Evidence
▫️کتابسنجی N مقاله پراستناد در حوزه Y در چند سال اخیر انتشار مقالات کتابسنجی تحت عنوان "X مقاله پراستناد" زیاد شده است. الگوی کلی این مقالات بدین صورت است: X most-cited articles in/on [topic/discipline] قبل یا بعد از این الگو، اصطلاحاتی مانند Bibliome…
▫️کتابسنحی N مقاله پراستناد هوش مصنوعی در حوزه Y
اگه قبلاً نخوندید، لطفاً ابتدا پستی که روی آن ریپلای کردم را بخونید.
حالا که هوش مصنوعی مولد آمده است، چرا مقالات پراستناد آنها را کتابسنجی نکنیم؟
مثلاً این دوستانمون از چین، چراغ اول را روشن کردهاند:
The top 100 most-cited articles on large language models in medicine: A bibliometric analysis (Link)
البته قبل از این مقاله، چند مقاله دیگر در حوزه کلی هوش مصنوعی (و نه هوش مصنوعی مولد) منتشر شده بود. مثلاً:
A bibliometric analysis of the 50 most cited articles about artificial intelligence in electrocardiogram
The top 100 most-cited articles on artificial intelligence in breast radiology: a bibliometric analysis
The 100 most cited articles in artificial intelligence related to orthopedics
فقط کافیست تعداد و رشته/حوزه/موضوع را عوض کنید. مثلاً 50 یا 100 یا 200 مقاله پراستناد هوش مصنوعی مولد در پرستاری/دندانپرشکی/داروسازی/مامایی/آموزش/جامعهشناسی/روانشناسی و زیر مجموعههای بیشمار آنها. تبریک میگم عنواتان آماده است!
#bibliometric
#AI
🆔 @irevidence
اگه قبلاً نخوندید، لطفاً ابتدا پستی که روی آن ریپلای کردم را بخونید.
حالا که هوش مصنوعی مولد آمده است، چرا مقالات پراستناد آنها را کتابسنجی نکنیم؟
مثلاً این دوستانمون از چین، چراغ اول را روشن کردهاند:
The top 100 most-cited articles on large language models in medicine: A bibliometric analysis (Link)
البته قبل از این مقاله، چند مقاله دیگر در حوزه کلی هوش مصنوعی (و نه هوش مصنوعی مولد) منتشر شده بود. مثلاً:
A bibliometric analysis of the 50 most cited articles about artificial intelligence in electrocardiogram
The top 100 most-cited articles on artificial intelligence in breast radiology: a bibliometric analysis
The 100 most cited articles in artificial intelligence related to orthopedics
فقط کافیست تعداد و رشته/حوزه/موضوع را عوض کنید. مثلاً 50 یا 100 یا 200 مقاله پراستناد هوش مصنوعی مولد در پرستاری/دندانپرشکی/داروسازی/مامایی/آموزش/جامعهشناسی/روانشناسی و زیر مجموعههای بیشمار آنها. تبریک میگم عنواتان آماده است!
#bibliometric
#AI
🆔 @irevidence
❤10😁8👎4
Evidence
▫️رتبهبندی شانگهای و نامه معاون راهبردی رئیس جمهور به وزیر بهداشت محسن اسماعیلی (معاون راهبردی و امور مجلس رئیسجمهور) به وزیر بهداشت نامه نوشته است و در آن از کاهش تعداد دانشگاههای ایرانی در رتبهبندی شانگهای 2025 ابزار نگرانی عمیق کرده است. به اعتقاد…
▫️چرا نظام رتبهبندی شانگهای برای دانشگاههای ایرانی مناسب نیست؟
با نگاهی به شاخصهای رتبهبندی شانگهای، متوجه میشویم که تقریباً همه آنها به نحوی به پژوهش مرتبط هستند. گرچه این نظام به کیفیت آموزش نیز اشاره کرده، اما معیار سنجش آن را دریافت جوایز نوبل و فیلدز قرار داده است.
از مجموع ۱۰۰ امتیاز این نظام، ۳۰ امتیاز مربوط به برندگان جوایز نوبل و فیلدز است. بهجز تعداد معدودی از دانشگاههای مطرح، فارغالتحصیلان و اساتید سایر کشورها، از جمله ایران، عملاً شانس چندانی برای کسب این جوایز ندارند. بنابراین، پیش از آغاز رقابت، دانشگاههای ایرانی و بسیاری دیگر از کشورها، 30 بر هیچ عقب میافتند.
یکی دیگر از معیارها، تعداد مقالات چاپشده در مجلات Nature و Science است. البته، همه انواع مقالات را در نظر نمیگیرد و صرفاً مقالات اصیل را معیار قرار میدهد که با برچسب Article در پایگاهها مشخص میشوند. سهم این شاخص ۲۰ درصد است که رقم قابل توجهی محسوب میشود. در حالیکه پژوهشگران ایرانی اغلب Letter در این مجلات منتشر میکنند، تعداد مقالات اصیل بسیار اندک است.
برای مثال، بر اساس دادههای اسکوپوس، تاکنون 92318 مقاله اصیل در Science منتشر شده که سهم نویسندگان ایرانی تنها ۴۳ مقاله بوده است. این در حالی است که پژوهشگران آمریکایی 46097 مقاله (50%) این مجله را به خود اختصاص دادهاند. در رتبه بعدی، بریتانیا با 5151 مقاله (۵.۵۸ %) قرار دارد و چین با 1923مقاله در رتبه هشتم است. این آمار نشان میدهد مجله Science تمایل بیشتری به چاپ مقالات پژوهشگران آمریکایی دارد.
در مورد مجله Nature نیز حدود ۴۰ درصد مقالات اصیل توسط نویسندگان آمریکایی و بریتانیایی منتشر شدهاند. بنابراین، بسیاری از دانشگاهها، از جمله دانشگاههای ایرانی، عملاً نمیتوانند بخش قابل توجهی از امتیاز این شاخص را به دست آورند.
یکی دیگر از شاخصهای مهم، تعداد پژوهشگران پراستناد است که ۲۰ درصد از کل امتیاز را شامل میشود. طبق دادههای جدید کلاریویت، در مجموع بیش از ۶ هزار پژوهشگر پراستناد از ۵۹ کشور جهان وجود دارد که سهم ایران تنها ۳ نفر است. جالب اینکه حدود ۵۷ درصد پژوهشگران پراستناد جهان در آمریکا یا چین زندگی میکنند. بنابراین، در این شاخص نیز دانشگاههای ایرانی شانسی برای کسب امتیاز ویژه ندارند.
در نهایت، بیشترین سهم و رقابت دانشگاههای ایرانی مربوط به تعداد مقالات نمایهشده در پایگاههای استنادی SCIE و SSCI است که میتوانند در این شاخص -که باز ۲۰ درصد سهم دارد- بهتر عمل کنند. اما این شاخص هم در سالهای اخیر رو به کاهش رفته و کشورهایی چون عربستان و ترکیه از ایران پیشی گرفتهاند.
نکته مهم دیگری که نباید نادیده گرفت، غیرجامع بودن دانشگاههای ایرانی است. ایران تنها کشوری است که آموزش علوم پزشکی را از آموزش عالی جدا کرده و دانشگاههایی با عنوان دانشگاه علوم پزشکی تاسیس کرده است. این جداسازی باعث شده دانشگاهها از جامعیت لازم برخوردار نباشند. فرض کنید اگر دانشگاه تهران و دانشگاه علوم پزشکی تهران با یکدیگر ادغام شوند، رتبه آنها در نظامهای رتبهبندی جهانی بهبود قابل توجهی خواهد داشت؛ چنانکه اکنون رتبه هر دو در بازه ۴۰۱ تا ۵۰۰ قرار دارد، اما در صورت ادغام احتمالا به محدوده ۲۰۰ تا ۳۰۰ و حتی بهتر ارتقاء مییابد.
از سوی دیگر، یکی از وظایف اصلی دانشگاههای علوم پزشکی در ایران، ارائه خدمات بهداشتی و درمانی است که در نظامهای رتبهبندی بینالمللی، معمولاً نادیده گرفته میشود.
بحث در این زمینه بسیار مفصل است و در این مجال نمیگنجد!
برای رفع خستگی، به ادامه پست توجه فرمایید:
معاون راهبردی رئیسجمهور در آن نامه اظهار داشته: کاهش تعداد دانشگاههای ایرانی در رتبهبندی شانگهای منجر به تشدید مهاجرت نخبگان خواهد شد.
حال به گفتوگوی فرضی یک خبرنگار با نخبهای که در فرودگاه در انتظار پرواز و مهاجرت است، توجه کنید:
سلام. ممکن است بفرمایید چرا قصد مهاجرت دارید؟
یعنی مشکل دیگری نداشتید و فقط بهخاطر همین مسئله مهاجرت میکنید؟
حق دارید! این مسئله بسیار جدی است. آیا پیامی برای مسئولین دارید؟
#ranking
#university
#shanghai
🆔 @irevidence
با نگاهی به شاخصهای رتبهبندی شانگهای، متوجه میشویم که تقریباً همه آنها به نحوی به پژوهش مرتبط هستند. گرچه این نظام به کیفیت آموزش نیز اشاره کرده، اما معیار سنجش آن را دریافت جوایز نوبل و فیلدز قرار داده است.
