✅MicroResearch

🧠 چطور یک پرامپت خوب برای هوش مصنوعی بنویسیم؟

کیفیت خروجی‌ای که از ابزارهای هوش مصنوعی می‌گیرید، مستقیماً به کیفیت دستوری بستگی دارد که به آن می‌دهید.
یک پرامپت خوب یعنی دستور واضح + زمینه کافی + هدف مشخص.

در ادامه، ساختار یک پرامپت مؤثر را مرور می‌کنیم:

1️⃣ نقش را مشخص کنید (Role)

به هوش مصنوعی بگویید از چه زاویه‌ای پاسخ دهد.

مثلاً:
▫️ «به عنوان یک پژوهشگر سلامت عمومی پاسخ بده»
▫️ «در نقش یک نویسنده پروپوزال پژوهشی بنویس»
▫️ «مثل یک مروج علمی برای عموم توضیح بده»

این کار سطح تخصص، واژگان و لحن پاسخ را تنظیم می‌کند.

2️⃣ وظیفه را دقیق تعریف کنید (Task)

فقط موضوع را نگویید؛ بگویید دقیقاً چه کاری باید انجام شود.

❌ ضعیف:
«درباره سلامت دهان بنویس»

✅ قوی:
«چالش‌های اصلی سلامت دهان در سالمندان را خلاصه کن»

حتی بهتر است نوع خروجی را هم مشخص کنید:
▫️ «در ۱۵۰ کلمه»
▫️ «به صورت بولت‌پوینت»
▫️ «در قالب جدول مقایسه‌ای»

3️⃣ زمینه بدهید (Context)

اطلاعات پس‌زمینه باعث می‌شود پاسخ هدفمند و کاربردی شود.

مثلاً:
▫️ این متن برای پروپوزال است یا شبکه اجتماعی؟
▫️ حوزه پژوهش چیست؟
▫️ جمعیت مورد مطالعه چه کسانی هستند؟
▫️ محدودیت جغرافیایی یا زمانی وجود دارد؟

نمونه:
«این متن برای یک پروپوزال درباره ابزارهای دیجیتال سلامت دهان در سالمندان مناطق کم‌برخوردار است.»

4️⃣ محدودیت‌ها را تعیین کنید (Constraints)

این بخش جلوی پاسخ‌های کلی و نامتمرکز را می‌گیرد.

می‌توانید مشخص کنید:
▫️ حداکثر طول متن
▫️ لحن (رسمی، نیمه‌رسمی، ساده برای عموم)
▫️ سطح توضیح (تخصصی یا عمومی)
▫️ ساختار (پاراگرافی، لیستی، تیتر‌دار)

5️⃣ اگر می‌توانید، الگو بدهید (Examples)

وقتی ساختار دلخواه‌تان را نشان می‌دهید، خروجی بسیار دقیق‌تر می‌شود.

مثلاً:
«با این ساختار بنویس:
زمینه – مشکل – راهکار – اهمیت»

✨ یک قالب آماده برای استفاده

می‌توانید از این الگو در کارهای پژوهشی خود استفاده کنید:

نقش: …
وظیفه: …
زمینه: …
مخاطب: …
فرمت خروجی: …
محدودیت‌ها: …

🎯 جمع‌بندی
اگر پاسخ هوش مصنوعی کلی، نامرتبط یا ضعیف است، معمولاً مشکل از «پرامپت» است نه از «ابزار».
پرامپت دقیق = خروجی دقیق.

#ArtificialIntelligence #PromptEngineering #ResearchTools #ResearchSkills #AcademicSkills #ScientificResearch #EarlyCareerResearchers #PhDLife #OneMinuteTip

✅MicroResearch

🔍 SCI، ISI و Web of Science |
یک سوءتفاهم رایج پژوهشی

خیلی وقت‌ها می‌شنویم:
«این ژورنال ISI هست؟»
یا
«مقاله SCI حساب می‌شه؟»

اما واقعیت علمی امروز کمی دقیق‌تر از این اصطلاحات قدیمی است 👇

📌 SCI چیست؟
کلمه SCI مخفف *Science Citation Index* است؛ یکی از شاخص‌های اصلی پایگاه Web of Science که ژورنال‌ها را بر اساس کیفیت داوری، استنادپذیری و تأثیر علمی ارزیابی می‌کند.

📌 ISI چیست؟
کلمه ISI در اصل نام یک مؤسسه قدیمی (*Institute for Scientific Information*) بود که سال‌ها پیش پایگاه‌های استنادی را بنیان گذاشت.
❗️این مؤسسه امروز دیگر وجود مستقل ندارد و فعالیت‌های آن به Clarivate Analytics منتقل شده است.

📌 پس معیار واقعی امروز چیست؟
✅ Web of Science
این پایگاه تنها سیستمی است که:

* کیفیت ژورنال‌ها را ساختارمند ارزیابی می‌کند
* Impact Factor را به‌صورت رسمی محاسبه می‌کند
* فیلترهای سخت‌گیرانه‌ای برای داوری، ثبات انتشار و اثرگذاری علمی دارد

📌 چرا نمایه شدن در WoS مهم است؟
در بسیاری از نظام‌های دانشگاهی:

* ارتقای هیئت علمی
* اعتبار پایان‌نامه‌ها
* طرح‌های پژوهشی

فقط استناد به ژورنال‌های نمایه‌شده در Web of Science معتبر محسوب می‌شود.

🎯 جمع‌بندی کوتاه:

* ISI → یک نام تاریخی
* SCI → یکی از شاخص‌های Web of Science
* معیار رسمی امروز → جایگاه ژورنال در Web of Science

❓پس سؤال درست این نیست:
«ژورنال ISI هست یا نه؟»

✅ سؤال درست این است:
«در کدام شاخص Web of Science نمایه شده است؟»


📊 شاخص‌های اصلی Web of Science

🔹 SCI-Expanded (SCIE)
ژورنال‌های علوم پایه و پزشکی با Impact Factor

🔹 ESCI
ژورنال‌های در حال ارزیابی کیفی (بدون Impact Factor)

#MicroResearch #WebOfScience #SCI #SCIE #ResearchLiteracy #AcademicPublishing #OneMinuteTip

✅MicroResearch

📊 شاخص‌ CiteScore و SJR؛ شاخص‌های مهم ارزیابی مجلات علمی

🔹 CiteScore چیست؟
شاخصی کمّی از پایگاه Scopus (وابسته به **Elsevier**) که نشان می‌دهد مقالات یک مجله در بازه ۴ ساله به طور میانگین چند بار استناد دریافت کرده‌اند. این شاخص صرفاً بر *تعداد استنادها* تمرکز دارد و برای مقایسه کلی مجلات در یک حوزه علمی کاربرد دارد.

