پیشنهاداتی برای مهندسی پرامپت: تعیین قالب خروجی

تعیین قالب خروجی (Specifying Output Format) در پرامپتینگ به معنای ارائه دستورالعمل‌های دقیق برای ساختار و شکل پاسخ مدل زبانی است، مانند لیست، جدول، پاراگراف یا کد. این تکنیک به کاربران کمک می‌کند تا خروجی‌هایی منظم و متناسب با نیازهای خاص خود دریافت کنند، به‌ویژه در مواردی که ساختار مشخصی برای استفاده‌های حرفه‌ای یا تحلیلی مورد نیاز است.

این روش با کاهش ابهام و هدایت مدل به سمت تولید پاسخ‌هایی با فرمت دلخواه، کارایی و کاربردپذیری خروجی را افزایش می‌دهد. تعیین قالب به‌ویژه در وظایف مانند گزارش‌نویسی، تولید کد یا سازمان‌دهی اطلاعات مفید است. در ادامه، دو نمونه پرامپت به زبان انگلیسی ارائه شده است که این اصل را نشان می‌دهند.

#️⃣ #مهندسی_پرامپت

نمونه پرامپت ۱:

"List the top five benefits of recycling in a bullet-point format, with one sentence per benefit."

نمونه پرامپت ۲:

"Write a Python function to calculate the factorial of a number, formatted as a code block with comments explaining each step."

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

⭐ ابزار بازنویسی

وقتی در بیان یک ایده به شکلی متفاوت گیر کرده‌ایم، هوش مصنوعی می‌تواند جمله‌بندی‌های جایگزین ارائه دهد، به بهبود تنوع جملات، وضوح یا رسمی بودن کمک می‌کند و با بیان مجدد مفاهیم به روش‌های جدید، از سرقت ادبی جلوگیری می‌کند. برای اصلاح جملات یا پاراگراف‌های خاص مفید است.

✅ توصیه‌هایی برای مهندسی پرامپت:

جمله‌ای که می‌خواهید بازنویسی شود را ارائه دهید، نتیجه دلخواه را مشخص کنید (مثلاً "آن را کوتاه‌تر کن"، "آن را آکادمیک‌تر جلوه بده"، "همین ایده را ساده‌تر بیان کن"، "۳ روش مختلف برای گفتن این جمله به من بده")، ارائه زمینه می‌تواند مفید باشد.

چند تا پرامپت انگلیسی نمونه:

"Rephrase this sentence to sound more formal: 'We think the project will probably be done by Friday.'"

"Give me ۳ different ways to rephrase this sentence for better clarity: 'The complexity of the situation, arising from multiple factors interacting simultaneously, makes finding a solution difficult.'"

"Make this sentence more concise without losing meaning: 'Due to the fact that the weather was bad, we decided to cancel the event that was planned.'"

"Rephrase this sentence to avoid using the word 'important': 'It is important to understand the historical context.'"

🔹 لینک‌هاب: تلگرام-یوتیوب - اینستاگرام - دوره‌ها

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

💙15 دستور العمل حیاتی برای بررسی یک مقاله

در این ویدیو ببینید.

دانلود این چک لیست

#️⃣#سری_ویدیو_های_رایگان

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

💙 شفاف‌سازی روابط علت و معلولی

در بسیاری از استدلال‌های علمی، نشان دادن یک رابطه علت و معلولی (Causality) بسیار مهم است. این پرامپت به شما کمک می‌کند تا از زبان دقیق و عبارات اتصال‌دهنده مناسب برای بیان این نوع روابط استفاده کنید تا هیچ ابهامی برای خواننده باقی نماند. هدف، فراتر رفتن از بیان صرف همبستگی (Correlation) و تأکید بر این است که یک پدیده ([cause]) به طور مستقیم یا غیرمستقیم باعث بروز پدیده دیگری ([effect]) شده است.

