✅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

✅MicroResearch
🌐آشنایی با انواع موتورهای جستجوی برای یافتن مقالات علمی

سه موتور جستجوی اصلی که تقریباً همه پژوهشگران از آن‌ها استفاده می‌کنند عبارت‌اند از:

PubMed (توسط NCBI)
بهترین منبع برای علوم پزشکی، دندانپزشکی، پرستاری و علوم زیستی
بیشتر بر روی نمایه MEDLINE و مقالات زیست‌پزشکی تمرکز دارد.
رایگان است.
Google Scholar
گسترده‌ترین موتور جستجوی علمی
علاوه بر مقالات، پایان‌نامه‌ها، کتاب‌ها، پتنت‌ها، کنفرانس‌ها و نسخه‌های Preprint را هم جستجو می‌کند.
برای شروع جستجو و پیدا کردن نسخه‌های رایگان مقاله بسیار مناسب است.
Web of Science (WoS) (توسط Clarivate)
یکی از معتبرترین پایگاه‌های نمایه‌سازی و جستجوی علمی
بیشتر برای پژوهش‌های باکیفیت، تحلیل استنادی، بررسی شاخص‌های علم‌سنجی و جستجوی دقیق استفاده می‌شود.
دسترسی به آن معمولاً نیازمند اشتراک دانشگاهی است.

البته اگر بخواهیم از نظر موتورهای جستجوی هوشمند و مبتنی بر AI هم نگاه کنیم، امروزه این چهار مورد بسیار پرکاربرد هستند:

🔹 PubMed (علوم پزشکی)
🔹 Google Scholar (جستجوی عمومی علمی)
🔹 Web of Science (جستجوی حرفه‌ای و علم‌سنجی)
🔹 Semantic Scholar (جستجوی هوشمند با قابلیت‌هایی مثل TLDR، Highly Influential Papers و AI)

در پست های بعد به توضیح هرکدام ازین موتورهای جستجو می پردازیم.
🌟با ما همراه باشد☺️

#MicroResearch #GoogleScholar #LiteratureReview #ScientificSearch #ResearchTools #AcademicResearch
#WebOfScience

✅MicroResearch
🔬 PubMed | آشنایی با موتور جستجوی مقالات علوم پزشکی

موتور جستجوی PubMed یک موتور جستجوی رایگان است که توسط National Center for Biotechnology Information (NCBI) وابسته به U.S. National Library of Medicine (NLM) توسعه یافته است. این پایگاه امکان جستجو در میلیون‌ها رکورد کتابشناختی و چکیده مقالات حوزه پزشکی، دندانپزشکی، داروسازی، پرستاری، سلامت و علوم زیستی را فراهم می‌کند.

در بسیاری از پژوهش‌های پزشکی، PubMed یکی از منابع اصلی برای طراحی استراتژی جستجو و شناسایی مطالعات مرتبط است.

🔎 روش‌های جستجو در PubMed
جستجو در PubMed به روش‌های مختلفی انجام می‌شود.

۱. جستجو با کلیدواژه (Keyword Search)

ساده‌ترین روش، وارد کردن کلیدواژه یا عبارت موردنظر در نوار جستجو است.
نمونه:
oral microbiome AND Alzheimer's disease

در این روش می‌توان از عملگرهای منطقی (Boolean Operators) مانند AND، OR و NOT نیز برای محدود یا گسترده کردن نتایج استفاده کرد.

۲. جستجو با اصطلاحات MeSH

یکی از امکانات PubMed استفاده از Medical Subject Headings (MeSH) است.

MeSH یک واژه‌نامه کنترل‌شده است که اصطلاحات استاندارد علوم پزشکی را در اختیار کاربران قرار می‌دهد. استفاده از این اصطلاحات باعث می‌شود مطالعاتی که با واژه‌های متفاوت اما مفهوم یکسان منتشر شده‌اند، در نتایج جستجو قرار گیرند.

برای مثال، اگر موضوع پژوهش «Dental Caries» باشد، استفاده از اصطلاح MeSH نسبت به جستجوی ساده با کلیدواژه، نتایج کامل‌تری ارائه می‌دهد.