🔹 SJR چیست؟
شاخص SCImago Journal Rank که توسط گروه SCImago محاسبه می‌شود. در این معیار، علاوه بر تعداد استنادها، *اعتبار مجله استنادکننده* نیز لحاظ می‌شود؛ بنابراین استناد از مجلات معتبرتر وزن بیشتری دارد.

📌 تفاوت اصلی
CiteScore → کمّیت استنادها
SJR → کمّیت + کیفیت استنادها

🏆 چارک‌بندی مجلات
بر اساس این شاخص‌ها، مجلات در چهار چارک Q1 تا Q4 طبقه‌بندی می‌شوند که Q1 نشان‌دهنده ۲۵٪ برتر هر حوزه است و معمولاً در ارزیابی‌های علمی و دانشگاهی اهمیت بیشتری دارد.
#CiteScore #SJR #Scopus #AcademicPublishing #JournalRanking #Q1 #ResearchMetrics #PhDLife #OneMinuteTip

✅MicroResearch
⚖️نکته اخلاق پژوهش: مسئولیت استفاده از هوش مصنوعی
ابزارهای هوش مصنوعی (مثل ChatGPT یا Elicit) در نگارش علمی بسیار مفیدند،
اما نویسنده همچنان مسئول صحت داده‌ها و تفسیر نتایج است.
🔹 همیشه ذکر کنید از AI در چه بخشی استفاده شده (مثلاً "editing assistance" یا "data organization").
🔹 هیچ‌وقت متن تولیدی AI را بدون بازبینی به‌عنوان داده یا تحلیل منتشر نکنید.
استفاده مسئولانه از AI، نشانه‌ی بلوغ پژوهشی است.
#ResearchEthics #AIinAcademia #ResponsibleAI #OneMinuteTip

✅MicroResearch

🧠 ابزار هوش مصنوعی برای تولید شکل‌های علمی: Paper Banana
🔗 https://paperbanana.me

اگر آماده‌سازی شکل‌های مقاله برایتان زمان‌بر است، Paper Banana می‌تواند فرآیند را ساده‌تر کند.

این ابزار با استفاده از هوش مصنوعی، توضیح متنی شما را به یک شکل علمی آماده انتشار تبدیل می‌کند. یعنی به‌جای طراحی دستی، فقط کافی است دقیق توضیح بدهید چه می‌خواهید.

✍ مثال پرامپت:
“A methodology flowchart for a scoping review including search, screening, eligibility, and synthesis steps with arrows, clean academic style.”

⚙ چطور کار می‌کند؟
1️⃣ شما توضیح متنی شکل را وارد می‌کنید
2️⃣ سیستم ساختار بصری مناسب را طراحی می‌کند
3️⃣ خروجی نهایی به‌صورت تصویر قابل دانلود ارائه می‌شود

📊 چه نوع شکل‌هایی می‌توانید بسازید؟
– فلوچارت انتخاب مقاله
– دیاگرام روش‌شناسی
– مدل مفهومی پژوهش
– نمودارهای داده
– اینفوگرافیک‌های علمی

💡 مزایا
✔ صرفه‌جویی در زمان
✔ خروجی تمیز و آکادمیک
✔ مناسب مقاله، پایان‌نامه و پوستر
✔ بدون نیاز به Illustrator

💰 مدل قیمت‌گذاری
– نسخه رایگان با اعتبار محدود برای تست
– طرح‌های پولی با خرید credit یا اشتراک ماهانه/سالانه
(برای جزئیات دقیق باید بخش Pricing سایت را بررسی کرد)

در پست بعدی، ابزارهای مشابه و گزینه‌های رایگان را دقیق‌تر بررسی می‌کنیم 👇

#MicroResearch #AIinResearch #ScientificWriting #DigitalScholarship

✅MicroResearch

🔎 ابزارهای مشابه Paper Banana + گزینه‌های رایگان

اگر قصد دارید برای مقاله یا ارائه‌تان شکل حرفه‌ای بسازید، این ابزارها هم قابل توجه‌اند:

🧬 BioRender
مناسب علوم زیستی و پزشکی.
دارای کتابخانه گسترده از اجزای سلولی، مولکولی و آناتومیک.
بیشتر مبتنی بر Drag & Drop است تا تولید کامل از متن.
نسخه رایگان محدود دارد (خروجی‌ها واترمارک دارند).

🎨 Canva (با ابزارهای AI)
مناسب اینفوگرافیک و طراحی‌های سریع.
رابط کاربری ساده و قالب‌های آماده زیاد.
خروجی بیشتر گرافیکی است تا کاملاً آکادمیک تخصصی.
نسخه رایگان کاربردی دارد.

📐 Mermaid
ابزار رایگان و کدمحور برای تولید فلوچارت و دیاگرام.
در Markdown و بسیاری از پلتفرم‌های علمی قابل استفاده است.
نیاز به نوشتن ساختار متنی (کد ساده) دارد.
کاملاً رایگان و بسیار مناسب پژوهشگران فنی.

📊 PlantUML
مشابه Mermaid ولی پیشرفته‌تر در دیاگرام‌های سیستمی.
مناسب معماری نرم‌افزار و مدل‌های مفهومی پیچیده.
رایگان و متن‌محور.

🧠 Diagram Generators مبتنی بر AI
ابزارهای مختلف آنلاین وجود دارند که از متن دیاگرام می‌سازند، اما کیفیت آکادمیک آن‌ها متفاوت است و معمولاً برای کارهای عمومی مناسب‌ترند.

📌 جمع‌بندی مقایسه‌ای کوتاه

اگر پژوهشگر حوزه پزشکی/زیستی هستید و شکل‌های بیولوژیک می‌خواهید → BioRender گزینه قوی‌تری است.
اگر طراحی گرافیکی و ارائه بصری مهم‌تر است → Canva مناسب‌تر است.
اگر کنترل دقیق و ساختار رسمی می‌خواهید و با کدنویسی راحتید → Mermaid یا PlantUML انتخاب‌های عالی و رایگان هستند.
اگر می‌خواهید فقط با یک توضیح متنی، سریع یک شکل علمی آماده مقاله بگیرید → Paper Banana گزینه جذابی است.