شما علت و معلول مورد نظر خود را مشخص می‌کنید. برای مثال، علت: «افزایش انتشار دی‌اکسید کربن» و معلول: «بالا رفتن دمای کره زمین». هوش مصنوعی فهرستی از عبارات اتصال‌دهنده با درجات تأکید متفاوت را پیشنهاد می‌دهد: «افزایش انتشار دی‌اکسید کربن منجر به بالا رفتن دمای کره زمین می‌شود.» (ساده و مستقیم). «بالا رفتن دمای کره زمین نتیجه مستقیم افزایش انتشار دی‌اکسید کربن است.» (تأکید بیشتر). «افزایش انتشار دی‌اکسید کربن، از طریق مکانیزم اثر گلخانه‌ای، زمینه‌ساز بالا رفتن دمای کره زمین می‌گردد.» (توضیح مکانیزم).

پرامپت انگلیسی

My article on [topic] has several key themes: [theme 1, theme 2, theme 3]. How can I better weave a consistent logical thread connecting these themes throughout the entire article, making their interrelation clear?

👤 برای تهیه دوره های جامع در این زمینه میتوانید به این اکانت پیام بدهید.

#️⃣#سری_پرامپت_های_رایگان

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

⬇️ دوره‌ی «The Forbidden ChatGPT Money Hacks They Don't Want You to Know»

©توضیحات:
دوره‌ی «The Forbidden ChatGPT Money Hacks They Don't Want You to Know» در Udemy مجموعه‌ای از تکنیک‌ها و استراتژی‌های درآمدزایی با استفاده از ChatGPT را آموزش می‌دهد. در این دوره می‌آموزید چگونه از مهندسی پرامپت برای تولید محتوا، بازاریابی، خدمات خودکار و فروش آنلاین بهره ببرید. همچنین نحوه یافتن فرصت‌های پنهان و استفاده از هوش مصنوعی برای کسب درآمد را با مثال‌های واقعی بررسی می‌کند. این آموزش مناسب کسانی است که به دنبال راهکارهای موثر و عملی برای کسب درآمد از ابزارهای AI هستند.


#️⃣#دوره_هوش_مصنوعی

🎞انتشار: یودمی

🔗 لینک اصلی منبع

هوش مصنوعی را #رایگان یاد بگیر – منابع معتبر، دسته‌بندی‌شده و به‌روز در کانال منابع آموزشی هوش مصنوعی

@AI_Best_Resources

⭐ هوش مصنوعی، شتاب‌دهنده موفقیت پژوهشگران یا تهدیدی برای تنوع علمی؟

نتایج یک مطالعه‌ی تازه در arXiv نشان می‌دهد پژوهشگرانی که از ابزارهای هوش مصنوعی بهره می‌گیرند، نه تنها ۶۷٪ بیشتر مقاله منتشر می‌کنند بلکه بیش از سه برابر بیشتر استناد دریافت می‌کنند و حتی چهار سال زودتر به جایگاه‌های رهبری علمی می‌رسند. این یعنی AI به‌نوعی شتاب‌دهنده‌ی بی‌سابقه برای موفقیت فردی محققان شده است.

اما روی دیگر سکه کمی نگران‌کننده است. به گفته‌ی محققان، استفاده‌ی گسترده از AI باعث شده مسیر پژوهش‌ها محدودتر و تنوع علمی کاهش یابد؛ به‌جای گسترش ایده‌ها به حوزه‌های نو، پژوهشگران بیشتر روی موضوعات تثبیت‌شده و پر داده تمرکز می‌کنند. به بیان دیگر، در حالی‌که بهره‌وری فردی جهش پیدا می‌کند، نوآوری جمعی ممکن است در خطر قرار گیرد.