از مجموع ۱۰۰ امتیاز این نظام، ۳۰ امتیاز مربوط به برندگان جوایز نوبل و فیلدز است. بهجز تعداد معدودی از دانشگاههای مطرح، فارغالتحصیلان و اساتید سایر کشورها، از جمله ایران، عملاً شانس چندانی برای کسب این جوایز ندارند. بنابراین، پیش از آغاز رقابت، دانشگاههای ایرانی و بسیاری دیگر از کشورها، 30 بر هیچ عقب میافتند.
یکی دیگر از معیارها، تعداد مقالات چاپشده در مجلات Nature و Science است. البته، همه انواع مقالات را در نظر نمیگیرد و صرفاً مقالات اصیل را معیار قرار میدهد که با برچسب Article در پایگاهها مشخص میشوند. سهم این شاخص ۲۰ درصد است که رقم قابل توجهی محسوب میشود. در حالیکه پژوهشگران ایرانی اغلب Letter در این مجلات منتشر میکنند، تعداد مقالات اصیل بسیار اندک است.
برای مثال، بر اساس دادههای اسکوپوس، تاکنون 92318 مقاله اصیل در Science منتشر شده که سهم نویسندگان ایرانی تنها ۴۳ مقاله بوده است. این در حالی است که پژوهشگران آمریکایی 46097 مقاله (50%) این مجله را به خود اختصاص دادهاند. در رتبه بعدی، بریتانیا با 5151 مقاله (۵.۵۸ %) قرار دارد و چین با 1923مقاله در رتبه هشتم است. این آمار نشان میدهد مجله Science تمایل بیشتری به چاپ مقالات پژوهشگران آمریکایی دارد.
در مورد مجله Nature نیز حدود ۴۰ درصد مقالات اصیل توسط نویسندگان آمریکایی و بریتانیایی منتشر شدهاند. بنابراین، بسیاری از دانشگاهها، از جمله دانشگاههای ایرانی، عملاً نمیتوانند بخش قابل توجهی از امتیاز این شاخص را به دست آورند.
یکی دیگر از شاخصهای مهم، تعداد پژوهشگران پراستناد است که ۲۰ درصد از کل امتیاز را شامل میشود. طبق دادههای جدید کلاریویت، در مجموع بیش از ۶ هزار پژوهشگر پراستناد از ۵۹ کشور جهان وجود دارد که سهم ایران تنها ۳ نفر است. جالب اینکه حدود ۵۷ درصد پژوهشگران پراستناد جهان در آمریکا یا چین زندگی میکنند. بنابراین، در این شاخص نیز دانشگاههای ایرانی شانسی برای کسب امتیاز ویژه ندارند.
در نهایت، بیشترین سهم و رقابت دانشگاههای ایرانی مربوط به تعداد مقالات نمایهشده در پایگاههای استنادی SCIE و SSCI است که میتوانند در این شاخص -که باز ۲۰ درصد سهم دارد- بهتر عمل کنند. اما این شاخص هم در سالهای اخیر رو به کاهش رفته و کشورهایی چون عربستان و ترکیه از ایران پیشی گرفتهاند.
نکته مهم دیگری که نباید نادیده گرفت، غیرجامع بودن دانشگاههای ایرانی است. ایران تنها کشوری است که آموزش علوم پزشکی را از آموزش عالی جدا کرده و دانشگاههایی با عنوان دانشگاه علوم پزشکی تاسیس کرده است. این جداسازی باعث شده دانشگاهها از جامعیت لازم برخوردار نباشند. فرض کنید اگر دانشگاه تهران و دانشگاه علوم پزشکی تهران با یکدیگر ادغام شوند، رتبه آنها در نظامهای رتبهبندی جهانی بهبود قابل توجهی خواهد داشت؛ چنانکه اکنون رتبه هر دو در بازه ۴۰۱ تا ۵۰۰ قرار دارد، اما در صورت ادغام احتمالا به محدوده ۲۰۰ تا ۳۰۰ و حتی بهتر ارتقاء مییابد.
از سوی دیگر، یکی از وظایف اصلی دانشگاههای علوم پزشکی در ایران، ارائه خدمات بهداشتی و درمانی است که در نظامهای رتبهبندی بینالمللی، معمولاً نادیده گرفته میشود.
بحث در این زمینه بسیار مفصل است و در این مجال نمیگنجد!
برای رفع خستگی، به ادامه پست توجه فرمایید:
معاون راهبردی رئیسجمهور در آن نامه اظهار داشته: کاهش تعداد دانشگاههای ایرانی در رتبهبندی شانگهای منجر به تشدید مهاجرت نخبگان خواهد شد.
حال به گفتوگوی فرضی یک خبرنگار با نخبهای که در فرودگاه در انتظار پرواز و مهاجرت است، توجه کنید:
سلام. ممکن است بفرمایید چرا قصد مهاجرت دارید؟
ببینید، در سالهای اخیر تعداد دانشگاههای ایرانی در رتبهبندی شانگهای کاهش یافته است و این موضوع برای من قابل قبول نیست؛ بنابراین تصمیم به مهاجرت گرفتم.
یعنی مشکل دیگری نداشتید و فقط بهخاطر همین مسئله مهاجرت میکنید؟
بله، هیچ مشکل خاصی نداشتم. بهترین امکانات، تجهیزات و بالاترین حقوق را داشتم. فضای علمی دانشگاه مطلوب بود و مسئولین نیز کاملاً به علم و پژوهش اهمیت میدادند؛ اما کاهش تعداد دانشگاههای ایرانی در رتبهبندی شانگهای را اصلاً نمیتوانم هضم کنم!
حق دارید! این مسئله بسیار جدی است. آیا پیامی برای مسئولین دارید؟
بله، به مسئولین میگویم اگر میخواهید جلوی مهاجرت ما را بگیرید، لطفاً کاری کنید تعداد دانشگاههای ایرانی در نظامهای رتبهبندی، بهویژه رتبهبندی شانگهای، افزایش یابد!
#ranking
#university
#shanghai
🆔 @irevidence
😁34👍2❤1🙏1
🔷 عنوان کتاب: صد پرسش و پاسخ درباره آمار در روانشناسی
🟢 نویسنده: Neil J. Salkind
🟢 مترجم: رضا سلطانیشال
🟢 ناشر: دانشگاه گیلان
🟢تاریخ انتشار: 1400
🟢 تعداد صفحات: 185
🟢 توضیحات:
ترجمه کتاب 100 Questions (and Answers) About Statistics تألیف Salkind به رایگان توسط انتشارات دانشگاه گیلان در دسترس قرار گرفته است. در ترجمه، کلمه روانشناسی به عنوان کتاب اضافه شده است!
زنده یاد پروفسور Salkind از نویسندگان مطرح در حوزه روش تحقیق و آمار بود. وی کتاب جالب دیگری درباره آمار دارد تحت عنوان:
Statistics for People Who (Think They) Hate Statistics
که بسیار پرفروش و جذاب است.
🔗 برای دانلود کتاب اینجا را کلیک کنید.
#book
#statistics
🆔 @irevidence
🟢 نویسنده: Neil J. Salkind
🟢 مترجم: رضا سلطانیشال
🟢 ناشر: دانشگاه گیلان
🟢تاریخ انتشار: 1400
🟢 تعداد صفحات: 185
🟢 توضیحات:
ترجمه کتاب 100 Questions (and Answers) About Statistics تألیف Salkind به رایگان توسط انتشارات دانشگاه گیلان در دسترس قرار گرفته است. در ترجمه، کلمه روانشناسی به عنوان کتاب اضافه شده است!
زنده یاد پروفسور Salkind از نویسندگان مطرح در حوزه روش تحقیق و آمار بود. وی کتاب جالب دیگری درباره آمار دارد تحت عنوان:
Statistics for People Who (Think They) Hate Statistics
که بسیار پرفروش و جذاب است.
🔗 برای دانلود کتاب اینجا را کلیک کنید.
#book
#statistics
🆔 @irevidence
❤13
▫️جشنواره رازی و فیلمهای هندی
در فیلمهای هندی صحنههایی میبینیم که بهشدت غیرقابل باورند (البته متناسب با ژانر فیلم). گاهی از اینکه چرا مخاطب را اینقدر سادهلوح فرض میکنند، هم میخندیم و هم ناراحت میشویم.
اما من تحلیل دیگری دارم: رسیدن به چنین صحنههای عجیب، خودش IQ بالایی میخواهد! یعنی باید ذهنی بسیار خلاق داشته باشید که اصلاً چنین موقعیتهای باورنکردنی به فکرتان برسد. به همین دلیل هم مخاطب از دیدن آنها غافلگیر و سورپرایز میشود. به نظر من این، در نوع خود یک توانمندی ذهنی است.
ظاهراً مسئولین جشنواره رازی هم چنین توانمندیهایی دارند!
خبر مربوط به فراخوان سیویکمین جشنواره تحقیقات و فناوری علوم پزشکی رازی را دیدم که قرار است دیماه امسال برگزار شود.