#MicroResearch #AIinResearch #AcademicTools #ScientificIllustration #ResearchProductivity

🔎 ابزار هفته:
Connected Papers سایت🌐
یک نقشه‌ی تصویری از دنیای پژوهش!
با وارد کردن عنوان یا DOI، شبکه‌ای از مقالات مرتبط با روابط موضوعی نمایش می‌دهد.
📘 کاربرد اصلی: کشف مقالات کمتر استنادشده ولی مهم،
و درک روند تکامل ایده‌ها در گذر زمان.
📊 به‌ویژه برای نوشتن بخش Background عالی است چون ارتباط پژوهش‌ها را نشان می‌دهد، نه فقط لیست‌شان را.
#LiteratureReview #ConnectedPapers #ResearchTools
#OneMinuteTip

✅MicroResearch

📚Systematic vs Narrative Review: تفاوت در رویکرد مرور ادبیات

در پژوهش‌های علمی، مرور ادبیات می‌تواند دو شکل اصلی داشته باشد: Systematic Review و Narrative Review.

🔹 Systematic Review با هدف پاسخ به یک سؤال دقیق پژوهشی انجام می‌شود. در این نوع مرور، جستجوی منابع به‌صورت دقیق، ساختارمند و تکرارپذیر انجام می‌گیرد تا اطمینان حاصل شود که تمام شواهد مرتبط جمع‌آوری شده‌اند. تحلیل داده‌ها در آن معمولاً کمی یا کیفی به‌صورت نظام‌مند است و نتیجه‌ی آن، ترکیبی از شواهد علمی معتبر برای تصمیم‌گیری‌های مبتنی بر شواهد (Evidence-Based) محسوب می‌شود.
🔹 در مقابل، Narrative Review نگاهی کلی و تفسیری به یک موضوع دارد. در این نوع مرور، نویسنده معمولاً بر اساس تجربه و انتخاب شخصی خود منابع را مرور می‌کند و نظر شخصی نویسنده دخیل است. در نتیجه، بیانگر دیدگاه و تفسیر کلی نویسنده است نه لزوماً جمع‌بندی نظام‌مند از تمام شواهد موجود.

🧠 هر دو نوع مرور اهمیت خاص خود را دارند؛ اما Systematic Review پایه و اساس تصمیم‌گیری‌های بالینی و انجام Meta-analysis است، در حالی که Narrative Review برای آشنایی کلی با موضوع و شکل‌دهی به ایده‌های پژوهشی جدید مفید است.

#SystematicReview #AcademicResearch #EvidenceBased

🔜در پست بعد به تفاوت Scouping Review با Systematic Review و Narrative Review می‌پردازیم.

🌟 با ما همراه باشید ☺️

🔗 لینک کانال تلگرام:
https://t.me/MicroResearchTums

✅MicroResearch

📚تفاوت Scoping Review با Systematic Review و Narrative Review

نوع دیگری از مرور ادبیات که در سال‌های اخیر بسیار مورد توجه قرار گرفته، Scoping Review است.
🔹 Scoping Review با هدف «نقشه‌برداری» از ادبیات موجود در یک حوزه انجام می‌شود. این نوع مرور بیشتر زمانی کاربرد دارد که موضوع پژوهش گسترده، نوظهور یا پیچیده باشد و پژوهشگر بخواهد بداند چه مطالعاتی انجام شده، چه مفاهیمی مطرح است و چه شکاف‌های پژوهشی وجود دارد.
🔹 برخلاف Systematic Review، در Scoping Review معمولاً تمرکز بر ارزیابی دقیق کیفیت مطالعات یا استخراج یک پاسخ قطعی برای سؤال پژوهشی نیست؛ بلکه هدف، ارائه تصویری کلی از دامنه پژوهش‌ها و جهت‌گیری مطالعات است.
🔹 از سوی دیگر، Scoping Review نسبت به Narrative Review ساختارمندتر و شفاف‌تر است؛ زیرا جستجوی منابع و مراحل انتخاب مطالعات در آن به‌صورت نظام‌مند گزارش می‌شود.

📌 به‌طور خلاصه:

• Narrative Review → مرور تفسیری و کلی
• Scoping Review → ترسیم نقشه پژوهش‌های موجود
• Systematic Review → پاسخ دقیق و مبتنی بر شواهد به یک سؤال مشخص

🧠 انتخاب نوع مرور ادبیات به هدف پژوهش بستگی دارد؛ اگر به دنبال شناخت کلی حوزه باشید، Scoping Review مناسب است، اما اگر هدف تصمیم‌گیری مبتنی بر شواهد و جمع‌بندی دقیق نتایج باشد، Systematic Review انتخاب قوی‌تری خواهد بود.

#ScoupingReview
#SystematicReview #AcademicResearch #EvidenceBased

🌟 با ما همراه باشید ☺️

🔗 لینک کانال تلگرام:
https://t.me/MicroResearchTums

✅MicroResearch

«آیا می‌توان یک پژوهش را قبل از چاپ رسمی در مجله، جایی ثبت یا منتشر کرد؟»


وقتی یک مقاله را برای مجله ارسال می‌کنیم، معمولاً چند ماه تا بیش از یک سال طول می‌کشد تا فرایند داوری و انتشار آن به پایان برسد.
اما آیا باید تا آن زمان منتظر ماند تا دیگران از نتایج پژوهش ما مطلع شوند؟
پاسخ منفی است.

در سال‌های اخیر مفهومی به نام Preprint به بخش مهمی از ارتباطات علمی تبدیل شده است.
پری‌پرینت نسخه‌ای از مقاله علمی است که پیش از داوری همتا (Peer Review) در یک مخزن عمومی منتشر می‌شود و برای همه قابل مشاهده است.
به بیان ساده:
🔹 مقاله را می‌نویسید.
🔹 آن را در یک سرور پری‌پرینت بارگذاری می‌کنید.
🔹 مقاله ظرف مدت کوتاهی منتشر می‌شود.
🔹 سپس می‌توانید آن را برای داوری به مجله ارسال کنید.
بنابراین برخلاف تصور رایج، اولین باری که دیگران مقاله شما را می‌بینند لزوماً زمان چاپ در مجله نیست.