۳. Advanced Search

بخش Advanced Search امکان جستجو بر اساس فیلدهای مختلف را فراهم می‌کند؛ از جمله:
• عنوان مقاله (Title)
• نام نویسنده (Author)
• نام مجله (Journal)
• وابستگی سازمانی (Affiliation)
• تاریخ انتشار
• DOI
همچنین می‌توان چندین عبارت جستجو را با استفاده از عملگرهای منطقی ترکیب کرد.

📑 فیلترهای جستجو
پس از انجام جستجو، نتایج را می‌توان بر اساس معیارهای مختلف محدود کرد، از جمله:
• نوع مطالعه (Systematic Review، Meta-analysis، Clinical Trial و ...)
• سال انتشار
• زبان مقاله
• گروه سنی
• جنسیت
• دسترسی به متن کامل (Free Full Text)
استفاده از این فیلترها به محدود کردن نتایج بر اساس سؤال پژوهشی کمک می‌کند.

📚 امکانات دیگر PubMed
Similar Articles
نمایش مقالاتی که از نظر موضوعی با مقاله انتخاب‌شده ارتباط دارند.

Cited by
نمایش مقالاتی که به مقاله موردنظر استناد کرده‌اند (برای بخشی از مقالات).

My NCBI
با ایجاد حساب کاربری می‌توان:
• استراتژی‌های جستجو را ذخیره کرد.
• مجموعه‌ای از مقالات (Collections) ایجاد کرد.
• برای موضوعات مختلف هشدار (Alert) تعریف کرد تا با انتشار مقالات جدید، اطلاع‌رسانی انجام شود.

📌 چه زمانی از PubMed استفاده کنیم؟
✓ جستجوی مقالات علوم پزشکی و دندانپزشکی
✓ طراحی استراتژی جستجو برای مرورهای نظام‌مند و اسکوپینگ ریویو
✓ شناسایی جدیدترین مطالعات در یک موضوع
✓ جستجو با استفاده از اصطلاحات استاندارد MeSH

🌐 pubmed.ncbi.nlm.nih.gov

#MicroResearch #PubMed #LiteratureReview #SystematicReview #EvidenceBasedMedicine #ResearchTools

✅MicroResearch
🎓 Google Scholar | موتور جستجوی منابع علمی

سایت Google Scholar یک موتور جستجوی علمی است که توسط شرکت Google توسعه یافته و امکان جستجو در انواع منابع علمی از جمله مقالات، کتاب‌ها، پایان‌نامه‌ها، مقالات کنفرانسی، پتنت‌ها و برخی گزارش‌های پژوهشی را فراهم می‌کند.

برخلاف بسیاری از پایگاه‌های علمی که فقط مقالات نمایه‌شده خود را نمایش می‌دهند، Google Scholar منابع علمی منتشرشده در ناشران، دانشگاه‌ها، مخازن علمی و پایگاه‌های مختلف را نیز جستجو می‌کند.

🔎 روش‌های جستجو در Google Scholar

۱. جستجو با کلیدواژه (Keyword Search)

رایج‌ترین روش، جستجو با استفاده از کلمات کلیدی یا عبارت پژوهشی است.

نمونه:

Artificial Intelligence in Dentistry

همچنین می‌توان از عملگرهای منطقی مانند AND، OR و NOT و علامت نقل‌قول (" ") برای جستجوی عبارت دقیق استفاده کرد.

۲. Advanced Search

از طریق بخش Advanced Search می‌توان نتایج را بر اساس معیارهای مختلف محدود کرد، از جمله:

• نویسنده (Author)
• عنوان مقاله (Title)
• نام مجله (Publication)
• سال انتشار
همچنین امکان تعیین بازه زمانی انتشار مقالات وجود دارد.

📑 امکانات Google Scholar
Cited by

تعداد دفعاتی را که سایر مقالات به یک مطالعه استناد کرده‌اند نمایش می‌دهد. با انتخاب این گزینه می‌توان مقالاتی را مشاهده کرد که از آن مطالعه استفاده کرده‌اند.

Related Articles

مقالاتی را نمایش می‌دهد که از نظر موضوعی به مقاله انتخاب‌شده شباهت دارند. این قابلیت برای گسترش جستجو و شناسایی مطالعات مرتبط کاربرد دارد.