این مطالعه پرسشی مهم را پیش می‌کشد: آیا هوش مصنوعی دانشمندان را به اوج می‌برد اما علم را در مسیر باریک‌تری گرفتار می‌کند؟

🔗 منابع:

💠 arxiv
💠 AI Expands Scientists' Impact but Contracts Science's Focus

🔹 لینک‌هاب: تلگرام-یوتیوب - اینستاگرام - دوره‌ها

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

💙 ساختاردهی منطقی برای مقایسه و تقابل

هنگام مقایسه و تقابل دو یا چند چیز ([X] و [Y])، ساختار ارائه مطلب اهمیت زیادی در شفافیت استدلال دارد. این پرامپت به شما کمک می‌کند تا بهترین ساختار را برای تحلیل خود انتخاب کرده و از کلمات ربط مناسب برای برجسته‌سازی شباهت‌ها و تفاوت‌ها استفاده کنید. یک ساختاردهی خوب به خواننده اجازه می‌دهد تا ویژگی‌های X و Y را به راحتی در کنار هم ببیند و به نتیجه‌گیری منطقی شما برسد.

شما موضوعات مورد مقایسه را (مثلاً X: «سیاست اقتصادی کینزی» و Y: «سیاست اقتصادی نئولیبرال») ارائه می‌دهید. هوش مصنوعی سه ساختار متفاوت را پیشنهاد می‌کند: ۱) ساختار بلوکی (Block Method): ابتدا تمام ویژگی‌های X را توضیح دهید، سپس تمام ویژگی‌های Y را. در انتها یک پاراگراف برای مقایسه مستقیم بنویسید. ۲) ساختار نقطه به نقطه (Point-by-Point): بر اساس چند معیار (مثلاً نقش دولت، تورم، اشتغال) مقایسه را انجام دهید و در هر پاراگراف، X و Y را بر اساس همان معیار بسنجید. ۳) ساختار ترکیبی. سپس کلمات ربط مناسب را پیشنهاد می‌دهد: برای شباهت‌ها «به طور مشابه»، «هر دو» و برای تفاوت‌ها «در مقابل»، «برخلاف»، «در حالی که».

پرامپت انگلیسی:

When comparing [X] and [Y], suggest 3 distinct ways to structure the argument and use connectors (e.g., "in contrast," "similarly," "whereas") to highlight both their similarities and differences logically.

👤 برای تهیه دوره های جامع در این زمینه میتوانید به این اکانت پیام بدهید.

#️⃣#سری_پرامپت_های_رایگان

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

⭐ معرفی ۵۰ ابزار تصویرسازی با هوش مصنوعی – پست ۸ از ۱۰

۵ ابزار برای خلق چهره واقعی، پرتره حرفه‌ای و عکس‌های رئالیستی

اگه می‌خوای پرتره‌های جذاب یا چهره‌های واقعی با کیفیت بالا بسازی، این ابزارها رو از دست نده:

3️⃣6️⃣. Lensa (Prisma Labs)

✅ کاربرد: ساخت پرتره دیجیتال از عکس سلفی
✅ نقطه قوت: استایل‌های متنوع، مناسب عکس پروفایل حرفه‌ای

3️⃣7️⃣. DreamLook ai

✅ کاربرد: تولید چهره‌ واقعی از توصیف متنی یا عکس
✅ نقطه قوت: چهره‌های طبیعی و نورپردازی واقع‌گرایانه

3️⃣8️⃣. Try It On AI

✅ کاربرد: پرو لباس مجازی و ساخت پرتره با استایل‌های مختلف
✅ نقطه قوت: مناسب طراحی مد، مدل‌سازی و نمایش لباس

3️⃣9️⃣. Photo AI

✅ کاربرد: ساخت عکس حرفه‌ای پرتره و هدشات با AI
✅ نقطه قوت: مناسب استفاده در رزومه، لینکدین، یا وب‌سایت شخصی

4️⃣0️⃣. Astria ai

✅ کاربرد: ساخت مدل شخصی‌شده از چهره برای تولید تصویر
✅ نقطه قوت: آموزش مدل بر اساس عکس‌های واقعی شما