🔜در پست بعدی بررسی می‌کنیم که چرا پژوهشگران از پری‌پرینت استفاده می‌کنند و مزایا و چالش‌های آن چیست.

#ResearchMethodology #Preprint #AcademicPublishing #OpenScience #MicroResearc

🌟 با ما همراه باشید ☺️

🔗 لینک کانال تلگرام:
https://t.me/MicroResearchTums

✅MicroResearch

چرا پژوهشگران مقاله خود را به صورت Preprint منتشر می‌کنند؟ (بخش دوم)

پری‌پرینت در سال‌های اخیر به یکی از ابزارهای مهم پژوهشگران تبدیل شده است.

مهم‌ترین مزایای آن عبارت‌اند از:

✅ انتشار سریع نتایج پژوهش

به جای انتظار چندین ماهه برای داوری، نتایج تقریباً بلافاصله در دسترس جامعه علمی قرار می‌گیرد.

✅ ثبت تقدم علمی

از آنجا که پری‌پرینت دارای تاریخ انتشار مشخص است، نشان می‌دهد چه زمانی نتایج برای نخستین بار منتشر شده‌اند.

✅ دریافت بازخورد

پژوهشگران دیگر می‌توانند پیش از چاپ نهایی مقاله، دیدگاه‌ها و پیشنهادهای خود را ارائه کنند.

✅ افزایش دیده‌شدن پژوهش

مقاله زودتر خوانده می‌شود و احتمال ارجاع به آن افزایش می‌یابد.

اما پری‌پرینت محدودیت‌هایی نیز دارد:

⚠️ هنوز داوری نشده است.

⚠️ ممکن است خطاهای روش‌شناختی یا تحلیلی داشته باشد.

⚠️ نباید نتایج آن را معادل یک مقاله نهایی و تأییدشده در نظر گرفت.

به همین دلیل هنگام مطالعه یک پری‌پرینت همیشه باید به این نکته توجه کرد که مقاله هنوز از فیلتر داوری علمی عبور نکرده است.

در پست بعدی با ابزاری آشنا می‌شویم که برخلاف پری‌پرینت، نه برای انتشار مقاله، بلکه برای ثبت برنامه انجام پژوهش استفاده می‌شود.

#Preprint #ResearchIntegrity #PeerReview #OpenScience #AcademicResearch

🌟 با ما همراه باشید ☺️

🔗 لینک کانال تلگرام:
https://t.me/MicroResearchTums

✅MicroResearch
‎
قبل از انجام مرور سیستماتیک، آن را ثبت کنید!
آشنایی با PROSPERO (بخش اول)

فرض کنید قصد دارید یک مرور سیستماتیک یا متاآنالیز انجام دهید.‎ از کجا مطمئن می‌شوید که گروه دیگری در حال انجام دقیقاً همان مطالعه نیست؟‎و چگونه می‌توان نشان داد که روش مطالعه از ابتدا مشخص بوده و بعداً بر اساس نتایج تغییر نکرده است؟‎
اینجاست که PROSPERO وارد می‌شود.

در حقیقت PROSPERO یک سامانه بین‌المللی برای ثبت پروتکل مرورهای سیستماتیک است.‎

در این سامانه پژوهشگر قبل از شروع مراحل اصلی مطالعه، اطلاعاتی مانند:‎
🔹سؤال پژوهش‎
🔹جمعیت مورد مطالعه‎
🔹معیارهای ورود و خروج‎
🔹استراتژی جستجو‎
🔹روش تحلیل داده‌ها‎ را ثبت می‌کند.

ثبت در PROSPERO به معنای داوری علمی پروتکل نیست؛ کارشناسان بیشتر بررسی می‌کنند که مطالعه واجد شرایط ثبت باشد و اطلاعات لازم به‌طور کامل ارائه شده باشد. بنابراین شماره ثبت PROSPERO معادل پذیرش یا تأیید علمی مطالعه نیست، بلکه نشان‌دهنده ثبت و شفاف‌سازی پروتکل پژوهش است.
در واقع در PROSPERO هنوز مقاله‌ای وجود ندارد؛ بلکه نقشه راه انجام مطالعه ثبت می شود.

#SystematicReview #MetaAnalysis #PROSPERO #EvidenceBasedResearch #ResearchMethods

🌟 با ما همراه باشید ☺️


🔗 لینک کانال تلگرام:https://t.me/MicroResearchTums

✅MicroResearch
چرا ثبت پروتکل در PROSPERO اهمیت دارد؟
(بخش دوم)
ثبت پروتکل در PROSPERO چند مزیت مهم دارد:

✅ افزایش شفافیت پژوهش

روش مطالعه از ابتدا مشخص می‌شود و برای دیگران قابل مشاهده است.

✅ کاهش سوگیری

احتمال تغییر معیارها یا روش تحلیل پس از مشاهده نتایج کاهش می‌یابد.

✅ جلوگیری از تکرار غیرضروری پژوهش‌ها

پژوهشگران می‌توانند بررسی کنند که آیا مطالعه مشابهی در حال انجام است یا خیر.

✅ افزایش اعتبار مقاله

امروزه بسیاری از مرورهای سیستماتیک معتبر دارای شماره ثبت PROSPERO هستند.

البته این سامانه محدودیت‌هایی نیز دارد:

⚠️ برای همه انواع مطالعات قابل استفاده نیست.

⚠️ نیازمند برنامه‌ریزی دقیق قبل از شروع مطالعه است.

⚠️ تغییرات بعدی در پروتکل باید مستند شوند.

بنابراین PROSPERO در واقع ابزاری برای «ثبت برنامه پژوهش» است، نه انتشار نتایج آن.

در پست آخر تفاوت و ارتباط PROSPERO و Preprint را با هم جمع‌بندی می‌کنیم.

#PROSPERO #SystematicReview #MetaAnalysis #ResearchTransparency #OpenScience

🌟 با ما همراه باشید ☺️

🔗 لینک کانال تلگرام:
https://t.me/MicroResearchTums

✅MicroResearch

🧠 Preprint و PROSPERO:
دو مسیر متفاوت برای افزایش شفافیت پژوهش

در نگاه اول ممکن است Preprint و PROSPERO متفاوت به نظر برسند؛ اما هر دو بخشی از حرکت جهانی به سمت علم باز (Open Science) هستند.