All Versions

در بسیاری از موارد، نسخه‌های مختلف یک مقاله را نمایش می‌دهد.
گاهی نسخه کامل مقاله در مخازن دانشگاهی یا نسخه‌های Preprint از طریق این بخش در دسترس است.

Cite

با انتخاب گزینه Cite، ارجاع مقاله در قالب‌های مختلف مانند:

• APA
• Vancouver
• MLA
• Chicago

نمایش داده می‌شود.
همچنین امکان خروجی گرفتن برای نرم‌افزارهای مدیریت منابع مانند EndNote، Zotero و Mendeley وجود دارد.

👤 Google Scholar Profile
پژوهشگران می‌توانند برای خود پروفایل ایجاد کنند.
این پروفایل شامل اطلاعاتی مانند:
• مقالات منتشرشده
• تعداد استنادها
• h-index
• i10-index
است و به‌صورت خودکار با انتشار مقالات جدید به‌روزرسانی می‌شود.

🔔 Alerts
در صورت ایجاد حساب کاربری، می‌توان برای یک موضوع یا نویسنده هشدار تعریف کرد که با انتشار مقاله جدید، Google Scholar از طریق ایمیل اطلاع‌رسانی می‌کند.


📌 چه زمانی از Google Scholar استفاده کنیم؟
✓ جستجوی اولیه یک موضوع پژوهشی
✓ پیدا کردن انواع مختلف منابع علمی
✓ بررسی استنادهای یک مقاله
✓ دسترسی به نسخه‌های مختلف یا متن کامل مقاله
✓ شناسایی پژوهشگران فعال در یک حوزه

🌐 scholar.google.com

#MicroResearch #GoogleScholar #LiteratureReview #ScientificSearch #ResearchTools #AcademicResearch

✅MicroResearch
📊 Web of Science | پایگاه جستجو و تحلیل استنادهای علمی

پایگاه جستجو Web of Science (WoS) پایگاه اطلاعاتی و موتور جستجوی علمی شرکت Clarivate است که علاوه بر جستجوی مقالات، ابزارهایی برای تحلیل استنادها، ارزیابی مجلات و بررسی روند پژوهش‌ها در اختیار پژوهشگران قرار می‌دهد.
بخش عمده مقالات موجود در Web of Science از مجلاتی انتخاب می‌شوند که معیارهای نمایه‌سازی این پایگاه را داشته باشند.

🔎 روش‌های جستجو در Web of Science

Basic Search

جستجو بر اساس:
• موضوع (Topic)
• عنوان مقاله
• نویسنده
• نام مجله
• DOI
• وابستگی سازمانی

Advanced Search

در این بخش می‌توان با استفاده از فیلدهای مختلف و عملگرهای منطقی، استراتژی‌های جستجوی پیچیده طراحی کرد. این قابلیت در مرورهای نظام‌مند و مطالعات علم‌سنجی کاربرد زیادی دارد.

📑 امکانات Web of Science

Citation Report

اطلاعات استنادی مجموعه‌ای از مقالات را نمایش می‌دهد؛ از جمله:
• تعداد استنادها
• میانگین استناد
• h-index
• روند استناد در سال‌های مختلف

Analyze Results

نتایج جستجو را بر اساس معیارهایی مانند:
• سال انتشار
• کشور
• سازمان
• نویسنده
• مجله
• حوزه موضوعی
تحلیل و دسته‌بندی می‌کند.

Cited Reference Search

امکان جستجوی مقالاتی را فراهم می‌کند که به یک مقاله یا نویسنده خاص استناد کرده‌اند.این قابلیت برای دنبال کردن مسیر توسعه یک موضوع پژوهشی کاربرد دارد.

Marked List

امکان ذخیره موقت مقالات انتخاب‌شده و خروجی گرفتن از اطلاعات آن‌ها را فراهم می‌کند.

📈 سایر خدمات Clarivate

Web of Science با ابزارهای دیگری نیز یکپارچه است، از جمله:

📌 Journal Citation Reports (JCR)
برای مشاهده Impact Factor و شاخص‌های مجلات.

📌 Master Journal List
برای بررسی اینکه یک مجله در Web of Science نمایه شده است یا خیر.

📌 Essential Science Indicators (ESI)
برای تحلیل عملکرد پژوهشگران، مؤسسات و حوزه‌های علمی.