🔹 لینک‌هاب: یوتیوب - اینستاگرام - دوره‌ها

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

💙تقویت پیوند ادعا و شاهد

این پرامپت یکی از حیاتی‌ترین جنبه‌های نگارش علمی را هدف قرار می‌دهد: ارتباط شفاف بین یک ادعا (Claim) و شواهد (Evidence) ارائه شده برای آن. صرفاً قرار دادن یک شاهد پس از یک ادعا کافی نیست؛ شما باید به صراحت توضیح دهید که چگونه و چرا آن شاهد، ادعای شما را تأیید می‌کند. این پرامپت به شما کمک می‌کند تا این «منطق تفسیری» را کلامی کنید و از فرضیات ضمنی که ممکن است برای خواننده روشن نباشد، پرهیز کنید. هدف، تبدیل یک ارتباط ضمنی به یک استدلال مستحکم و آشکار است.

برای استفاده، ادعای خود ([claim]) و شاهد پشتیبان آن ([evidence]) را وارد کنید. برای مثال، ادعا: «آموزش مبتنی بر بازی، انگیزه دانش‌آموزان را افزایش می‌دهد.» شاهد: «در گروه آزمایشی که از بازی آموزشی استفاده کردند، میانگین زمان صرف‌شده برای تکالیف ۳۰٪ بیشتر از گروه کنترل بود.» هوش مصنوعی می‌تواند عباراتی برای تقویت این پیوند پیشنهاد دهد، مانند: «این افزایش ۳۰ درصدی در زمان صرف‌شده، نشان‌دهنده مستقیم سطح بالاتری از درگیری و تمایل به مشارکت است که دو شاخص کلیدی انگیزه محسوب می‌شوند. بنابراین، داده‌ها به وضوح نشان می‌دهند که عنصر بازی‌وارسازی چگونه به تقویت انگیزه منجر شده است.»

پرامپت انگلیسی:

My claim is [claim], supported by [evidence]. How can I make the logical link between this specific piece of evidence and the claim more explicit and robust using clear reasoning?

👤 برای تهیه دوره های جامع در این زمینه میتوانید به این اکانت پیام بدهید.

#️⃣#سری_پرامپت_های_رایگان

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

💙17 جلد کتابچه تخصصی هوش مصنوعی در پژوهش

مجموعه ۱۷ جلد کتابچه "هوش مصنوعی در پژوهش" یک جعبه ابزار کامل برای هر پژوهشگر مدرن است. با بیش از ۲۰۰ دستور اجرایی (پرامپت) و سرفصل آموزشی، فرآیندهای تحقیقی خود را هوشمندتر، سریع‌تر و دقیق‌تر انجام دهید.

#️⃣ #کتابچه_رایگان

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

⭐ مکالمه‌ای طبیعی‌تر از همیشه؛ ChatGPT و انقلاب در Voice Mode

دستیار صوتی ChatGPT تازه‌ترین آپدیتش رو دریافت کرده و حالا تجربه‌ای بسیار طبیعی‌تر و شخصی‌تر رو به شما ارائه می‌ده. از این پس می‌تونید سرعت صحبت کردن دستیار رو دقیقاً مطابق سلیقه‌تون تنظیم کنید؛ چه بخواید با آرامش و حوصله به مکالمه گوش بدید، چه بخواید سریع‌تر به جواب برسید. همچنین قابلیت دستورالعمل‌های سفارشی به شما این امکان رو می‌ده که یک‌بار تنظیم کنید و همیشه همان‌طور که دوست دارید با شما صحبت کنه؛ بدون اینکه هر بار نیاز باشه دوباره بهش بگید.

بهبودهای تازه در GPT-5 هم باعث شده گفت‌وگوها روان‌تر، طبیعی‌تر و نزدیک‌تر به مکالمات واقعی باشن. حالا دستیار شما نه‌تنها دقیق‌تر و هوشمندتر جواب می‌ده، بلکه حس یک همراه واقعی رو القا می‌کنه. این آپدیت قدم بزرگیه برای اینکه مکالمه با هوش مصنوعی، بیش از پیش شبیه به تعامل با یک انسان بشه.

