خیلی موثر باشه، به شرطی که این نقل مکان برای بچه‌ها در سنین پایین اتفاق بیفته، به عبارتی با یک هدف‌گذاری دقیق‌تر می‌شه خونواده‌های با فرزند کم‌سن‌تر رو به عنوان هدف انتخاب کرد.هم‌چنین اینکه متوجه شدیم این تسهیلات مالی باید مشخصن صرف نقل مکان به محله‌های به صرفه و با موقعیت بهتر بشه. (از کدوم قسمت آزمایش این نتیجه رو گرفتیم؟)مطالعات آماری نشون می‌ده که ۸۰ درصد تسهیلات مالی‌ اختصاص داده‌شده به خونواده‌های بخش ۸، داره در محله‌های با نرخ فقر بالا و کم‌برخوردار خرج می‌شه...حالا سوالی که برامون پیش می‌آد اینه که چطوری محله‌های به‌صرفه و یا موقعیت خوب و رو شناسایی کنیم؟ برای پاسخ به این سوال و بررسی اینکه منظورمون از به‌صرفه چیه و سوالات دیگر، منتظر بخش دوم جلسهٔ سوم می‌مونیم :)ممنون ازعرفان عزیز که از اساس من رو با این دوره آشنا کرد، وقت زیادی گذاشت تا در نگارش این نوشته به من کمک کنه و تاخیر‌های من رو با صبوری تحمل کرد. هم‌چنین عرفان معینی عزیز که متن رو خوند و سوالاتش رو پرسید و برای بهتر شد متن کمکم کرد :)این پست از مجموعه پستاییه که عرفان داشت مسیر خودش توی درس Using Big Data to Solve Economic and Social Problems و چیزایی که ازش یاد می‌گرفت و براش جالب بود رو به اشتراک می‌ذاشت. تا اینکه به من افتخار داد و باهاش هم‌مسیر شدم :) پست اول این مجموعه رو می‌تونید از اینجا ببینید و پست بعدی رو که عرفان نوشته از اینجا ببینید: https://virgool.io/@erfan.loghmani/%D8%A8%D8%AE%D8%B4-%D8%AF%D9%88%D9%85-%D8%AC%D9%84%D8%B3%D9%87%D9%94-%D8%B3%D9%88%D9%85-%DA%86%DB%8C%D8%B2%D8%A7%DB%8C%DB%8C-%DA%A9%D9%87-%D9%81%D9%87%D9%85%DB%8C%D8%AF%DB%8C%D9%85-%DA%86%D8%B7%D9%88%D8%B1%DB%8C-%DA%A9%D9%85%DA%A9%D9%85%D9%88%D9%86-%D9%85%DB%8C%DA%A9%D9%86%D9%87-xpuhinnridv9 سینا ریسمانچیان سینا ریسمانچیان Mon, 14 Sep 2020 14:48:10 +0430 https://virgool.io/@sina.rismanchian/%DB%8C%D8%A7-%D8%B2%D9%86%D8%AF%DA%AF%DB%8C-%D8%A8%D8%AE%D8%AA%D8%B1-%DB%8C%D8%A7-%D8%B2%D9%86%D8%AF%DA%AF%DB%8C-%D8%A8%D8%AE%D8%AA%D8%B1-fcccblldramj غروب بوشهر، ۱۰ بهمن ۹۸به نامش.خدا بگویم چه کند عرفان فرهادی را، رفیق هنری هم مصیبتی است‌ها! می‌رود و آن جان‌سوزترین‌ آثار تاریخ را پیدا می‌کند و ابتدا خود اسیرش می‌شود و سپس با دوستان به اشتراک می‌گذارد آن‌ها هم به دنبالش، از جمله من...داماهی را شنیده‌اید؟ من نشنیده بودم، «مردن مردانه» را که شنیدم، تازه متوجه شدم واژه داماهی هم زیست می‌کند!