📌 چه زمانی از Web of Science استفاده کنیم؟

✓ جستجوی مقالات نمایه‌شده در Web of Science
✓ تحلیل استنادها
✓ بررسی روند انتشار پژوهش‌ها
✓ ارزیابی مجلات علمی
✓ مطالعات علم‌سنجی و تحلیل پژوهش

🌐 webofscience.com

#MicroResearch #WebOfScience #ResearchTools #Scientometrics #LiteratureReview #AcademicResearch

✅MicroResearch

📚 Scopus | پایگاه نمایه‌سازی و استنادی منابع علمی
پایگاه Scopus پایگاه اطلاعاتی و استنادی شرکت Elsevier است که امکان جستجو در مقالات، کتاب‌ها، مجموعه مقالات کنفرانس‌ها و سایر منابع علمی را فراهم می‌کند. علاوه بر جستجوی منابع، Scopus اطلاعات استنادی، شاخص‌های علم‌سنجی و ابزارهایی برای تحلیل نتایج جستجو را نیز در اختیار پژوهشگران قرار می‌دهد.
این پایگاه در بسیاری از دانشگاه‌ها و مراکز پژوهشی برای جستجوی مقالات، ارزیابی عملکرد پژوهشی، تحلیل استنادها و انتخاب مجلات مورد استفاده قرار می‌گیرد.

🔎 روش‌های جستجو در Scopus
۱. Document Search
رایج‌ترین روش جستجو در Scopus است و به‌صورت پیش‌فرض، عنوان، چکیده و کلیدواژه‌های مقالات (Title, Abstract & Keywords) را جستجو می‌کند.
همچنین می‌توان جستجو را بر اساس موارد زیر انجام داد:
• عنوان مقاله (Title)
• چکیده (Abstract)
• کلیدواژه‌ها (Keywords)
• نام نویسنده
• نام مجله
• DOI
• وابستگی سازمانی (Affiliation)
نمونه:
artificial intelligence AND oral cancer
در طراحی استراتژی جستجو نیز می‌توان از عملگرهای منطقی AND، OR و NOT، علامت نقل‌قول (” “) برای عبارت‌های چندکلمه‌ای و پرانتز برای ترکیب مفاهیم مختلف استفاده کرد.

👤 Author Search
در این بخش می‌توان نویسندگان را جستجو کرد و به پروفایل پژوهشی آن‌ها دسترسی داشت.
هر پروفایل معمولاً شامل اطلاعاتی مانند:
• مقالات منتشرشده
• تعداد استنادها
• h-index
• وابستگی سازمانی
• هم‌نویسندگان (Co-authors)
همچنین می‌توان فعالیت پژوهشی نویسندگان و شبکه همکاری آن‌ها را بررسی کرد.

🏛 Affiliation Search
این بخش امکان جستجوی دانشگاه‌ها، مراکز تحقیقاتی و سازمان‌ها را فراهم می‌کند.
برای هر مرکز، اطلاعاتی مانند:
• تعداد مقالات
• پژوهشگران وابسته
• حوزه‌های پژوهشی
• روند انتشار مقالات
نمایش داده می‌شود.

📖 Sources
بخش Sources اطلاعات مجلات نمایه‌شده در Scopus را نمایش می‌دهد.
در این قسمت می‌توان:
• وضعیت نمایه‌سازی یک مجله را بررسی کرد.
• شاخص‌هایی مانند CiteScore، SJR و SNIP را مشاهده کرد.
• مجلات را بر اساس حوزه موضوعی جستجو و مقایسه کرد.
این بخش هنگام انتخاب مجله برای ارسال مقاله کاربرد دارد.

🌟 امکانات Scopus:

🔄Citation Overview
تعداد استنادهای دریافت‌شده توسط یک مقاله یا مجموعه‌ای از مقالات را در طول سال‌های مختلف نمایش می‌دهد.

📍View Cited By
مقالاتی را نمایش می‌دهد که به مقاله موردنظر استناد کرده‌اند.
این قابلیت برای دنبال کردن روند توسعه یک موضوع پژوهشی کاربرد دارد.