وقتی دستورالعمل ثبتنام و معیارهای ارزیابی پژوهشگران را خواندم، به فرمول جالب زیر رسیدم:
این فرمول برای نویسنده اول یا مسئول مقاله است. سهم بقیه نویسندگان هم نصف این امتیاز محاسبه میشود.
اگر مقاله اصیل یا مروری در مجلات به اصطلاح ISI منتشر شود، امتیاز 2 میگیرد و در مجلات پابمد، اسکوپوس و نمایه Emerging به ترتیب 1.5، 1 و 0.75 خواهد گرفت.
ضمناً باید حداقل H-index = 20 داشته باشید تا اصلاً اجازه ورود به جشنواره پیدا کنید.
چطور این فرمول به ذهنتان رسیده است؟ چرا تعداد استنادات باید تقسیم بر 2 شود؟ چرا IF باید تقسیم بر 5 شود؟ چرا برای ارزیابی مقاله باید از یک سنجه در سطح مجله استفاده شود؟
چرا این همه کمیگرایی؟
واقعاً با تعداد استنادات و IF مجله میتوان پژوهشگر برتر انتخاب کرد؟
چرا باید از سنجههای نرمال نشده مثل تعداد استنادات، اچ ایندکس و IF برای مقایسه پژوهشگران رشتههای مختلف استفاده کرد؟
یک تعریف جالب از اثر پژوهش (research impact) در چارچوب تعالی پژوهشی بریتانیا ارائه شده است:
آیا میتوان با تعداد استنادات و IF این اثرات را سنجید؟
الزویر (مالک اسکوپوس و سایول) دو قاعده طلایی را ذکر کرده است:
کمیگرایی افراطی آفت بزرگی است.
#critique
#research_metrics
🆔 @irevidence
در فیلمهای هندی صحنههایی میبینیم که بهشدت غیرقابل باورند (البته متناسب با ژانر فیلم). گاهی از اینکه چرا مخاطب را اینقدر سادهلوح فرض میکنند، هم میخندیم و هم ناراحت میشویم.
اما من تحلیل دیگری دارم: رسیدن به چنین صحنههای عجیب، خودش IQ بالایی میخواهد! یعنی باید ذهنی بسیار خلاق داشته باشید که اصلاً چنین موقعیتهای باورنکردنی به فکرتان برسد. به همین دلیل هم مخاطب از دیدن آنها غافلگیر و سورپرایز میشود. به نظر من این، در نوع خود یک توانمندی ذهنی است.
ظاهراً مسئولین جشنواره رازی هم چنین توانمندیهایی دارند!
خبر مربوط به فراخوان سیویکمین جشنواره تحقیقات و فناوری علوم پزشکی رازی را دیدم که قرار است دیماه امسال برگزار شود.
وقتی دستورالعمل ثبتنام و معیارهای ارزیابی پژوهشگران را خواندم، به فرمول جالب زیر رسیدم:
امتیاز هر مقاله = (امتیاز ایندکس و نوع مقاله) + (0.2 × IF نشریه) + (0.5 × تعداد استناد در Scopus)
این فرمول برای نویسنده اول یا مسئول مقاله است. سهم بقیه نویسندگان هم نصف این امتیاز محاسبه میشود.
اگر مقاله اصیل یا مروری در مجلات به اصطلاح ISI منتشر شود، امتیاز 2 میگیرد و در مجلات پابمد، اسکوپوس و نمایه Emerging به ترتیب 1.5، 1 و 0.75 خواهد گرفت.
ضمناً باید حداقل H-index = 20 داشته باشید تا اصلاً اجازه ورود به جشنواره پیدا کنید.
چطور این فرمول به ذهنتان رسیده است؟ چرا تعداد استنادات باید تقسیم بر 2 شود؟ چرا IF باید تقسیم بر 5 شود؟ چرا برای ارزیابی مقاله باید از یک سنجه در سطح مجله استفاده شود؟
چرا این همه کمیگرایی؟
واقعاً با تعداد استنادات و IF مجله میتوان پژوهشگر برتر انتخاب کرد؟
چرا باید از سنجههای نرمال نشده مثل تعداد استنادات، اچ ایندکس و IF برای مقایسه پژوهشگران رشتههای مختلف استفاده کرد؟
یک تعریف جالب از اثر پژوهش (research impact) در چارچوب تعالی پژوهشی بریتانیا ارائه شده است:
هر گونه تغییر، فایده یا تأثیر بر اقتصاد، جامعه، فرهنگ، سیاست عمومی و خدمات، سلامت، محیط زیست یا کیفیت زندگی که فراتر از مرزهای دانشگاهی باشد.
آیا میتوان با تعداد استنادات و IF این اثرات را سنجید؟
الزویر (مالک اسکوپوس و سایول) دو قاعده طلایی را ذکر کرده است:
1. همیشه بیش از یک سنجه را برای پاسخ به یک سؤال به کار گیرید.
2. همیشه سنجهها را در کنار داوری همتا و/یا نظر متخصصان استفاده کنید.
کمیگرایی افراطی آفت بزرگی است.
#critique
#research_metrics
🆔 @irevidence
👍44❤12😁2
Evidence
▫️جشنواره رازی و فیلمهای هندی در فیلمهای هندی صحنههایی میبینیم که بهشدت غیرقابل باورند (البته متناسب با ژانر فیلم). گاهی از اینکه چرا مخاطب را اینقدر سادهلوح فرض میکنند، هم میخندیم و هم ناراحت میشویم. اما من تحلیل دیگری دارم: رسیدن به چنین صحنههای…
▫️برنامه Citation Laureates: استفاده از ارزیابی کمی و کیفی برای شناسایی پژوهشگران در سطح نوبل
شرکت کلاریویت برنامهای به نام Citation Laureates دارد که هدف آن شناسایی پژوهشگرانی است که احتمال دریافت جایزه نوبل را دارند. این برنامه از ترکیب روشهای کمی و کیفی برای ارزیابی استفاده میکند.
بخش کمی برنامه بر اساس دادههای Web of Science عمل کرده و پژوهشگرانی را بررسی میکند که مقالاتشان جزو پراستنادترین آثار علمی جهان هستند (معمولاً دو صدم برتر). البته تعداد استناد تنها معیار نیست. کارشناسان مؤسسه اطلاعات علمی موارد دیگری مانند نوآوری و تأثیر اجتماعی تحقیق، دریافت سایر جوایز علمی معتبر، تطابق با معیارهای جایزه نوبل و میزان نفوذ در رشتههای مرتبط را نیز در نظر میگیرند.
از زمان شروع این برنامه در سال 2002 تعداد 465 پژوهشگر به عنوان Citation Laureate معرفی شدهاند که 83 نفر از آنان بعدها جایزه نوبل دریافت کردند.
این نتیجه نشان میدهد دستاوردهای علمی میتوانند از محدوده دانشگاهها خارج شده و بر زندگی عملی مردم تأثیر بگذارند، از جمله در حوزههای درمانهای پزشکی، انرژی پاک، سیاستگذاری اجتماعی و مقابله با تغییرات اقلیمی.
طبیعتاً بدون ارزیابی کیفی و صرفاً بر اساس تعداد استنادها، این برنامه موفق نمیشد.
برای سال 2025 تعداد 22 پژوهشگر در رشتههای فیزیولوژی یا پزشکی، فیزیک، شیمی و اقتصاد معرفی شده است. این رشتهها همان رشتههای نوبل علمی هستند.
یکی از پژوهشگران رشته فیزیولوژی یا پزشکی، اچ-ایندکس 33 دارد که اگر ایران بود، احتمالاً در جشنواره رازی هم برنده نمیشد.
بر اساس سامانه علم سنجی اساتید وزارت بهداشت، تعداد 636 عضو هیئت علمی دانشگاههای علوم پزشکی (شامل اساتید بازنشسته) اچ ایندکس 33 و به بالا دارند.
#research_metrics
#research_impact
🆔 @irevidence
شرکت کلاریویت برنامهای به نام Citation Laureates دارد که هدف آن شناسایی پژوهشگرانی است که احتمال دریافت جایزه نوبل را دارند. این برنامه از ترکیب روشهای کمی و کیفی برای ارزیابی استفاده میکند.
بخش کمی برنامه بر اساس دادههای Web of Science عمل کرده و پژوهشگرانی را بررسی میکند که مقالاتشان جزو پراستنادترین آثار علمی جهان هستند (معمولاً دو صدم برتر). البته تعداد استناد تنها معیار نیست. کارشناسان مؤسسه اطلاعات علمی موارد دیگری مانند نوآوری و تأثیر اجتماعی تحقیق، دریافت سایر جوایز علمی معتبر، تطابق با معیارهای جایزه نوبل و میزان نفوذ در رشتههای مرتبط را نیز در نظر میگیرند.
از زمان شروع این برنامه در سال 2002 تعداد 465 پژوهشگر به عنوان Citation Laureate معرفی شدهاند که 83 نفر از آنان بعدها جایزه نوبل دریافت کردند.
این نتیجه نشان میدهد دستاوردهای علمی میتوانند از محدوده دانشگاهها خارج شده و بر زندگی عملی مردم تأثیر بگذارند، از جمله در حوزههای درمانهای پزشکی، انرژی پاک، سیاستگذاری اجتماعی و مقابله با تغییرات اقلیمی.