شش تیغه مکن صورت ای آدم دیوونه(شش تیغه نکن صورتت رو ، ای آدم دیوونه)کس منتظرت نینن وا سر خو مزن شونه(کسی منتظرت نیست، سرت رو شونه نکن)ایوم جوونی ره برگشتن هم اینینن(ایام جوونی رفت و برگشتی هم در کار نیست)مثل یه درختی که نابو دگه اون دونه(مثل درختی دیگر به دونه بر نمی گرده)حلاج که بردارن از راز و خبر دارن(حلاج که بر داره ، از رازها خبر داره)رازی که شو نافهمی صد عاقل و فرزونه(رازی که صد عاقل و فرزانه هم نمی فهمن)تو بازم اجنگیدی با دیو و دد و آدم( تو باز هم با دیو و حیوان و آدم می جنگی)تا بلکه وا دست پر هر رو بری خونه(تا شاید هر روز با دست پر بری به خونه)چشمی تو چشوم گفتن که مثل یه دیوارن(چشمی به چشمم افتاد که مثل یک دیوار بود)تو راه م و مردن ما بین م و خونه(در راه من و مردن ما بین من و خونه)نه خونه نابیم هه نه غربت و آبادی(نه خونی نابی دارم، نه غربت و آبادی)سرگشته و بی سامون ا ای خونه و او خونه(سرگشته و بی سامون ، از این خونه به اون خونه)تو مامن ابرامی سلطان بداقبالون(تو مامن ابراهیمی ، سلطان بد اقبالها)سرباری بشتر بس بی حجت و بی بونه(سرباری بیشتر بسه، بی دلیل و بی بهونه)تقدیر سر پیری از م چه شوا آخر؟(تقدیر سر پیری آخر از من چه می خواهد)یا زندگی بختر یا مردن مردونه(یا زندگی بهتر یا مردن مردونه)از بوشهر تا اصفهان و حتی حالا در اصفهان فکر می‌کردم و می‌کنم که آیا در عوض رها کردن زندگی‌ای که بختر نیست، مردن مردانه پیشکشمان می‌شود؟! به پاسخی نرسیده‌ام آن‌چنان، صرفن فکر می‌کنم رها کردن جنگیدن برا زندگی بختر، برای مردن مردانه بزدلانه است، و طبعن مردنش هم مردانه نیست...ما سربار دنیاییم، قبول! می‌فهمم که زدن زیر میز هم جذابیت‌های خاص خودش را دارد، می‌فهمم که «رهاش کن بره رئیس» دیالوگ زیبایی است، می‌فهمم که مردن مردانه آهنگ زیبایی است؛ راهکار اما، مردن مردانه در عوض زندگی بختر نیست؛ اگر تحملمان برای سربار بودن کم است، بیا تغییر دهیم شرایط را، بیا زندگی بختر را بسازیم؛ مطمئن باش در عوض پا پس کشیدن از زندگی بختر، مردن مردانه را پیشکش‌ات نمی‌کنند؛ در عوضِ مردن در راه زندگی بختر، شاید!بیا تا فلک را سقف بشکافیم.۱۳ بهمن ۹۸، اصفهان. سینا ریسمانچیان سینا ریسمانچیان Mon, 03 Feb 2020 02:16:22 +0330 https://virgool.io/rayanesh/%D8%A8%D9%87-%D9%86%D8%A7%D9%85-%D8%AA%D9%88-ttszpg58n2xb این اولین پست بلاگ من است. حالا که دارم این نوشته را تکمیل می‌کنم، یک دانشجوی ترم ۷ کامپیوتر شریف، یک معلم، یک عضو سادهٔ انجمن علمی دانشکده، عضو یک جمع دوست‌داشتنی به نام رستا، رفیق تعدادی رفیق و به صورت خلاصه سینا ریسمانچیان هستم!همیشه میانهٔ خوبی با نوشتن داشته‌ام اما هیچ‌گاه در یک بلاگ، به صورت پیوسته ننوشته‌ام؛ از این شاخه به آن شاخه زیاد رفته‌ام و اگر راستش را بخواهید، بعید می‌دانم این یکی هم پایداری چندانی داشته باشد؛ حتی نمی‌دانم می‌خواهم از چه بنویسم، از آن نوشته‌هایی که هیچ‌کس جز من نمی‌فهمدشان و به هیچ بنی‌بشری سودی نمی‌رساند یا از آن‌هایی که قرار است به درد کسی بخورد، که اگر قرار باشد به درد کسی بخورد بعید می‌دانم چیزی بتوانم بنویسم!هرچه که هست، ان‌شاء‌الله که خیر است!همهٔ این‌ها را نوشتم که بگویم سلام! سلام به شمایی که این نوشته را می‌خوانید، و سلام بر آنی که غایب است. سینا ریسمانچیان سینا ریسمانچیان Sun, 27 Oct 2019 13:55:29 +0330