📈Analyze Search Results
نتایج جستجو را بر اساس معیارهای مختلف تحلیل می‌کند، از جمله:
• سال انتشار
• نویسنده
• کشور
• دانشگاه
• مجله
• حوزه موضوعی

📊Refine Results
پس از جستجو می‌توان نتایج را بر اساس مواردی مانند:
• سال انتشار
• نوع مقاله
• موضوع
• زبان
• نویسنده
• کشور
محدود کرد.

📑Compare Sources
امکان مقایسه چند مجله بر اساس شاخص‌هایی مانند CiteScore، SJR و SNIP را فراهم می‌کند و می‌تواند در انتخاب مجله مناسب برای ارسال مقاله مورد استفاده قرار گیرد.

🔰شاخص‌های علم‌سنجی
Scopus اطلاعاتی درباره عملکرد پژوهشی نویسندگان و مجلات ارائه می‌دهد، از جمله:
• h-index
• تعداد استنادها (Citation Count)
• تعداد مقالات منتشرشده
همچنین این پایگاه شاخص‌هایی مانند CiteScore، SNIP (Source Normalized Impact per Paper) و SJR (SCImago Journal Rank) را برای ارزیابی مجلات ارائه می‌کند.

❤️ Saved Searches & Alerts
با ایجاد حساب کاربری می‌توانید:
✓ جستجوهای خود را ذخیره کنید.
✓ Search Alert تعریف کنید تا در صورت انتشار مقالات جدید مرتبط با موضوع، از طریق ایمیل مطلع شوید.
✓ Citation Alert ایجاد کنید تا هر زمان مقاله‌ای به یکی از مقالات موردنظر شما استناد کرد، اعلان دریافت کنید.

📌 چه زمانی از Scopus استفاده کنیم؟
✓ جستجوی مقالات و منابع علمی
✓ بررسی اطلاعات استنادی مقالات
✓ ارزیابی نویسندگان، دانشگاه‌ها و مراکز پژوهشی
✓ مقایسه و انتخاب مجلات
✓ انجام مطالعات علم‌سنجی و تحلیل روند پژوهش

🌐 www.scopus.com

🌟با ما همراه باشید☺️

#MicroResearch #Scopus #ResearchTools #LiteratureReview #Scientometrics #AcademicResearch

✅MicroResearch

🔍 چگونه یک استراتژی جستجوی صحیح طراحی کنیم؟

برای اینکه موتورهای جستجوی علمی مفهوم موردنظر شما را به‌درستی تفسیر کنند، لازم است از قواعد طراحی استراتژی جستجو استفاده شود.

📝 ۱. عبارت‌های دو یا چند کلمه‌ای را داخل گیومه قرار دهید.
اگر یک اصطلاح از چند کلمه تشکیل شده است، آن را داخل ” “ بنویسید تا به‌صورت یک عبارت واحد جستجو شود.
مثال:
"oral cancer"
در این حالت موتور جستجو فقط عبارت oral cancer را جستجو می‌کند، نه دو کلمه oral و cancer را به‌صورت جداگانه.
نمونه‌های دیگر:
"oral microbiome"
"machine learning"
"systematic review"

📝 ۲. مترادف‌ها را با OR به هم متصل کنید.
اگر برای یک مفهوم چند اصطلاح مختلف وجود دارد، همه آن‌ها را داخل یک پرانتز قرار دهید و با OR به هم متصل کنید.
مثال:
("oral cancer" OR "oral squamous cell carcinoma")
در این حالت، مقالاتی که هر یک از این اصطلاحات را داشته باشند بازیابی می‌شوند.

📝 ۳. مفاهیم مختلف را با AND ترکیب کنید.
پس از مشخص کردن مترادف‌های هر مفهوم، مفاهیم مختلف را با AND به هم متصل کنید.
مثال:
("oral cancer" OR "oral squamous cell carcinoma")
AND
("artificial intelligence" OR "machine learning")
در این مثال، نتایج باید هم به سرطان دهان و هم به هوش مصنوعی مرتبط باشند.

📝 ۴. برای حذف یک موضوع از NOT استفاده کنید.
اگر بخواهید موضوعی در نتایج وجود نداشته باشد، از NOT استفاده کنید.
مثال:
("oral cancer")
NOT
(review)
در این مثال، مقالات مروری از نتایج حذف می‌شوند.
⚠️ استفاده از NOT باید با دقت انجام شود، زیرا ممکن است برخی مقالات مرتبط نیز حذف شوند.