🔹 لینک‌هاب: تلگرام-یوتیوب - اینستاگرام - دوره‌ها

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

💙 پیوند محکم‌تر مقدمه با نتیجه‌گیری

مقدمه و نتیجه‌گیری مقاله باید مانند دو قاب آینه روبروی هم عمل کنند. مقدمه، پرسش‌ها، اهداف و ادعاهای اصلی را مطرح می‌کند و نتیجه‌گیری باید به طور صریح به همان موارد بازگردد و نشان دهد که چگونه در طول مقاله به آن‌ها پاسخ داده شده است. این پرامپت به شما کمک می‌کند تا یک «پژواک» یا «حلقه منطقی» قوی بین این دو بخش ایجاد کنید. این کار به خواننده حس رضایت و کامل بودن می‌دهد و نشان می‌دهد که مقاله به تمام وعده‌های اولیه خود عمل کرده است.

برای استفاده از این پرامپت، کافی است خلاصه استدلال‌ها یا سؤالات اصلی مطرح شده در مقدمه را ارائه دهید. هوش مصنوعی به شما کمک می‌کند تا جملاتی برای بخش نتیجه‌گیری بنویسید که مستقیماً به آن موارد ارجاع دهند. برای مثال، اگر در مقدمه پرسیده‌اید: «چگونه فناوری بلاک‌چین می‌تواند امنیت زنجیره تأمین را بهبود بخشد؟»، هوش مصنوعی پیشنهاد می‌کند در نتیجه‌گیری بنویسید: «همانطور که در این مقاله نشان داده شد، در پاسخ به پرسش اولیه، فناوری بلاک‌چین از طریق ایجاد یک دفتر کل توزیع‌شده و تغییرناپذیر، امنیت زنجیره تأمین را به طور قابل توجهی تقویت می‌کند.»

پرامپت انگلیسی:

How can I create a stronger logical "echo" or explicit connection between the main arguments/questions raised in my Introduction and how they are resolved, summarized, or extended in my Conclusion?

👤 برای تهیه دوره های جامع در این زمینه میتوانید به این اکانت پیام بدهید.

#️⃣#سری_پرامپت_های_رایگان

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

💙دوره رایگان کارکردهای هوش مصنوعی در پژوهش-جلسه اول

👤برای تهیه آموزش های بیشتر و دسترسی به 30 ساعت کارگاه عملی ، آپدیت های رایگان و پشتیبانی آنلاین و کتابچه های راهنما و دسترسی نامحدود به این اکانت پیام بدهید.

00:00:00 چرا باید از هوش مصنوعی استفاده کرد
00:04:44 رسیدن به سوال اولیه
00:07:57 آنالیز عمیق یک مقاله
00:10:23 تحلیل عمیق و هدفمند مقاله
00:11:29 تناسب مقاله و کار پژوهشی ما
00:14:45 آنالیز یافته های یک پژوهش
00:16:27 یافتن شکاف های پژوهشی
00:17:59 آنالیز کلید واژه های اساسی یک مقاله
00:19:54 راهنمای استفاده از کتابچه هوش مصنوعی
00:21:55 چطور مقاله را آنالیز کنیم
00:26:06 راهنمای استفاده از اسکوپوس
00:31:00 غربالگری منابع
00:36:00 آنالیز خط روایت مقاله
00:37:58 آنالیز محدودیت یک مقاله
00:42:05 چطور یک مقاله را به کمک هوش مصنوعی تدریس کنیم
00:46:02 ساخت نقشه ذهنی از مقاله
00:48:00 چطور مقاله بخوانیم
00:51:33 مطالعه مقاله قسمت دوم
🔹 لینک‌هاب: یوتیوب - اینستاگرام - دوره‌ها

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

📱 📱 📱@AI_in_Research

⭐ حل‌کننده مسئله نمونه (ریاضی/علوم)

هوش مصنوعی می‌تواند راه‌حل‌های گام‌به‌گام و مشروح برای مسائل نمونه در ریاضی، فیزیک، شیمی و سایر علوم ارائه دهد. این کار نه تنها جواب نهایی را نشان می‌دهد، بلکه فرآیند تفکر، فرمول‌های استفاده شده و منطق پشت هر مرحله را نیز توضیح می‌دهد که برای یادگیری بسیار مفید است.