تفاوت اصلی آن‌ها:

📌 PROSPERO
قبل از انجام مطالعه ثبت می‌شود و پروتکل پژوهش را در اختیار جامعه علمی قرار می‌دهد.

📌 Preprint
پس از انجام پژوهش و نگارش مقاله منتشر می‌شود و نتایج را پیش از چاپ رسمی در دسترس قرار می‌دهد.

به بیان ساده:

🔹 PROSPERO = انتشار نقشه راه پژوهش

🔹 Preprint = انتشار نتایج پژوهش

هر دو ابزار به افزایش شفافیت، کاهش سوگیری، تسریع تبادل دانش و ارتقای کیفیت پژوهش کمک می‌کنند.

اگر در حال انجام یک مرور سیستماتیک هستید، احتمالاً ابتدا PROSPERO و سپس پس از تکمیل مطالعه، انتشار نسخه Preprint می‌تواند بخشی از مسیر حرفه‌ای پژوهش شما باشد.

پژوهش مدرن فقط تولید دانش نیست؛ بلکه شفاف و قابل‌ردیابی بودن فرایند تولید دانش نیز اهمیت دارد.

#OpenScience #PROSPERO #Preprint #ResearchTransparency #SystematicReview #MetaAnalysis #AcademicPublishing #MicroResearch

🌟 با ما همراه باشید ☺️


🔗 لینک کانال تلگرام:https://t.me/MicroResearchTums

⏱️One Minute Tip\ MicroReserach

🔎 معرفی ابزار Consensus: هوش مصنوعی مخصوص پیدا کردن پاسخ از دل مقالات علمی

اگر تا بحال برای پاسخ به یک سؤال پژوهشی بین ده‌ها مقاله سردرگم شده‌اید، Consensus ابزاری است که دقیقاً برای همین منظور طراحی شده.

تمرکز اصلی Consensus بر این است که به‌جای جستجوی ساده مقاله، به سؤال پژوهشی شما بر اساس شواهد علمی پاسخ بدهد.

Consensus:

✅ بین مقالات علمی جستجو می‌کند
✅ نتایج را جمع‌بندی می‌کند
✅ پاسخ خلاصه و قابل‌فهم ارائه می‌دهد
✅ مقالات مرتبط را نمایش می‌دهد
✅ شواهد موافق و مخالف را کنار هم نشان می‌دهد
✅ مسیر مطالعه عمیق‌تر را مشخص می‌کند

⭐ ویژگی‌ای که Consensus را متمایز کرده است:

Search → Summarize → Evidence

🔹 جستجوی هوشمند در ادبیات علمی
🔹 استخراج پاسخ اولیه
🔹 ارائه پشتوانه و شواهد برای نتیجه

🧠 کاربردهای عملی برای پژوهشگران
• شروع سریع Literature Review
• آشنایی اولیه با وضعیت شواهد
• پیدا کردن مقالات کلیدی
• کشف شکاف‌های پژوهشی (Research Gap)
• کاهش زمان غربالگری اولیه مطالعات

⚠️ نکته مهم:
ابزار Consensus جایگزین مطالعه انتقادی مقاله‌ها نیست؛ اما می‌تواند نقطه شروع بسیار قدرتمندی برای جهت‌دهی به پژوهش باشد.

وب سایت رسمی: consensus.app

#MicroResearch #ResearchTools #AIforResearch #LiteratureReview #EvidenceBasedResearch #AcademicResearch #ScientificWriting #ResearchProductivity #OneMinuteTip

✅MicroResearch

🔎 SciSpace | هوش مصنوعی برای جستجو، خواندن، تحلیل و فهم مقالات علمی

اگر بخش زیادی از زمان پژوهش صرف پیدا کردن مقاله، خواندن PDFها، فهم روش‌ها و استخراج اطلاعات می‌شود، احتمالاً SciSpace یکی از ابزارهایی است که ارزش امتحان کردن دارد.

ابزار SciSpace یک پلتفرم مبتنی بر هوش مصنوعی برای مطالعه، تحلیل و مدیریت فرآیند مرور متون است که تلاش می‌کند فاصله بین «پیدا کردن مقاله» و «فهمیدن مقاله» را کمتر کند.

برخلاف موتورهای جستجوی علمی که صرفاً مقاله نمایش می‌دهند، SciSpace بیشتر روی تعامل با محتوای مقاله تمرکز دارد.

📌 تمرکز اصلی SciSpace چیست؟

تبدیل فرآیند سنتی:

جستجوی مقاله → دانلود PDF → مطالعه → خلاصه‌برداری → استخراج اطلاعات

به یک فرآیند تعاملی:

پیدا کردن مقاله → پرسیدن سؤال → تحلیل → استخراج اطلاعات


⭐ مهم‌ترین قابلیت‌های SciSpace

📄 ۱. Chat with PDF | گفت‌وگو با مقاله

معروف‌ترین قابلیت SciSpace.

فایل PDF مقاله را بارگذاری می‌کنید و مستقیماً از متن مقاله سؤال می‌پرسید.

مثال سؤال‌ها:

• هدف مطالعه چه بوده؟
• حجم نمونه چقدر بوده؟
• روش آماری چیست؟
• نتایج اصلی چه هستند؟
• محدودیت‌های مطالعه چیست؟
• نویسندگان چه پیشنهادهایی برای تحقیقات آینده داده‌اند؟

به‌جای جستجوی دستی در چندین صفحه، پاسخ مستقیماً از متن مقاله استخراج می‌شود.

🧠 ۲. توضیح مفاهیم و اصطلاحات علمی

اگر داخل مقاله به اصطلاح، روش، مدل یا عبارت پیچیده‌ای برسید:

SciSpace می‌تواند:

✓ اصطلاح را توضیح دهد
✓ مفهوم را ساده‌تر کند
✓ مثال ارائه دهد
✓ ارتباط آن با متن مقاله را توضیح دهد

این قابلیت برای دانشجویان و پژوهشگرانی که وارد حوزه جدید می‌شوند بسیار کاربردی است.