📝 ۵. هر مفهوم را در یک پرانتز قرار دهید.
پرانتزها به موتور جستجو مشخص می‌کنند که ابتدا کدام بخش از عبارت پردازش شود.
نمونه یک استراتژی صحیح:
("oral cancer" OR "oral squamous cell carcinoma")
AND
("artificial intelligence" OR "deep learning" OR "machine learning")
AND
(diagnosis OR screening)
در این مثال:
مفهوم اول: بیماری
مفهوم دوم: فناوری
مفهوم سوم: کاربرد
هر مفهوم ابتدا با OR کامل شده و سپس سه مفهوم با AND به یکدیگر متصل شده‌اند.

❌یک اشتباه رایج

oral cancer AI diagnosis
در این حالت مشخص نیست ارتباط بین واژه‌ها چگونه است و ممکن است نتایج نامرتبط بازیابی شوند.
✔️
("oral cancer")
AND
("artificial intelligence")
AND
(diagnosis)

📌 جمع‌بندی
در طراحی استراتژی جستجو:
✓ عبارت‌های چندکلمه‌ای را داخل گیومه قرار دهید.
✓ مترادف‌ها را با OR ترکیب کنید.
✓ مفاهیم مختلف را با AND به هم متصل کنید.
✓ در صورت نیاز، موضوعات نامرتبط را با NOT حذف کنید.
✓ برای هر مفهوم از پرانتز استفاده کنید تا ساختار جستجو مشخص باشد.

🌟با ما همراه باشید☺️

#MicroResearch #PubMed #SearchStrategy #BooleanOperators #LiteratureReview #ResearchTools

✅MicroResearch

🔎 واژه‌های MeSH چیستند و چگونه از آن در جستجوی PubMed استفاده کنیم؟
هنگام جستجوی مقالات در PubMed، یکی از ابزارهای مهم برای ساختن یک استراتژی جستجوی دقیق، استفاده از MeSH (Medical Subject Headings) است.
واژگان MeSH یک واژگان کنترل‌شده و استاندارد است که توسط National Library of Medicine (NLM) ایجاد شده و برای نمایه‌سازی موضوعی مقالات MEDLINE استفاده می‌شود. هدف آن این است که یک مفهوم پژوهشی، حتی زمانی که نویسندگان از واژه‌های متفاوتی برای بیان آن استفاده کرده‌اند، با یک اصطلاح استاندارد قابل جستجو باشد.

📚 MeSH را از کجا پیدا کنیم؟
برای پیدا کردن اصطلاح مناسب می‌توان از MeSH Browser متعلق به NCBI استفاده کرد:
🌐 meshb.nlm.nih.gov
کافی است مفهوم موردنظر خود را جستجو کنید.
برای مثال، اگر موضوع پژوهش شما درباره پوسیدگی دندان باشد، می‌توانید عبارت:
dental caries
را جستجو کنید.
پس از انتخاب نتیجه، صفحه MeSH اطلاعات مختلفی درباره آن اصطلاح نمایش می‌دهد.

🔍 هنگام انتخاب یک MeSH Term به چه چیزهایی توجه کنیم؟
1. Scope Note
توضیح می‌دهد که این اصطلاح دقیقاً چه مفهومی را پوشش می‌دهد و در چه مواردی برای نمایه‌سازی استفاده می‌شود.
این قسمت کمک می‌کند مطمئن شوید اصطلاح انتخاب‌شده با مفهوم موردنظر شما مطابقت دارد.
2. Entry Terms
شامل واژه‌ها و عبارت‌های دیگری است که به آن MeSH Term مرتبط هستند.
این بخش برای پیدا کردن اصطلاح استاندارد مناسب بسیار کاربردی است.
3. MeSH Tree
اصطلاحات MeSH به‌صورت سلسله‌مراتبی سازمان‌دهی شده‌اند.
یک اصطلاح کلی می‌تواند شامل اصطلاحات تخصصی‌تر در سطوح پایین‌تر باشد.
این ساختار به شما کمک می‌کند جایگاه یک مفهوم را در سیستم MeSH ببینید.
4. Subheadings
در صورت نیاز می‌توان یک جنبه مشخص از یک موضوع را نیز انتخاب کرد؛ برای مثال:
diagnosis
therapy
etiology
epidemiology
بنابراین به‌جای جستجوی یک موضوع به‌صورت کلی، می‌توان جنبه موردنظر از آن موضوع را نیز مشخص کرد.