✅ توصیه‌هایی برای مهندسی پرامپت:

مسئله یا سوال را به طور کامل و دقیق وارد کنید. به صراحت درخواست راه‌حل "گام‌به‌گام" یا "توضیح برای هر مرحله" کنید. می‌توانید درخواست کنید که مفاهیم یا فرمول‌های کلیدی استفاده شده نیز توضیح داده شوند.

✅ چند تا پرامپت انگلیسی نمونه:

" Solve this algebra problem step-by-step, explaining each step: ۲(x + ۵) - ۳ = ۱۱ "

" Show the detailed steps and explain the reasoning for solving this physics problem: [Insert physics problem text about kinematics.] "

" Walk me through the process of balancing this chemical equation, explaining the rules used: Fe + O۲ -> Fe۲O۳ "

🔹 لینک‌هاب: تلگرام-یوتیوب - اینستاگرام - دوره‌ها

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

⭐️ وقتی هوش مصنوعی هم سیاسی می‌شود

بیشتر مردم فکر می‌کنن هوش‌مصنوعی فقط ماشین حسابی بزرگه که بی‌طرف جواب میده. اما تحقیقات تازه چیز دیگه‌ای میگن: مدل‌های هوش‌مصنوعی در عمل از نظر اقتصادی گرایش به چپ‌گرایی دارن و در مسائل اجتماعی هم بیشتر آزادی‌خواه یا لیبرترین عمل می‌کنن. دلیلش؟ بخش زیادی از داده‌های آموزشی مثل ویکی‌پدیا که همین سوگیری‌ها رو در خودش داره و به مدل‌ها منتقل کرده.

جالب‌تر اینجاست که تفاوت‌های کوچیکی بین برندها وجود داره. مثلا گفته میشه Gemini و مدل‌های مایکروسافت بیشتر چپ‌گرا هستن، در حالی که Grok نزدیک‌تر به میانه حرکت می‌کنه. حالا سوال اینجاست: وقتی حتی مغزهای مصنوعی هم رنگ سیاسی می‌گیرن، آیا می‌تونیم روی «بی‌طرفی» اون‌ها حساب کنیم؟

🔗 منابع:

trackingai
businessinsider
geekalerts

🔹 لینک‌هاب: تلگرام-یوتیوب - اینستاگرام - دوره‌ها

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

💙 توضیح "چرایی" اتصال بین ایده‌ها

گاهی دو ایده در متن شما به دنبال هم می‌آیند و شما به عنوان نویسنده، ارتباط منطقی آن‌ها را بدیهی فرض می‌کنید، اما این ارتباط برای خواننده پنهان است. این پرامپت به شما کمک می‌کند تا این «چرایی» پنهان را آشکار کنید و به صراحت توضیح دهید که چرا ایده دوم، نتیجه منطقی، مثال، یا نقطه مقابل ایده اول است. این کار عمق تحلیل شما را افزایش می‌دهد و از سوءبرداشت جلوگیری می‌کند.

شما دو ایده ([Idea 1] و [Idea 2]) را که اتصالشان ضمنی است، به هوش مصنوعی می‌دهید. برای مثال، ایده ۱: «شبکه‌های اجتماعی امکان دسترسی به اطلاعات را برای همگان فراهم کرده‌اند.» ایده ۲: «انتشار اطلاعات نادرست (Misinformation) به یک چالش بزرگ تبدیل شده است.» هوش مصنوعی عباراتی برای توضیح پیوند این دو پیشنهاد می‌دهد: «این دسترسی گسترده به اطلاعات، که در ذات خود یک مزیت دموکراتیک است، شمشیر دولبه‌ای است؛ زیرا همین سهولت در انتشار، بستر مناسبی را برای پخش سریع اطلاعات نادرست فراهم می‌کند که فاقد نظارت و راستی‌آزمایی منابع سنتی است.» این جمله «چرایی» اتصال را به وضوح بیان می‌کند.