📚 ۳. جستجوی مقاله با زبان طبیعی

به‌جای ساختن Queryهای پیچیده:

❌
("oral microbiome" AND Alzheimer)

می‌توانید سؤال را طبیعی بنویسید:

✔
What is the relationship between oral microbiome and Alzheimer's disease?

و ابزار مقالات مرتبط را پیدا می‌کند.

📊 ۴. خلاصه‌سازی مقاله و استخراج اطلاعات

SciSpace می‌تواند بخش‌های کلیدی مقاله را سریع‌تر استخراج کند:

• سؤال پژوهش
• طراحی مطالعه
• جامعه مورد مطالعه
• روش
• نتایج
• محدودیت‌ها
• جمع‌بندی

این قابلیت برای مرور متون و غربالگری اولیه بسیار مفید است.

📝 ۵. کمک به Literature Review

برای مرور متون، SciSpace می‌تواند:

✓ مقالات مرتبط پیشنهاد دهد
✓ مقالات مشابه پیدا کند
✓ مطالعه چند مقاله را سریع‌تر کند
✓ مقایسه اولیه بین مقالات انجام دهد

📂 ۶. مدیریت و سازمان‌دهی مطالعه

در بسیاری از پروژه‌ها پژوهشگر با ده‌ها PDF مواجه می‌شود.

SciSpace کمک می‌کند:

• مقالات را جمع‌آوری کنید
• آن‌ها را مرور کنید
• اطلاعات مهم را سریع‌تر استخراج کنید
• مسیر مطالعه را ساختاریافته‌تر پیش ببرید

⚙️ ۷. کمک به نگارش علمی

در بعضی بخش‌ها می‌تواند:

• متن علمی را بازنویسی کند
• خلاصه تولید کند
• ساختار اولیه متن ارائه دهد
• نگارش آکادمیک را بهبود دهد

البته خروجی نیاز به بازبینی پژوهشگر دارد.

⭐ چرا SciSpace محبوب شد؟
چون فرآیند را از «خواندن مقاله» به «تعامل با مقاله» تبدیل کرد.

🧠 کاربردهای عملی برای پژوهشگران

• مطالعه سریع‌تر مقالات
• شروع Literature Review
• استخراج داده برای مرورها
• فهم روش‌ها و نتایج
• پیدا کردن Research Gap
• آماده‌سازی اولیه برای نگارش مقاله


⚠️ نکته مهم

SciSpace یک ابزار کمکی پژوهش است؛ نه جایگزین خواندن مقاله و ارزیابی انتقادی شواهد.
پاسخ‌های تولیدشده را همیشه با متن اصلی مقاله بررسی کنید.

🌐 scispace.com

#MicroResearch #SciSpace #ResearchTools #AIforResearch #LiteratureReview #AcademicResearch #ScientificWriting #ResearchProductivity

✅MicroResearch

🧰 |نوار ابزار کناری SciSpace

این بخش مجموعه‌ای از ابزارهای آماده است که هرکدام برای یک مرحله از پژوهش طراحی شده‌اند درنتیجه به‌جای اینکه برای هر کار سراغ یک سایت جدا بروید، از همان محیط ابزار مناسب را انتخاب می‌کنید.
در اینجا چند ابزار این دستیار شخصی را معرفی میکنیم.

📝 AI Writer | دستیار نگارش و ویرایش متن

برای مواقعی که محتوای اولیه را دارید اما می‌خواهید سریع‌تر آن را سازمان‌دهی و اصلاح کنید.

می‌توانید از آن بخواهید:
• ساختار متن را منظم‌تر کند
• متن را روان‌تر و خواناتر کند
• بخش‌های مبهم را شفاف‌تر کند
• لحن متن را رسمی‌تر یا آکادمیک‌تر کند
• متن را خلاصه یا بازآرایی کند


♻️ Paraphrasing Tool | بازنویسی علمی متن

این ابزار متن را بازنویسی می‌کند بدون اینکه لازم باشد دوباره از ابتدا بنویسید. برای زمانی که:
• متن بیش از حد تکراری شده
• لحن آکادمیک نیست
• جمله‌ها طولانی هستند

🤖 Agent Gallery | مجموعه Agentهای آماده

به‌جای نوشتن پرامپت از صفر، Agent انتخاب کنید. هر Agent برای یک کار طراحی شده.
مثال:
📚 مرور متون
📄 تحلیل مقاله
📂 استخراج داده
📝 نگارش علمی
🔎 تحلیل سؤال پژوهشی

🧠Discuss with PDF | به‌جای خواندن خط‌به‌خط، با مقاله گفتگو کنید

یکی از شناخته‌شده‌ترین بخش‌های SciSpace، قابلیت Discuss with PDF یا همان چت با فایل PDF است.
فایل PDF را آپلود می‌کنید، سؤال می‌پرسید و به‌جای جستجو در صفحات، پاسخ را مستقیم از محتوای فایل دریافت می‌کنید.
چه کارهایی می‌شود انجام داد؟
✓ پرسیدن سؤال از متن مقاله
✓ دریافت پاسخ‌های کوتاه و مستقیم
✓ دریافت خلاصه از بخش‌های مختلف
✓ ادامه گفتگو با سؤال‌های بعدی
✓ مشاهده بخش‌هایی از متن که پاسخ از آن استخراج شده

📄 Ai Detector | بازبینی متن

قبل از ارسال مقاله یا گزارش می‌تواند روی:
✓ وضوح متن
✓ انسجام
✓ ساختار
✓ تکرار محتوا بازخورد بدهد.
اما یک نکته مهم:
⚠️ خروجی AI Detector قطعیت ندارد و نباید به‌تنهایی مبنای قضاوت درباره اصالت متن قرار بگیرد. بهتر است از آن به‌عنوان ابزار بازبینی استفاده شود، نه تصمیم نهایی.

📚 My Library | کتابخانه شخصی پژوهش

به‌جای اینکه هر بار فایل‌ها را جداگانه باز کنید، می‌توانید همه منابع را در یک کتابخانه جمع کنید.
امکانات این بخش:
✓ اتصال و Import کردن کتابخانه Zotero
✓ اتصال به Mendeley
✓ Drag & Drop فایل‌های PDF
✓ نگهداری مقاله‌ها در یک فضای واحد
✓ جستجو بین فایل‌های واردشده
✓ پرسیدن سؤال از مقاله‌های ذخیره‌شده

در نتیجه یعنی اگر سال‌ها منابع را داخل زوترو جمع کرده‌اید، لازم نیست از صفر شروع کنید؛ کتابخانه را وارد می‌کنید و روی همان منابع ادامه می‌دهید.