🧩 حالا MeSH را چگونه وارد جستجوی PubMed کنیم؟
پس از پیدا کردن اصطلاح مناسب، وارد PubMed شوید و از بخش:
Advanced Search
استفاده کنید.
در Advanced Search Builder می‌توانید از منوی Field گزینه MeSH Terms را انتخاب کنید و اصطلاح موردنظر را وارد کنید.
همچنین می‌توان مستقیماً از تگ:
[mh]
برای جستجوی MeSH استفاده کرد.
برای مثال:
"Dental Caries"[mh]

🔗 ترکیب چند MeSH Term
در یک جستجوی واقعی معمولاً فقط یک MeSH Term کافی نیست.
برای مثال، اگر موضوع شما بررسی ارتباط هوش مصنوعی با تشخیص سرطان دهان باشد، می‌توان مفاهیم مختلف را جدا کرده و سپس با عملگرهای منطقی ترکیب کرد:
("Mouth Neoplasms"[mh])
AND
("Artificial Intelligence"[mh])
AND
("Diagnosis"[mh])
در این ساختار، هر مفهوم به‌صورت جداگانه تعریف شده و سپس با AND به یکدیگر متصل شده است.
اگر برای یک مفهوم چند MeSH Term یا چند شکل مختلف وجود داشته باشد، می‌توان آن‌ها را با OR ترکیب کرد.

🔜در پست بعد به بررسی سایر نکات مربوط به سرچ پیشرفته با واژگان MeSH می‌پردازیم.

🌟با ما همراه باشید☺️

🔗لینک‌ کانال تلگرام:

https://t.me/MicroResearchTums

#MicroResearch #PubMed #MeSH #SearchStrategy #LiteratureSearch #SystematicReview #ResearchMethodology #ResearchTips

✅MicroResearch

⚠️ آیا برای جستجوی مقالات علمی فقط واژگان MeSH کافی است؟
معمولاً نه.
یکی از نکات مهم در طراحی استراتژی جستجو این است که MeSH را در کنار Free-text terms استفاده کنید.
مقالات جدید ممکن است هنوز فرایند نمایه‌سازی MeSH را طی نکرده باشند. همچنین برخی اصطلاحات، نام‌های تجاری، اختصارات یا عبارت‌های جدید ممکن است به شکل مناسبی در MeSH پوشش داده نشوند.
بنابراین در یک استراتژی جستجوی جامع می‌توان از ترکیب زیر استفاده کرد:
MeSH Terms + Title/Abstract Terms + Synonyms
برای مثال:
("Mouth Neoplasms"[mh]
OR "oral cancer"[tiab]
OR "oral carcinoma"[tiab])
به این ترتیب، هم از استانداردسازی MeSH استفاده می‌شود و هم مطالعاتی که با واژه‌های متفاوت یا هنوز بدون MeSH نمایه شده‌اند، شانس بازیابی دارند.

⚠️ آیا برای هر کلمه‌ای یک MeSH Term وجود دارد؟
خیر. همه کلمات و اصطلاحات مورد استفاده در مقالات، MeSH Term ندارند.
واژگان MeSH یک واژگان کنترل‌شده است و فقط مفاهیمی را شامل می‌شود که در ساختار MeSH تعریف و سازمان‌دهی شده‌اند. بنابراین ممکن است هنگام جستجوی یک کلمه یا عبارت در MeSH Browser با یک اصطلاح استاندارد MeSH مواجه نشوید.
این موضوع به‌خصوص درباره موارد زیر اهمیت دارد:
• اصطلاحات جدید و نوظهور
• فناوری‌های جدید
• برخی اختصارات
• نام‌های خاص
• اصطلاحات تخصصی که هنوز به MeSH اضافه نشده‌اند
• برخی عبارت‌هایی که نویسندگان در عنوان و چکیده استفاده می‌کنند
بنابراین اگر یک واژه MeSH Term نداشت، به این معنی نیست که آن واژه برای جستجو مناسب نیست.
در چنین مواردی باید آن اصطلاح را به‌عنوان Free-text term در فیلدهایی مانند Title/Abstract جستجو کرد.
برای مثال:
"new technology"[tiab]
یا همراه با MeSH:
("Mouth Neoplasms"[mh] OR "oral cancer"[tiab])
به همین دلیل، در یک استراتژی جستجوی جامع بهتر است فقط به MeSH متکی نباشیم و از ترکیب:
MeSH Terms + Free-text Terms + Synonyms
استفاده کنیم.
📌 نکته: نبودن یک واژه در MeSH به معنی نبودن مقاله مرتبط با آن موضوع در PubMed نیست؛ ممکن است مقاله با آن واژه در عنوان یا چکیده قابل بازیابی باشد، حتی اگر هنوز MeSH مناسب برای آن وجود نداشته باشد.

