در تاریخ 19 تیرماه 1402، جلسه پیش دفاع فاطمه جهانجو دانشجوی دکتری رشته آمار زیستی در محل مرکز تحقیقات مدیریت و پیشگیری از مصدومیت‌های حوادث ترافیکی برگزار شد.
جلسه پیش دفاع خانم جهانجو با حضور جناب آقای دکتر محمد اصغری جعفرآبادی و جناب آقای دکتر همایون صادقی بازرگانی، به عنوان اساتید راهنما، جناب آقای دکتر یداله محرابی از دانشگاه علوم پزشکی شهید بهشتی، جناب آقای دکتر علیرضا رزاقی به عنوان داور خارجی، و جناب آقای دکتر سعید موسوی و جناب آقای دکتر بهادر یزدانی به عنوان اعضای داور داخلی برگزار گردید. جناب آقای دکتر محمد اصغری جعفرآبادی از استرالیا و جناب آقای دکتر یداله محرابی از تهران به صورت آنلاین حضور داشتند. مدت زمان برگزاری این جلسه حدود 2 ساعت و 40 دقیقه بود که در طی آن، نظرات ارزشمند اساتید مورد بحث و تبادل نظر قرار گرفت. در نهایت تصمیم گرفته شد که پس از ارسال اصلاحات و تحقق نظرات داوران گرامی، دانشجو تا تاریخ 19 مردادماه برای دفاع نهایی آماده شود.
درمورد این پایان نامه میتوان گفت فوت ناشی از حوادث ترافیک جاده ای در ایران بیش از چهار برابر میانگین جهانی است. این وضعیت باعث شده که بانک جهانی ایران را به لحاظ حوادث ترافیک جاده ای در وضعیت بحرانی قرار دهد. بنابراین، اقدامات فوری و ضروری جهت کاهش بروز صدمات و مرگ‌ومیر جاده‌ای در ایران الزامی است. تاکنون در طراحی مدل‌ها، از روش های آماری سنتی برای تحلیل شدت تصادفات پیاده‌سازی شده‌اند. اما این مدل‌ها باید شرایط و قواعد اساسی داده‌ها و روابط بین متغیرهای مستقل و وابسته را رعایت کنند. نقض این پیش فرض ها ممکن است منجر به برآورد نادرست و نتایج غلط شود. در حال حاضر، تکنیک‌های یادگیری ماشین به عنوان روش‌های آماری کاربردی به طور قابل توجهی در تجزیه و تحلیل داده‌ها استفاده می‌شوند. این تکنیک‌ها نیازی به تعریف از پیش تعیین شده درباره رابطه میان متغیرهای مورد مطالعه ندارند و قادر به پیش‌بینی بدون نیاز به فهم دقیق مکانیسم‌های ضروری هستند. با این حال، حتی مطالعات بزرگ برای پیش‌بینی اثرات علی، به دلیل عدم تصادفی‌سازی، در معرض سوگیری و اشتباهات قرار می‌گیرند. به همین دلیل، روش‌های استنتاج علّیتی برای توسعه علم مرتبط مورد بررسی قرار می‌گیرند. همچنین، همواره این مشکل وجود دارد که با ورود تعداد زیادی متغیر به مدل علّیتی، مشکلاتی پیش‌آیند. این مشکلات شامل شناخت دقیق عوامل مخدوش کننده‌ی واقعی و همچنین تاثیر نادیده گرفتن یا در نظر گرفتن غیرمخدوش کننده‌ها است. در این تحقیق، هدف مدل‌سازی عوامل مؤثر بر ایمنی ترافیک بود و به همین دلیل یک روش استنتاج علّی یادگیری ماشین ترکیبی را برای حفظ تعداد کافی و متغیرهای موثر در مدل سازی علّی پیشنهاد شد. همچنین، از رویکرد بیزی جهت مقابله با داده‌های گم شده و پراکنده استفاده شد.