📂 Data Extractor | استخراج داده از مقاله بدون کپی‌کردن دستی

این ابزار برای مرحله‌ای طراحی شده که مقاله‌ها را پیدا کرده‌اید، اما حالا باید اطلاعاتشان را استخراج و سازمان‌دهی کنید.
امکانات این بخش:
✓ شناسایی و استخراج جدول‌ها (Tables) از فایل‌های پژوهشی
✓ استخراج آمار و داده‌های گزارش‌شده
✓ شناسایی Citationها و اطلاعات منابع
✓ خلاصه‌سازی یافته‌های کلیدی مقاله
✓ تبدیل اطلاعات غیرساختاریافته به داده قابل استفاده
بعد از استخراج، امکان دریافت خروجی وجود دارد:
📄 CSV
📊 Excel
📚 RIS
🌍پشتیبانی از بیش از ۷۵ زبان

💡در عمل، نوار ابزار SciSpace بیشتر شبیه یک میزکار پژوهشی شخصی عمل می‌کند تا مجموعه‌ای از ابزارهای جدا از هم.

🌟با ما همراه باشید☺️

#MicroResearch #SciSpace #ResearchTools #AIforResearch #ScientificWriting #AcademicResearch #ResearchProductivity

✅MicroResearch

🧭 ابزار SciSpace: دستیار شخصی پژوهش

منطق طراحی این پلتفرم این است که مثل یک Research Assistant کنار پژوهشگر قرار بگیرد؛ یعنی اول مشخص کنید چه کاری می‌خواهید انجام دهید، بعد ابزار مسیر، منابع و حتی نوع خروجی مناسب را پیشنهاد می‌کند.

در صفحه‌ی اصلی بخشی با عنوان Build your task وجود دارد. در این قسمت ابزارهای پیشنهادی متعددی وجود دارند که با انتخاب آن‌ها برطبق نیاز می‌توانید پرامپت اولیه را به scispace بدهید.

📌 I WANT TO | می‌خواهم چه کاری انجام بدهم؟

به‌جای اینکه از صفر پرامپت بنویسید، نوع فعالیت پژوهشی را انتخاب می‌کنید و ابزار متناسب با همان هدف آماده می‌شود.

برخی از گزینه‌ها:
📚 مرور متون (Review Literature)
📝 نوشتن پیش‌نویس اولیه (Write a Draft)
📊 ساخت نمودار (Generate Diagram)
🔬 مرور سیستماتیک (Systematic Review)
🔎 جستجوی مقاله (Search Papers)
📂 استخراج داده (Extract Data)
✍️ بازبینی متن علمی (Review my Writing)
📄 نگارش گزارش (Write a Report)
📈 تحلیل داده (Analyse Data)
🗂 پیدا کردن دیتاست (Find Datasets)
💰 جستجوی گرنت (Find Grants)
🎨 طراحی پوستر (Create Poster)
♻️ بازنویسی متن (Paraphrase Text)
🧹 پاک‌سازی داده (Clean my Data)
📑 جستجوی پتنت (Search Patents)
🖼 استخراج تصویر (Extract Images)
🎓 پیدا کردن دوره آموزشی (Find Courses)
💼 پیدا کردن فرصت شغلی (Find Jobs)

ابزار SciSpace معمولاً یک پرامپت اولیه و Workflow متناسب با همان کار را به شما ارائه می‌دهد تا سریع‌تر شروع کنید.
همچنین امکان اتصال به منابع مختلف وجود دارد:

🧠 Deep Research
📚 Zotero Library
📚 Mendeley Library
🩺 PubMed
🎓 Google Scholar
📄 arXiv
🧪 ClinicalTrials.gov
📑 Google Patents
🗃 پایگاه‌های داده
📁 فایل‌های آپلودشده

📄 MAKE A | چه خروجی‌ای می‌خواهم؟

بعد از تحلیل و پردازش، می‌توانید خروجی موردنیازتان را انتخاب کنید:
📄 فایل Word
📊 ارائه PowerPoint
📑 مقاله LaTeX
🖼 پوستر LaTeX
📈 مصورسازی داده
📘 گزارش PDF
🌐 وب‌سایت
🎨 اینفوگرافیک
🧭 فلوچارت
🧩 اپلیکیشن تعاملی

یعنی مسیر:
«سؤال پژوهشی → تحلیل → خروجی نهایی»
در یک محیط انجام می‌شود.

🧰 ابزار TOOLS | بخش تخصص یافته درSciSpace برای مرور سیستماتیک

در این بخش جریان‌های کاری اختصاصی برای مرور سیستماتیک (Systematic Review) تعریف شده‌اند و می‌توانید مسیرهای آماده برای جستجو، مرور مطالعات و استخراج اطلاعات اولیه را استفاده کنید.
💳 SciSpace چه نسخه‌هایی دارد؟

🟢 Lite (نسخه سبک)
مناسب برای آشنایی اولیه و استفاده محدود
کاربرد:
• تست قابلیت‌ها
• استفاده سبک از ابزارها
• شروع کار با محیط

🔵 Pro (نسخه حرفه‌ای)
برای استفاده پژوهشی روزمره
کاربرد:
• دسترسی بیشتر به امکانات
• استفاده گسترده‌تر از ابزارهای نگارش و تحلیل
• Workflowهای پیشرفته‌تر

🟣 Expert (نسخه پیشرفته)
برای پروژه‌های سنگین‌تر و کاربران حرفه‌ای
کاربرد:
• استفاده عمیق‌تر از امکانات
• تحلیل‌های گسترده‌تر
• مدیریت جریان‌های کاری پیچیده‌تر

⚠️ قبل از انتخاب نسخه، بهتر است نیاز پژوهشی خودتان را مشخص کنید؛ چون همه کاربران به امکانات پیشرفته نیاز ندارند.