⭐ یک نکته مهم درباره MeSH
وقتی یک MeSH Term را جستجو می‌کنید، PubMed به‌طور پیش‌فرض اصطلاحات تخصصی‌تر زیرمجموعه آن را نیز در جستجو وارد می‌کند. به این قابلیت MeSH Explosion گفته می‌شود.
اگر بخواهید فقط خود همان اصطلاح را جستجو کنید و اصطلاحات پایین‌تر را وارد نکنید، می‌توانید از گزینه Do Not Explode یا syntax مربوط به noexp استفاده کنید.
همچنین در برخی موارد می‌توان یک MeSH Term را به‌عنوان Major Topic محدود کرد؛ یعنی مقاله باید آن موضوع را به‌عنوان یکی از موضوعات اصلی خود داشته باشد.

📌 مسیر پیشنهادی برای استفاده از MeSH
موضوع پژوهش
⬇️
پیدا کردن مفهوم اصلی
⬇️
جستجو در MeSH Browser
⬇️
بررسی Scope Note و Entry Terms
⬇️
بررسی ساختار MeSH و Subheadings
⬇️
انتخاب MeSH Term مناسب
⬇️
انتقال به PubMed Advanced Search
⬇️
ترکیب MeSH با Synonyms و Free-text Terms
⬇️
ساخت استراتژی نهایی جستجو

📌 استفاده از MeSH به‌تنهایی یک استراتژی جستجوی کامل ایجاد نمی‌کند؛ بلکه یکی از اجزای مهم یک استراتژی جامع برای بازیابی مطالعات مرتبط است.

🌟با ما همراه باشید☺️

🔗لینک کانال تلگرام:

https://t.me/MicroResearchTums

#MicroResearch #PubMed #MeSH #SearchStrategy #LiteratureSearch #SystematicReview #ResearchMethodology #ResearchTips

⏱️ One Minute Tip

📌 آیا ثبت پروتکل در PROSPERO ارزشش را دارد؟

اگر در حال انجام یک Systematic Review یا Meta-analysis هستید، پاسخ در بسیاری از موارد «بله» است.

✅ ثبت در PROSPERO اعتبار مطالعه را افزایش می‌دهد.
✅ بسیاری از مجلات معتبر وجود شماره ثبت را یک مزیت روش‌شناختی می‌دانند.
✅ شماره ثبت (مثلاً CRD42025XXXXXX) در مقاله ذکر می‌شود و نشان‌دهنده شفافیت پژوهش است.
✅ از انجام مطالعات تکراری جلوگیری می‌کند.

اما قبل از ثبت به این نکات توجه کنید:

⚠️ تأیید پروتکل ممکن است چند هفته یا حتی چند ماه زمان ببرد.
⚠️ عنوان و جزئیات اصلی پروتکل به صورت عمومی قابل مشاهده خواهند بود.
⚠️ باید از ابتدا PICO، استراتژی جستجو، معیارهای ورود و خروج و روش تحلیل را مشخص کرده باشید.
⚠️ تغییرات بعدی در پروتکل باید مستندسازی شوند.

📝 به طور خلاصه، PROSPERO برای پژوهشگرانی مناسب است که می‌خواهند مرور سیستماتیک خود را با حداکثر شفافیت و بر اساس استانداردهای روز پژوهش انجام دهند.

#OneMinuteTip #PROSPERO #SystematicReview #MetaAnalysis #ResearchMethods #MicroResearch