طبیعتاً بدون ارزیابی کیفی و صرفاً بر اساس تعداد استنادها، این برنامه موفق نمیشد.
برای سال 2025 تعداد 22 پژوهشگر در رشتههای فیزیولوژی یا پزشکی، فیزیک، شیمی و اقتصاد معرفی شده است. این رشتهها همان رشتههای نوبل علمی هستند.
یکی از پژوهشگران رشته فیزیولوژی یا پزشکی، اچ-ایندکس 33 دارد که اگر ایران بود، احتمالاً در جشنواره رازی هم برنده نمیشد.
بر اساس سامانه علم سنجی اساتید وزارت بهداشت، تعداد 636 عضو هیئت علمی دانشگاههای علوم پزشکی (شامل اساتید بازنشسته) اچ ایندکس 33 و به بالا دارند.
#research_metrics
#research_impact
🆔 @irevidence
👍10😁6❤4👌1
▫️مجموعه پرامپتهای آماده برای حوزههای مختلف
در بخش Prompt Packs آکادمی OpenAI، مجموعهای از پرامپتهای آماده برای نقشها و موقعیتهای گوناگون مثل آموزش، بازاریابی، منابع انسانی و فروش ارائه شده است.
این پرامپتها به صورت تمپلیت طراحی شدهاند تا کاربران بتوانند بدون نیاز به نوشتن از ابتدا، آنها را کپی و متناسب با نیاز خود ویرایش کنند. (کافیست متن داخل کروشه را تغییر دهید).
برخی از این پرامپتها دارای گزینه "Try it in ChatGPT" هستند؛ یعنی تنها با یک کلیک میتوان پرامپت را مستقیم در محیط ChatGPT اجرا و نتیجه را همان لحظه مشاهده کرد.
🔗 آدرس دسترسی: کلیک کنید
#AI
#prompt
#chatgpt
🆔 @irevidence
در بخش Prompt Packs آکادمی OpenAI، مجموعهای از پرامپتهای آماده برای نقشها و موقعیتهای گوناگون مثل آموزش، بازاریابی، منابع انسانی و فروش ارائه شده است.
این پرامپتها به صورت تمپلیت طراحی شدهاند تا کاربران بتوانند بدون نیاز به نوشتن از ابتدا، آنها را کپی و متناسب با نیاز خود ویرایش کنند. (کافیست متن داخل کروشه را تغییر دهید).
برخی از این پرامپتها دارای گزینه "Try it in ChatGPT" هستند؛ یعنی تنها با یک کلیک میتوان پرامپت را مستقیم در محیط ChatGPT اجرا و نتیجه را همان لحظه مشاهده کرد.
🔗 آدرس دسترسی: کلیک کنید
#AI
#prompt
#chatgpt
🆔 @irevidence
👍9❤4🙏1
English for Academic Research.pdf
7.2 MB
کتاب English for Academic Research: Grammar, Usage and Style نوشتهی Adrian Wallwork یک راهنمای کاربردی برای هر پژوهشگر یا دانشجویی است که میخواهد نگارش انگلیسیاش در محیط آکادمیک، هم شفاف و هم دقیق باشد.
جالب است بدانید که این ویرایش ۲۰۲۳ حاصل یک کار پژوهشی مفصل است. نویسنده، آن را بر اساس بررسی اشکالات رایج در تقریباً ۶۰۰۰ مقاله نویسندگان غیر انگلیسی زبان، ۵۰۰ چکیده پایاننامههای دکتری و حدود ۲۰۰۰ ساعت تدریس نوشته است.
تمرکز کتاب روی همان نقاط دردسرساز دستور و کاربرد زبان است که نویسندگان غیر انگلیسیزبان در آنها به مشکل بر میخورند: مثل حروف تعریف (a, an, the)، اسمهای قابل شمارش و غیرقابل شمارش، نحوه استفاده از زمانها، جملات معلوم و مجهول، ترتیب درست کلمات، ضمایر، حروف اضافه، افعال مدال (مانند should, would, might)، کمیتسنجها (quantifiers)، علائم اختصاری و نگارشی و حتی نحوهی نوشتن اعداد و اندازهگیریها، تا جایی که خوانایی متن بالا برود.
البته بخشهایی هم به موضوعاتی مثل ترجمه، ویرایش و معرفی ابزارهای پارافریزینگ اختصاص داده شده است.
#book
#academic_writing
🆔 @irevidence
جالب است بدانید که این ویرایش ۲۰۲۳ حاصل یک کار پژوهشی مفصل است. نویسنده، آن را بر اساس بررسی اشکالات رایج در تقریباً ۶۰۰۰ مقاله نویسندگان غیر انگلیسی زبان، ۵۰۰ چکیده پایاننامههای دکتری و حدود ۲۰۰۰ ساعت تدریس نوشته است.
تمرکز کتاب روی همان نقاط دردسرساز دستور و کاربرد زبان است که نویسندگان غیر انگلیسیزبان در آنها به مشکل بر میخورند: مثل حروف تعریف (a, an, the)، اسمهای قابل شمارش و غیرقابل شمارش، نحوه استفاده از زمانها، جملات معلوم و مجهول، ترتیب درست کلمات، ضمایر، حروف اضافه، افعال مدال (مانند should, would, might)، کمیتسنجها (quantifiers)، علائم اختصاری و نگارشی و حتی نحوهی نوشتن اعداد و اندازهگیریها، تا جایی که خوانایی متن بالا برود.
البته بخشهایی هم به موضوعاتی مثل ترجمه، ویرایش و معرفی ابزارهای پارافریزینگ اختصاص داده شده است.
#book
#academic_writing
🆔 @irevidence
👍28❤15🙏7
▫️هزار متاآنالیز در ده رشته: درسهایی که میآموزیم
آقای Weilun Wu و همکارانش کار جالبی انجام دادهاند: آنها برای اولین بار تلاش کردهاند با بررسی 1000 متاآنالیز از 10 رشته مختلف (آناتومی و فیزیولوژی، زیستشناسی، کسبوکار و اقتصاد، آموزش، مهندسی، علوم محیطزیست، پزشکی، داروسازی و فارماکولوژی، روانشناسی و بهداشت عمومی) تصویری کلی و مقایسهای از وضعیت روششناسی متاآنالیزها ارائه دهند.
این تیم میخواست بداند که متاآنالیزها در رشتههای مختلف چگونه طراحی و اجرا میشوند، چه شباهتها و تفاوتهایی دارند و تا چه اندازه با استانداردها و توصیههای روششناسی همخوانی دارند. مخصوصاً تمرکز آنها بر روی موضوعاتی مثل اندازه نمونهها، نوع اندازه اثر (Effect Size)، توجه به مطالعات منتشرنشده، استفاده از روشهای آماری و بررسی سوگیری انتشار بود.
پژوهشگران برای هر رشته، 100 متاآنالیز انتخاب کردند (در کل 1000 تا) و همچنین برای جلوگیری از غلبه یک نشریه خاص، حداکثر 10 مقاله از هر ژورنال انتخاب نمودند.
بهتر است متن کامل مقاله را بخوانید با این حال در ادامه نتایج مهم این مطالعه آمده است:
اندازه متاآنالیزها: در رشتههای پزشکی و داروسازی بیشتر متاآنالیزها خیلی کوچکاند؛ معمولاً فقط بین 10 تا 20 مطالعه در آنها بررسی میشود. در مقابل، در رشتههای علوم اجتماعی مثل اقتصاد و روانشناسی متاآنالیزها خیلی بزرگتر هستند؛ گاهی صدها مطالعه را در یک تحقیق کنار هم میگذارند.
وابستگی دادهها: در خیلی از متاآنالیزها، یک مطالعه فقط یک پیامد نمیدهد؛ بلکه چند پیامد یا برآورد مختلف دارد. بیش از نصف متاآنالیزها چنین وضعیتی دارند. اما بیشتر پژوهشگران این موضوع را نادیده میگیرند و همه پیامدها را طوری حساب میکنند که انگار از مطالعات کاملاً مستقل آمدهاند. این کار میتواند باعث شود نتایج نهایی دقیق نباشند و گاهی حتی گمراهکننده شوند.
استفاده از مطالعات منتشرنشده: در کل فقط حدود یکسوم متاآنالیزها منابع خاکستری (مثل پایاننامهها یا گزارشها) را وارد میکنند. این رقم در روانشناسی و اقتصاد بالاست (60-70 درصد) اما در پزشکی و زیستشناسی بسیار کم (زیر 20 درصد).
انواع اندازه اثر (Effect Size): پزشکی و زیستشناسی بیشتر از نسبتها (Odds Ratio, Risk Ratio) استفاده میکنند. روانشناسی و آموزش بیشتر از تفاوت میانگینها (Cohen’s d) و اقتصاد بیشتر از همبستگیها و ضرایب رگرسیونی.
روشهای آماری: مدل اثرات تصادفی (Random Effects) غالب است (80 درصد موارد). روشهای پیشرفته مثل مدلهای چندسطحی یا بیزین کمتر از 10 درصد استفاده میشوند.