🌟با ما همراه باشید☺️

#MicroResearch #SciSpace #ResearchTools #AIforResearch #SystematicReview #AcademicResearch #ResearchWorkflow

✅MicroResearch
🚀 میکروریسرچ؛ مرجع آموزش مهارت‌های پژوهش نوین

در کانال میکروریسرچ با نظارت معاونت پژوهشی دانشکده دندانپزشکی، مطالب آموزشی پژوهش به‌صورت ساده، کاربردی و دسته‌بندی‌شده منتشر می‌شود. برای دسترسی سریع‌تر، می‌توانید از هشتگ‌های زیر استفاده کنید:

🧠 هوش مصنوعی در پژوهش
#ChatGPT
#Grok
#Gemini
#AI_in_Research
#AIethics

🔬 ابزارهای پژوهشی مبتنی بر هوش مصنوعی
#Elicit
#Consensus
#ResearchRabbit
#SciSpace
#ConnectedPapers
#SemanticScholar

✍️ نگارش و مقاله‌نویسی
#ScientificWriting
#AcademicWriting
#PromptEngineering
#PaperWriting
#CommonMistakes

📚 مدیریت منابع
#EndNote
#Zotero
#Mendeley
#ReferenceManagement

📈 ژورنال و انتشار مقاله
#JournalSelection
#Scopus
#SJR
#WebOfScience
#SCI
#ISI
#PubMed
#Publication

🔎 پایگاه‌های داده و موتورهای جستجوی علمی
#PubMed
#Scopus
#WebOfScience
#GoogleScholar
#ScientificDatabases
#LiteratureSearch
#SearchStrategy

🧾 روش تحقیق و انواع مطالعات
#ResearchMethodology
#SystematicReview
#ScopingReview
#MetaAnalysis
#NarrativeReview
#UmbrellaReview
#StudyDesign

🏛️ علم‌سنجی و توسعه پژوهش
#Scientometrics
#UniversityRanking
#Citation
#Altmetrics
#KnowledgeTranslation
#PhDlife

💡 سایر مهارت‌های پژوهشی
#ResearchSkills
#ResearchTips
#ResearchEthics
#OpenScience

🌟با ما همراه باشید☺️

🔗 کانال تلگرام میکروریسرچ:
[https://t.me/MicroResearchTums]

✅MicroResearch

🔎 Semantic Scholar | موتور جستجوی هوشمند مقالات علمی

اگر تا حالا برای یک موضوع در PubMed یا Google Scholar جستجو کرده باشید، احتمالاً با صدها یا حتی هزاران نتیجه مواجه شده‌اید.
Semantic Scholar یک موتور جستجوی علمی مبتنی بر هوش مصنوعی است که توسط Allen Institute for AI (AI2) توسعه یافته و هدف آن این است که در میان میلیون‌ها مقاله علمی، سریع‌تر به مرتبط‌ترین شواهد برسید.

برخلاف موتورهای جستجوی معمول که فقط فهرستی از مقالات را نمایش می‌دهند، Semantic Scholar تلاش می‌کند اهمیت و ارتباط هر مقاله را نیز به شما نشان دهد.

⭐ مهم‌ترین قابلیت‌های Semantic Scholar

🔎 جستجوی هوشمند مقالات

می‌توانید با کلیدواژه یا حتی سؤال پژوهشی جستجو کنید و نتایجی مرتبط از میلیون‌ها مقاله علمی دریافت کنید.


📊 Highly Influential Papers

یکی از معروف‌ترین قابلیت‌های Semantic Scholar.

این ابزار مقالاتی را که تأثیر علمی بیشتری در یک حوزه داشته‌اند مشخص می‌کند.

اگر تازه وارد یک موضوع پژوهشی شده‌اید، این قابلیت کمک می‌کند سریع‌تر مقالات شاخص آن حوزه را پیدا کنید.


📝 TLDR (Too Long; Didn't Read)

برای بسیاری از مقالات، یک خلاصه یک یا دو جمله‌ای با استفاده از هوش مصنوعی تولید می‌شود.

این ویژگی به شما کمک می‌کند قبل از دانلود یا مطالعه کامل مقاله، خیلی سریع متوجه شوید که آیا مقاله برای پژوهش شما مفید است یا خیر.

📚 Citation & Reference Graph

می‌توانید ببینید:
✓ این مقاله به چه مطالعاتی استناد کرده است.
✓ چه مقالاتی بعداً به این مقاله استناد کرده‌اند.
این قابلیت مسیر دنبال کردن یک موضوع پژوهشی را بسیار ساده‌تر می‌کند.

👤 Author Profiles

برای هر پژوهشگر یک صفحه اختصاصی وجود دارد که معمولاً شامل:
• مقالات منتشرشده
• تعداد استنادها
• همکاران پژوهشی
• حوزه‌های تحقیقاتی
است.
🏷 Topic Pages

اگر روی یک موضوع خاص کلیک کنید، Semantic Scholar مجموعه‌ای از مقالات مرتبط، نویسندگان فعال و موضوعات مشابه را پیشنهاد می‌دهد.

این ویژگی برای شروع یک Literature Review بسیار مفید است.

❤️ Library

می‌توانید مقاله‌های موردنیازتان را ذخیره کنید، فهرست شخصی بسازید و بعداً دوباره به آن‌ها مراجعه کنید.

🔔 Research Feeds & Alerts

اگر یک موضوع یا نویسنده را دنبال کنید، با انتشار مقالات جدید مرتبط، اعلان دریافت خواهید کرد.

📌 چه زمانی از Semantic Scholar استفاده کنیم؟

✅ پیدا کردن مقالات کلیدی یک حوزه
✅ آشنایی سریع با موضوع جدید
✅ بررسی شبکه استنادها
✅ شناسایی پژوهشگران فعال
✅ صرفه‌جویی در زمان با استفاده از خلاصه‌های TLDR
✅ شروع Literature Review

⚠️ نکته مهم

Semantic Scholar یک موتور جستجوی علمی است، نه یک ابزار تولید متن یا چت با مقاله. اگرچه از هوش مصنوعی برای بهبود جستجو و خلاصه‌سازی استفاده می‌کند، اما هدف اصلی آن کمک به پیدا کردن و ارزیابی منابع علمی معتبر است.

🌐 semanticscholar.org
🌟با ما همراه باشید☺️

#MicroResearch #SemanticScholar #ResearchTools #LiteratureReview #AcademicResearch #AIforResearch #ScientificSearch