پرامپت انگلیسی:

The connection between [Idea 1] and [Idea 2] in my draft is currently implicit. Suggest phrasing to explicitly explain why these two ideas are logically connected in the context of my overall argument.

👤 برای تهیه دوره های جامع در این زمینه میتوانید به این اکانت پیام بدهید.

#️⃣#سری_پرامپت_های_رایگان

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research

⭐ 15 پرامپت برای سنجش کیفیت شواهد

این ۱۵ دستورالعمل به شما کمک می‌کنند تا کیفیت، اعتبار، ارتباط و کفایت شواهد ارائه شده در یک مقاله را برای پشتیبانی از ادعاهای آن به دقت مورد ارزیابی قرار دهید.

سنجش ارتباط مستقیم شواهد با ادعاها

Assess how directly each piece of evidence presented supports the specific claims or arguments being made by the author.

ارزیابی کفایت کمی شواهد

English Prompt: Evaluate if the quantity of evidence provided is adequate and sufficient to convincingly support the main arguments or conclusions.

بررسی اعتبار و وثاقت منابع شواهد

Scrutinize the credibility, reliability, and reputation of the sources from which the evidence is drawn. Are they authoritative and appropriate for the topic?

کنکاش در صحت و دقت داده‌ها و اطلاعات

Examine the accuracy and precision of factual claims, data points, statistics, or quotations presented as evidence. Are there any apparent errors or misrepresentations?

سنجش به‌روز بودن و تاریخ انقضای شواهد

Consider the currency or timeliness of the evidence. Is it up-to-date enough for the arguments being made, especially in rapidly evolving fields?

شناسایی سوگیری در انتخاب یا ارائه شواهد

Identify any potential bias in the selection, presentation, or interpretation of evidence. Does it seem one-sided or to selectively ignore contrary evidence?

ارزیابی عمق، جزئیات و ویژگی‌های شواهد

Evaluate the depth and specificity of the evidence. Does it offer substantial detail, or does it remain superficial and overly general?

سنجش وضوح ارتباط شواهد با استدلال

Assess the clarity with which the evidence is linked to the author's arguments. Is the connection explicitly made and easy for the reader to understand?

تحلیل میزان زمینه‌مندسازی شواهد

Analyze whether the evidence is adequately contextualized. Is enough background information provided for the reader to understand its significance and relevance?

تفکیک و ارزیابی منابع اولیه و ثانویه

Distinguish between primary and secondary sources of evidence. How effectively are secondary sources used, and is there appropriate reliance on primary evidence where needed?

بررسی سازگاری و تناقضات درونی شواهد

Check for internal consistency among different pieces of evidence presented. Are there any contradictions or pieces of evidence that undermine each other?

کاوش در تفاسیر جایگزین برای شواهد ارائه شده

Could the presented evidence reasonably support alternative interpretations or conclusions that are not considered or acknowledged by the author?

ارزیابی قدرت پیوند منطقی شواهد با ادعا

Rate the strength of the logical connection between each piece of evidence and the specific claim it purports to support. Is the link tenuous or robust?

نقد دقت روش‌شناختی (اگر شواهد، داده‌های پژوهشی هستند)

If the evidence consists of research data (e.g., survey results, experimental findings), critique the methodological rigor underpinning its collection and analysis.

سنجش میزان نمایندگی شواهد (در صورت استفاده از نمونه)

If evidence involves samples (e.g., case studies, survey participants), assess its representativeness and whether conclusions drawn from it can be fairly generalized.

🔹 لینک‌هاب: یوتیوب - اینستاگرام - دوره‌ها

هوش‌مصنوعی در پژوهش، بروزترین ارائه دهنده خدمات #هوش‌مصنوعی در ایران

@AI_in_Research