ناهمگنی (Heterogeneity): تقریباً همه رشتهها سطوح بالایی از ناهمگنی دارند (I² اغلب بالای 75 درصد)، اما کمتر از نصف مطالعات از متارگرسیون برای بررسی دلایل این تفاوتها استفاده میکنند.
سوگیری انتشار (Publication Bias): حدود 70 درصد متاآنالیزها آن را بررسی کردهاند، اما فقط در 30 درصد شواهدی از آن یافتند. متداولترین ابزار، نمودار قیفی و تست رگرسیون Egger است.
نرمافزار: بیشتر از R و Stata استفاده میشود؛ در پزشکی و داروسازی RevMan رایج است.
نویسندگان چند توصیه داشتهاند:
1. استفاده بیشتر از متارگرسیون و روشهای چندمتغیره برای بررسی ناهمگنی.
2. اصلاح روشهای وزندهی در مواردی که اندازه اثر وابسته به واریانس است (مثلاً همبستگیها).
3. گنجاندن مطالعات منتشرنشده برای کاهش سوگیری انتشار.
4. گزارش شفافتر ناهمگنی (گزارش هم I² و هم τ²)
5. استفاده از روشهای آماری پیشرفتهتر برای دادههای وابسته.
6. بهکارگیری نرمافزارهای اوپن سورس و قابل بازتولید (مثل R) برای ارتقای شفافیت
نویسندگان نتیجه گرفتند که متاآنالیزها در رشتههای مختلف از نظر اندازه، نوع دادهها و روشهای آماری تفاوت زیادی دارند و در بسیاری موارد با بهترین شیوههای توصیهشده فاصله دارند.
🔗 این مطالعه در 2 اکتبر 2025 در مجله Research Synthesis Methods منتشر شده است:
What can we learn from 1,000 meta-analyses across 10 different disciplines?
#meta_analysis
#evidence_synthesis
#methodology
🆔 @irevidence
آقای Weilun Wu و همکارانش کار جالبی انجام دادهاند: آنها برای اولین بار تلاش کردهاند با بررسی 1000 متاآنالیز از 10 رشته مختلف (آناتومی و فیزیولوژی، زیستشناسی، کسبوکار و اقتصاد، آموزش، مهندسی، علوم محیطزیست، پزشکی، داروسازی و فارماکولوژی، روانشناسی و بهداشت عمومی) تصویری کلی و مقایسهای از وضعیت روششناسی متاآنالیزها ارائه دهند.
این تیم میخواست بداند که متاآنالیزها در رشتههای مختلف چگونه طراحی و اجرا میشوند، چه شباهتها و تفاوتهایی دارند و تا چه اندازه با استانداردها و توصیههای روششناسی همخوانی دارند. مخصوصاً تمرکز آنها بر روی موضوعاتی مثل اندازه نمونهها، نوع اندازه اثر (Effect Size)، توجه به مطالعات منتشرنشده، استفاده از روشهای آماری و بررسی سوگیری انتشار بود.
پژوهشگران برای هر رشته، 100 متاآنالیز انتخاب کردند (در کل 1000 تا) و همچنین برای جلوگیری از غلبه یک نشریه خاص، حداکثر 10 مقاله از هر ژورنال انتخاب نمودند.
بهتر است متن کامل مقاله را بخوانید با این حال در ادامه نتایج مهم این مطالعه آمده است:
اندازه متاآنالیزها: در رشتههای پزشکی و داروسازی بیشتر متاآنالیزها خیلی کوچکاند؛ معمولاً فقط بین 10 تا 20 مطالعه در آنها بررسی میشود. در مقابل، در رشتههای علوم اجتماعی مثل اقتصاد و روانشناسی متاآنالیزها خیلی بزرگتر هستند؛ گاهی صدها مطالعه را در یک تحقیق کنار هم میگذارند.
وابستگی دادهها: در خیلی از متاآنالیزها، یک مطالعه فقط یک پیامد نمیدهد؛ بلکه چند پیامد یا برآورد مختلف دارد. بیش از نصف متاآنالیزها چنین وضعیتی دارند. اما بیشتر پژوهشگران این موضوع را نادیده میگیرند و همه پیامدها را طوری حساب میکنند که انگار از مطالعات کاملاً مستقل آمدهاند. این کار میتواند باعث شود نتایج نهایی دقیق نباشند و گاهی حتی گمراهکننده شوند.
استفاده از مطالعات منتشرنشده: در کل فقط حدود یکسوم متاآنالیزها منابع خاکستری (مثل پایاننامهها یا گزارشها) را وارد میکنند. این رقم در روانشناسی و اقتصاد بالاست (60-70 درصد) اما در پزشکی و زیستشناسی بسیار کم (زیر 20 درصد).
انواع اندازه اثر (Effect Size): پزشکی و زیستشناسی بیشتر از نسبتها (Odds Ratio, Risk Ratio) استفاده میکنند. روانشناسی و آموزش بیشتر از تفاوت میانگینها (Cohen’s d) و اقتصاد بیشتر از همبستگیها و ضرایب رگرسیونی.
روشهای آماری: مدل اثرات تصادفی (Random Effects) غالب است (80 درصد موارد). روشهای پیشرفته مثل مدلهای چندسطحی یا بیزین کمتر از 10 درصد استفاده میشوند.
ناهمگنی (Heterogeneity): تقریباً همه رشتهها سطوح بالایی از ناهمگنی دارند (I² اغلب بالای 75 درصد)، اما کمتر از نصف مطالعات از متارگرسیون برای بررسی دلایل این تفاوتها استفاده میکنند.
سوگیری انتشار (Publication Bias): حدود 70 درصد متاآنالیزها آن را بررسی کردهاند، اما فقط در 30 درصد شواهدی از آن یافتند. متداولترین ابزار، نمودار قیفی و تست رگرسیون Egger است.
نرمافزار: بیشتر از R و Stata استفاده میشود؛ در پزشکی و داروسازی RevMan رایج است.
نویسندگان چند توصیه داشتهاند:
1. استفاده بیشتر از متارگرسیون و روشهای چندمتغیره برای بررسی ناهمگنی.
2. اصلاح روشهای وزندهی در مواردی که اندازه اثر وابسته به واریانس است (مثلاً همبستگیها).
3. گنجاندن مطالعات منتشرنشده برای کاهش سوگیری انتشار.
4. گزارش شفافتر ناهمگنی (گزارش هم I² و هم τ²)
5. استفاده از روشهای آماری پیشرفتهتر برای دادههای وابسته.
6. بهکارگیری نرمافزارهای اوپن سورس و قابل بازتولید (مثل R) برای ارتقای شفافیت
نویسندگان نتیجه گرفتند که متاآنالیزها در رشتههای مختلف از نظر اندازه، نوع دادهها و روشهای آماری تفاوت زیادی دارند و در بسیاری موارد با بهترین شیوههای توصیهشده فاصله دارند.
🔗 این مطالعه در 2 اکتبر 2025 در مجله Research Synthesis Methods منتشر شده است:
What can we learn from 1,000 meta-analyses across 10 different disciplines?
#meta_analysis
#evidence_synthesis
#methodology
🆔 @irevidence
❤20👍11👎1
▫️برندگان جایزه نوبل پزشکی 2025
مری ای. برانکو (Mary E. Brunkow)، فرد رمزدل (Fred Ramsdell) و شیمون ساکاگوچی (Shimon Sakaguchi) به طور مشترک موفق به دریافت جایزه نوبل فیزیولوژی یا پزشکی شدند. مبلغ این جایزه 11 میلیون کرون سوئد است که بین سه برنده به طور مساوی تقسیم میشود (هر کدام تقریباً 391 هزار دلار)
این سه به این خاطر جایزه نوبل گرفتند که چون نشان دادند چطور بدن میتواند جلوی سیستم ایمنی خودش را بگیرد تا به اندامها و بافتهای سالم حمله نکند.
نگاهی کوتاه به زندگینامه و دستاوردهای پژوهشی این سه برنده (بر اساس دادههای پایگاه اسکوپوس) خالی از لطف نیست:
1️⃣ خانم مری ای. برانکو (Mary E. Brunkow)
سن: 64 ساله (متولد 1961 آمریکا)
تحصیلات: دکتری زیستشناسی مولکولی از دانشگاه پرینستون
سمت فعلی: مدیر ارشد برنامهها در مؤسسه زیستشناسی سامانهای، سیاتل
برونداد علمی: 31 مقاله
شاخص اچ: 22
تعداد کل استنادات: 10,761
در چهار سال پیاپی (2020 تا 2023) مقالهای منتشر نکرده و در مجموعِ ده سال اخیر تنها 9 مقاله به چاپ رسانده است.
2️⃣ آقای فرد رمزدل (Fred Ramsdell)
سن: 65 ساله (متولد 1960 آمریکا)
تحصیلات: دکتری میکروبیولوژی و ایمنیشناسی از دانشگاه UCLA
سمت فعلی: مشاور علمی در شرکت Sonoma Biotherapeutics (فعال در زمینه توسعه درمانهای سلولی برای بیماریهای خودایمنی و التهابی)
برونداد علمی: 63 مقاله
شاخص اچ: 40
تعداد کل استنادات: 18,688
در ده سال گذشته تنها 8 مقاله منتشر کرده است. در برخی سالها (از جمله 2019، 2021، 2022 و 2024) هیچ مقالهای منتشر نکرده است.
3️⃣ آقای شیمون ساکاگوچی (Shimon Sakaguchi)
سن: 74 ساله (متولد 1951 ژاپن)
تحصیلات: دکترای پزشکی (MD) و دکتری ایمونولوژی از دانشگاه کیوتو
سمت فعلی: استاد ممتاز (Distinguished Professor) در دانشگاه اوساکا
برونداد علمی: 384 مقاله
شاخص اچ: 122
تعداد کل استنادات: 94,664
در ده سال گذشته 128 مقاله منتشر کرده است. هرچند نسبت به دو برنده دیگر بسیار پرکارتر است، اما در مقایسه با پژوهشگران فوقالعاده پرکار (که گاهی بیش از 300 مقاله در سال منتشر میکنند)، این رقم متوسط محسوب میشود.
#nobelprize
#medicine
#physiology
🆔 @irevidence
مری ای. برانکو (Mary E. Brunkow)، فرد رمزدل (Fred Ramsdell) و شیمون ساکاگوچی (Shimon Sakaguchi) به طور مشترک موفق به دریافت جایزه نوبل فیزیولوژی یا پزشکی شدند. مبلغ این جایزه 11 میلیون کرون سوئد است که بین سه برنده به طور مساوی تقسیم میشود (هر کدام تقریباً 391 هزار دلار)
این سه به این خاطر جایزه نوبل گرفتند که چون نشان دادند چطور بدن میتواند جلوی سیستم ایمنی خودش را بگیرد تا به اندامها و بافتهای سالم حمله نکند.
نگاهی کوتاه به زندگینامه و دستاوردهای پژوهشی این سه برنده (بر اساس دادههای پایگاه اسکوپوس) خالی از لطف نیست:
1️⃣ خانم مری ای. برانکو (Mary E. Brunkow)
سن: 64 ساله (متولد 1961 آمریکا)
تحصیلات: دکتری زیستشناسی مولکولی از دانشگاه پرینستون
سمت فعلی: مدیر ارشد برنامهها در مؤسسه زیستشناسی سامانهای، سیاتل
برونداد علمی: 31 مقاله
شاخص اچ: 22
تعداد کل استنادات: 10,761
در چهار سال پیاپی (2020 تا 2023) مقالهای منتشر نکرده و در مجموعِ ده سال اخیر تنها 9 مقاله به چاپ رسانده است.
2️⃣ آقای فرد رمزدل (Fred Ramsdell)
سن: 65 ساله (متولد 1960 آمریکا)
تحصیلات: دکتری میکروبیولوژی و ایمنیشناسی از دانشگاه UCLA
سمت فعلی: مشاور علمی در شرکت Sonoma Biotherapeutics (فعال در زمینه توسعه درمانهای سلولی برای بیماریهای خودایمنی و التهابی)
برونداد علمی: 63 مقاله
شاخص اچ: 40
تعداد کل استنادات: 18,688
در ده سال گذشته تنها 8 مقاله منتشر کرده است. در برخی سالها (از جمله 2019، 2021، 2022 و 2024) هیچ مقالهای منتشر نکرده است.
3️⃣ آقای شیمون ساکاگوچی (Shimon Sakaguchi)
سن: 74 ساله (متولد 1951 ژاپن)
تحصیلات: دکترای پزشکی (MD) و دکتری ایمونولوژی از دانشگاه کیوتو
سمت فعلی: استاد ممتاز (Distinguished Professor) در دانشگاه اوساکا
برونداد علمی: 384 مقاله
شاخص اچ: 122
تعداد کل استنادات: 94,664
در ده سال گذشته 128 مقاله منتشر کرده است. هرچند نسبت به دو برنده دیگر بسیار پرکارتر است، اما در مقایسه با پژوهشگران فوقالعاده پرکار (که گاهی بیش از 300 مقاله در سال منتشر میکنند)، این رقم متوسط محسوب میشود.
#nobelprize
#medicine
#physiology
🆔 @irevidence
❤47🙏5👎1
Evidence
▫️ماجرای عجیب یک سرقت علمی: داور ایرانی مقاله پژوهشگر پاکستانی را رد و سپس به نام خود منتشر کرد! تازهترین گزارش پایگاه Retraction Watch از اقدام عجیب یک داور ایرانی پرده برداشته است. ماجرا از این قرار است: شفق آفتاب (Shafaq Aftab)، پژوهشگر و مدرس دانشگاه…
▫️پیگیریهای شفق آفتاب جواب داد.
داستان از این قرار بود که آقای داود قربانزاده عضو هیئت علمی دانشگاه آزاد واحد تهران شمال، داور مقاله خانم شفق آفتاب-پژوهشگر پاکستانی-در مجله Information Development بود. قربانزاده مقاله وی را رد کرده بود. اما در کمال تعجب، همان مقاله را با تغییرات جزئی به نام خود در مجله Systems Research and Behavioural Science منتشر کرده بود.
خانم آفتاب پیگیر این مسئله بود ولی قربانزاده تمام اتهامات را رد میکرد. با این حال، انتشارات وایلی قرار بود بررسیهای بیشتری انجام دهد.
بالاخره بررسیها به سرانجام رسید و مقاله قربانزاده سلب اعتبار (retract) شد.
در اطلاعیه ریترکشن آمده که بخشهای زیادی از متن، بدون ذکر منبع از یک دستنوشتۀ منتشرنشده کپی شده است. همچنین خطاهای علمی دیگری در مقاله مشاهده شد.
نویسندگان همکار با ریترکشن موافق بودند ولی قربانزاده باز زیر بار نرفت و احتمالاً گفت خیلی نامردید!
بدین ترتیب در یک سال گذشته این سومین مقالۀ قربانزاده است که سلب اعتبار میشود.
خانم شفق آفتاب به پایگاه retraction watch گفته که از این تصمیم بسیار خوشحال است:
البته امیدوارم خانم آفتاب، نور خود را به روی پژوهشگران پاکستانی هم بتاباند، چون اون کشور هم اصلاً وضعیت خوبی از لحاظ اخلاق پژوهش ندارد.
در پست مربوط به این خبر، مطلبی را نوشته بودم که اینجا عیناً میآورم:
#research_ethics
#plagiarism
#peer_review
#wiley
#Iran
🆔 @irevidence
داستان از این قرار بود که آقای داود قربانزاده عضو هیئت علمی دانشگاه آزاد واحد تهران شمال، داور مقاله خانم شفق آفتاب-پژوهشگر پاکستانی-در مجله Information Development بود. قربانزاده مقاله وی را رد کرده بود. اما در کمال تعجب، همان مقاله را با تغییرات جزئی به نام خود در مجله Systems Research and Behavioural Science منتشر کرده بود.
خانم آفتاب پیگیر این مسئله بود ولی قربانزاده تمام اتهامات را رد میکرد. با این حال، انتشارات وایلی قرار بود بررسیهای بیشتری انجام دهد.
بالاخره بررسیها به سرانجام رسید و مقاله قربانزاده سلب اعتبار (retract) شد.
در اطلاعیه ریترکشن آمده که بخشهای زیادی از متن، بدون ذکر منبع از یک دستنوشتۀ منتشرنشده کپی شده است. همچنین خطاهای علمی دیگری در مقاله مشاهده شد.
نویسندگان همکار با ریترکشن موافق بودند ولی قربانزاده باز زیر بار نرفت و احتمالاً گفت خیلی نامردید!
بدین ترتیب در یک سال گذشته این سومین مقالۀ قربانزاده است که سلب اعتبار میشود.
خانم شفق آفتاب به پایگاه retraction watch گفته که از این تصمیم بسیار خوشحال است:
این سلب اعتبار، یادآوری مهمی است که کسانی که تلاش دیگران را به نام خود ثبت میکنند، سرانجام با عواقب آن روبهرو خواهند شد. پیام من به جامعه علمی روشن است: اگر قصد دارید زحمات کسی را بدزدید، بدانید که پاسخگو خواهید بود. در چنین موقعیتهایی تنها چیزی که لازم است صبر و ایمان است، زیرا در نهایت حقیقت و صداقت پیروز میشوند.
البته امیدوارم خانم آفتاب، نور خود را به روی پژوهشگران پاکستانی هم بتاباند، چون اون کشور هم اصلاً وضعیت خوبی از لحاظ اخلاق پژوهش ندارد.
در پست مربوط به این خبر، مطلبی را نوشته بودم که اینجا عیناً میآورم:
باید بدانیم که با این رفتارهای غیراخلاقی، نهتنها آبروی خود یا دانشگاهمان، بلکه اعتبار ایران را خدشهدار میکنیم و این خطایی بزرگ است. چنین اقداماتی باعث میشود سردبیران مجلات علمی نسبت به چاپ مقالات پژوهشگران ایرانی بیاعتماد شوند و این امر در حق پژوهشگران و داورانی که صادقانه و اخلاقمدارانه فعالیت میکنند، ظلم و اجحاف است.
#research_ethics
#plagiarism
#peer_review
#wiley
#Iran
🆔 @irevidence
👍30❤14😁5👌1
▫️نوشتن نتیجه مطالعه در عنوان مقاله: مزایا، معایب و توصیهها
به این نمونه عناوین مقالات از مجله Clinical Epidemiology توجه فرمایید:
A scoping review identified additional considerations for defining estimands in cluster randomised trials
Continuous predicted risks should be retained when deploying clinical prediction models
Reporting guidelines can be used to foster reporting of evidence-based research principles: A cross-sectional study
Statistical model assessment in published dose-response meta-analyses is suboptimal: Evidence from a methodological review and re-analysis of 242 datasets
Peer review of prediction model studies in oncology needs improvement: A systematic review of open peer review reports from BMC journals
همانطور که مشاهده میشود، نتیجه اصلی مطالعه در خودِ عنوان مقاله بیان شده است.
به این نوع عنوانها، اصطلاحاً Declarative titles گفته میشود که با عناوین توصیفی (Descriptive titles)-که بهصورت سنتی رایجترند- تفاوت دارند.
قابل ذکر است که تمام مجلات اجازه استفاده از چنین عناوینی را نمیدهند؛ بنابراین قبل از انتخاب عنوان، باید راهنمای نویسندگان مجله را مطالعه کرد تا مشخص شود استفاده از آن مجاز است یا نه.
بهعنوان مثال، در تمامی مجلات وابسته به JAMA این کار مجاز نیست، چون در راهنمای نویسندگان بهروشنی آمده است:
دیدگاههای موافقان
طرفداران این نوع عنوانها معتقدند که در مقایسه با سایر سبکها، آگاهیبخشترند.
چنین عنوانهایی به خوانندگان کمک میکنند تا محتوا و نتایج مقاله را سریعتر درک کنند و به پژوهشگران یا پزشکان پرمشغله امکان میدهند بهسادگی از تازههای علمی باخبر شوند.
از دید نویسنده نیز، این عناوین، قویتر و تأثیرگذارترند و در نتیجه احتمال بیشتری دارند که توجه و علاقه سردبیر را جلب کنند؛
همچنین، مقالاتی با این نوع عنوان معمولاً بیشتر در فضای آنلاین به اشتراک گذاشته میشوند و به مخاطبان عمومی وسیعتری دست مییابند [بدین ترتیب احتمالاً استناد بالاتری هم دریافت میکنند]
دیدکاههای مخالفان
در مقابل، منتقدان بر این باورند که چنین عنوانهایی میتوانند گمراهکننده باشند و از چارچوب علم مبتنی بر فرضیه (hypothesis-based science) فاصله بگیرند؛ در این نوع علم، فرضیه هیچگاه اثبات نمیشود، بلکه صرفاً تأیید یا رد میگردد.
به اعتقاد آنان، هر یافته باید قابل تفسیر و بازنگری باشد، چون هر مطالعهای محدودیتها و ضعفهای خاص خود را دارد؛ بنابراین، عناوین declarative گاه نتیجهگیری مطالعه را با اطمینانِ بیش از حد، مطرح میکنند.
علاوه بر این، چنین عنوانهایی ممکن است اهمیت دادههای استثنایی، یعنی شرکتکنندگانی که نتایجشان با الگوی کلی مطالعه همخوانی ندارد، را نادیده بگیرند.
استفاده از عناوین declarative همچنین با شیوه آموزش پژوهشگران جوان در تضاد است؛ چون به آنان آموخته میشود که:
تنها بر عنوان یا برداشت اولیه مقاله تکیه نکنند،
بلکه خودشان دادهها، روشها و نتایج را بررسی کنند و بر پایه آن قضاوت مستقل داشته باشند که آیا نتیجهگیری پژوهش درست است یا نه.
اما عناوین declarative، معمولاً نتیجه را از همان ابتدا، قطعی بیان میکنند (مثلاً X باعث کاهش Y میشود) و این باعث میشود خواننده، ناخودآگاه نتیجه را بهعنوان حقیقت بپذیرد، بدون آنکه خود، فرایند استدلال را طی کند.
اگر تصمیم گرفتید از این نوع عنوان استفاده کنید، موارد زیر را مدنظر داشته باشید:
1. در مقالات پژوهشی اصلی از زمان گذشته استفاده کنید.
Acute high-intensity interval exercise reduced colon cancer cell growth
این عنوان نشان میدهد که مقاله بر اساس یک مطالعه خاص است و بنابراین نباید بهعنوان حقیقتی کلی یا همیشگی تلقی شود.
2. از لحن مجهول استفاده کنید، چون قطعیت کمتری دارد.
Colon cancer cell growth was reduced by acute high-intensity interval exercise
این بیان محتاطانهتر است و از شدت قاطعیت عنوان پیشین میکاهد.
3. در بیان یافتهها و نتیجهگیریها از اغراق یا نسبتدادن رابطه علت و معلولی نادرست بپرهیزید.
ممکن است یک پیامد با مداخلهای ارتباط داشته باشد، اما بهوسیلۀ آن ایجاد نشده باشد. (منبع)
#article_title
#declarative_title
#academic_writing
🆔 @irevidence
به این نمونه عناوین مقالات از مجله Clinical Epidemiology توجه فرمایید:
A scoping review identified additional considerations for defining estimands in cluster randomised trials
Continuous predicted risks should be retained when deploying clinical prediction models
Reporting guidelines can be used to foster reporting of evidence-based research principles: A cross-sectional study
Statistical model assessment in published dose-response meta-analyses is suboptimal: Evidence from a methodological review and re-analysis of 242 datasets
Peer review of prediction model studies in oncology needs improvement: A systematic review of open peer review reports from BMC journals
همانطور که مشاهده میشود، نتیجه اصلی مطالعه در خودِ عنوان مقاله بیان شده است.
به این نوع عنوانها، اصطلاحاً Declarative titles گفته میشود که با عناوین توصیفی (Descriptive titles)-که بهصورت سنتی رایجترند- تفاوت دارند.
قابل ذکر است که تمام مجلات اجازه استفاده از چنین عناوینی را نمیدهند؛ بنابراین قبل از انتخاب عنوان، باید راهنمای نویسندگان مجله را مطالعه کرد تا مشخص شود استفاده از آن مجاز است یا نه.
بهعنوان مثال، در تمامی مجلات وابسته به JAMA این کار مجاز نیست، چون در راهنمای نویسندگان بهروشنی آمده است:
For scientific manuscripts, do not use overly general titles, declarative titles, titles that include the direction of study results, or questions as titles.
دیدگاههای موافقان
طرفداران این نوع عنوانها معتقدند که در مقایسه با سایر سبکها، آگاهیبخشترند.
چنین عنوانهایی به خوانندگان کمک میکنند تا محتوا و نتایج مقاله را سریعتر درک کنند و به پژوهشگران یا پزشکان پرمشغله امکان میدهند بهسادگی از تازههای علمی باخبر شوند.
از دید نویسنده نیز، این عناوین، قویتر و تأثیرگذارترند و در نتیجه احتمال بیشتری دارند که توجه و علاقه سردبیر را جلب کنند؛
همچنین، مقالاتی با این نوع عنوان معمولاً بیشتر در فضای آنلاین به اشتراک گذاشته میشوند و به مخاطبان عمومی وسیعتری دست مییابند [بدین ترتیب احتمالاً استناد بالاتری هم دریافت میکنند]
دیدکاههای مخالفان
در مقابل، منتقدان بر این باورند که چنین عنوانهایی میتوانند گمراهکننده باشند و از چارچوب علم مبتنی بر فرضیه (hypothesis-based science) فاصله بگیرند؛ در این نوع علم، فرضیه هیچگاه اثبات نمیشود، بلکه صرفاً تأیید یا رد میگردد.
به اعتقاد آنان، هر یافته باید قابل تفسیر و بازنگری باشد، چون هر مطالعهای محدودیتها و ضعفهای خاص خود را دارد؛ بنابراین، عناوین declarative گاه نتیجهگیری مطالعه را با اطمینانِ بیش از حد، مطرح میکنند.
علاوه بر این، چنین عنوانهایی ممکن است اهمیت دادههای استثنایی، یعنی شرکتکنندگانی که نتایجشان با الگوی کلی مطالعه همخوانی ندارد، را نادیده بگیرند.
استفاده از عناوین declarative همچنین با شیوه آموزش پژوهشگران جوان در تضاد است؛ چون به آنان آموخته میشود که:
تنها بر عنوان یا برداشت اولیه مقاله تکیه نکنند،
بلکه خودشان دادهها، روشها و نتایج را بررسی کنند و بر پایه آن قضاوت مستقل داشته باشند که آیا نتیجهگیری پژوهش درست است یا نه.
اما عناوین declarative، معمولاً نتیجه را از همان ابتدا، قطعی بیان میکنند (مثلاً X باعث کاهش Y میشود) و این باعث میشود خواننده، ناخودآگاه نتیجه را بهعنوان حقیقت بپذیرد، بدون آنکه خود، فرایند استدلال را طی کند.
اگر تصمیم گرفتید از این نوع عنوان استفاده کنید، موارد زیر را مدنظر داشته باشید:
1. در مقالات پژوهشی اصلی از زمان گذشته استفاده کنید.
Acute high-intensity interval exercise reduced colon cancer cell growth
این عنوان نشان میدهد که مقاله بر اساس یک مطالعه خاص است و بنابراین نباید بهعنوان حقیقتی کلی یا همیشگی تلقی شود.
2. از لحن مجهول استفاده کنید، چون قطعیت کمتری دارد.
Colon cancer cell growth was reduced by acute high-intensity interval exercise
این بیان محتاطانهتر است و از شدت قاطعیت عنوان پیشین میکاهد.
3. در بیان یافتهها و نتیجهگیریها از اغراق یا نسبتدادن رابطه علت و معلولی نادرست بپرهیزید.
ممکن است یک پیامد با مداخلهای ارتباط داشته باشد، اما بهوسیلۀ آن ایجاد نشده باشد. (منبع)
#article_title
#declarative_title
#academic_writing
🆔 @irevidence
❤20🙏7👍4
▫️آیا در همه مرورهای سیستماتیک کیفی، جستجوی جامع و حساس نیاز هست؟
تصور کنید میخواهید یک مرور سیستماتیک کمی (مثلاً در مورد اثربخشی یک دارو) انجام دهید و قرار است متاآنالیز هم بکنید. در این حالت، باید تمام تلاش خود را به کار بگیرید تا تمامی کارآزماییهای تصادفی کنترلشده (RCTs) مرتبط را پیدا کنید؛ چون نادیده گرفتن حتی یک مطالعه میتواند نتیجهگیری مرور را بهطور چشمگیری تغییر دهد. به همین دلیل، در مرورهای کمی، جستجو باید جامع و بسیار حساس (sensitive) باشد تا هیچ مطالعه مرتبطی از قلم نیفتد.
اما در آن طرف قضیه، پژوهشهای کیفی را داریم. در اینجا، از ابتدا نمیدانیم حجم نمونه چقدر است. نمونهگیری معمولاً بهصورت هدفمند (purposive) انجام میشود و دادهها آنقدر گردآوری میشوند تا جایی که محقق احساس کند با اضافه کردن دادههای جدید، نکته تازهای برای تحلیل باقی نمانده است. این نقطه را اشباع نظری (theoretical saturation) مینامند؛ یعنی زمانی که با افزودن دادههای جدید، درک ما از پدیده مورد مطالعه تغییر محسوسی پیدا نمیکند.
با گسترش استفاده از مرورهای سیستماتیک کیفی یا آنچه کاکرین از آن با عنوان سنتز شواهد کیفی (Qualitative Evidence Synthesis – QES) یاد میکند، این سوال مطرح میشود که آیا در این نوع مرورها نیز باید مانند مرورهای کمی، جستجویی جامع انجام دهیم یا میتوانیم همانند مطالعات کیفی، جستجویی هدفمند و تکرارشونده (iterative) داشته باشیم؟
واقعیت این است که در همه انواع سنتز شواهد کیفی، هدف اصلی این نیست که تمام مطالعات موجود را پیدا کنیم، بلکه تمرکز بر شناسایی مجموعهای از پژوهشهاست که تنوع دیدگاهها، زمینهها و تجربیات انسانی را بهخوبی بازتاب دهند. بنابراین، جستجوی هدفمند یا گزینشی میتواند جایگزینی منطقی برای جستجوی جامع باشد، مخصوصاً زمانی که هدف از مرور، توسعه و تدوین نظریه، تبیین پدیدهها یا درک عمیقتر از تجربه انسانی باشد.
در این رویکرد، پژوهشگر از جستجوهای مرحلهبهمرحله و تکرارشونده استفاده میکند و منابع جدید را تا زمانی شناسایی میکند که دادههای تازه، بینش جدیدی به دست ندهند. جستجوی هدفمند به جای تمرکز بر حساسیت، بر غنا، تنوع و ارتباط مفهومی تأکید دارد و از روشهایی مثل گلوله برفی (Snowballing)، پیگیری استنادی (Citation Chasing) و منابع خاکستری استفاده میکند.
البته جستجوی هدفمند برای همه مرورهای کیفی مناسب نیست و در برخی موارد مثل مرورهای meta-aggregation باید جستجوی جامع انجام داد.
بنابراین انتخاب این نوع جستجو باید کاملاً با اهداف مرور و روش سنتز کیفی ما هماهنگ باشد و دلیل این انتخاب را هم باید بطور شفاف در پروتکل و گزارش مرورمان توضیح دهیم. با این کار هدفمند، نه تنها کارایی فرایند مرورمان بیشتر میشود و حجم مقالات غیرمرتبط کاهش مییابد، بلکه میتوانیم تصویری غنیتر، چندصدایی و عمیقتر از موضوع مورد بررسی ارائه دهیم.
با این وجود، متأسفانه در ایران و خیلی جاهای دیگر، با مرورهای کمی و کیفی یکسان برخورد میشود. خودم تجربه داشتم که برای یک دانشجوی دکتری که مرور کیفی داشت، هفت دیتابیس را جستجو کردم، ولی استاد راهنما پرسیده بود: «چرا فلان دیتابیس را سرچ نکردی؟!» این در حالی است که ماهیت سؤالات کیفی باعث میشود جستجوی جامع، معمولاً حجم عظیمی از رکوردهای نامرتبط را بازیابی کند و انرژی و زمان زیادی باید صرف غربالگری شود تا مطالعات واقعاً مرتبط پیدا شوند.
اگر این کار را انجام دهید، چه اتفاقی میافتد؟
خانم Ames و همکارانش در قالب مثالی، نمونهگیری (جستجوی) هدفمند در سنتز شواهد کیفی را نشان دادهاند:
Purposive sampling in a qualitative evidence synthesis: a worked example from a synthesis on parental perceptions of vaccination communication (Link)
#evidence_synthesis
#qualitative_review
#searching
#QES
🆔 @irevidence
تصور کنید میخواهید یک مرور سیستماتیک کمی (مثلاً در مورد اثربخشی یک دارو) انجام دهید و قرار است متاآنالیز هم بکنید. در این حالت، باید تمام تلاش خود را به کار بگیرید تا تمامی کارآزماییهای تصادفی کنترلشده (RCTs) مرتبط را پیدا کنید؛ چون نادیده گرفتن حتی یک مطالعه میتواند نتیجهگیری مرور را بهطور چشمگیری تغییر دهد. به همین دلیل، در مرورهای کمی، جستجو باید جامع و بسیار حساس (sensitive) باشد تا هیچ مطالعه مرتبطی از قلم نیفتد.
اما در آن طرف قضیه، پژوهشهای کیفی را داریم. در اینجا، از ابتدا نمیدانیم حجم نمونه چقدر است. نمونهگیری معمولاً بهصورت هدفمند (purposive) انجام میشود و دادهها آنقدر گردآوری میشوند تا جایی که محقق احساس کند با اضافه کردن دادههای جدید، نکته تازهای برای تحلیل باقی نمانده است. این نقطه را اشباع نظری (theoretical saturation) مینامند؛ یعنی زمانی که با افزودن دادههای جدید، درک ما از پدیده مورد مطالعه تغییر محسوسی پیدا نمیکند.
با گسترش استفاده از مرورهای سیستماتیک کیفی یا آنچه کاکرین از آن با عنوان سنتز شواهد کیفی (Qualitative Evidence Synthesis – QES) یاد میکند، این سوال مطرح میشود که آیا در این نوع مرورها نیز باید مانند مرورهای کمی، جستجویی جامع انجام دهیم یا میتوانیم همانند مطالعات کیفی، جستجویی هدفمند و تکرارشونده (iterative) داشته باشیم؟
واقعیت این است که در همه انواع سنتز شواهد کیفی، هدف اصلی این نیست که تمام مطالعات موجود را پیدا کنیم، بلکه تمرکز بر شناسایی مجموعهای از پژوهشهاست که تنوع دیدگاهها، زمینهها و تجربیات انسانی را بهخوبی بازتاب دهند. بنابراین، جستجوی هدفمند یا گزینشی میتواند جایگزینی منطقی برای جستجوی جامع باشد، مخصوصاً زمانی که هدف از مرور، توسعه و تدوین نظریه، تبیین پدیدهها یا درک عمیقتر از تجربه انسانی باشد.
در این رویکرد، پژوهشگر از جستجوهای مرحلهبهمرحله و تکرارشونده استفاده میکند و منابع جدید را تا زمانی شناسایی میکند که دادههای تازه، بینش جدیدی به دست ندهند. جستجوی هدفمند به جای تمرکز بر حساسیت، بر غنا، تنوع و ارتباط مفهومی تأکید دارد و از روشهایی مثل گلوله برفی (Snowballing)، پیگیری استنادی (Citation Chasing) و منابع خاکستری استفاده میکند.
البته جستجوی هدفمند برای همه مرورهای کیفی مناسب نیست و در برخی موارد مثل مرورهای meta-aggregation باید جستجوی جامع انجام داد.
بنابراین انتخاب این نوع جستجو باید کاملاً با اهداف مرور و روش سنتز کیفی ما هماهنگ باشد و دلیل این انتخاب را هم باید بطور شفاف در پروتکل و گزارش مرورمان توضیح دهیم. با این کار هدفمند، نه تنها کارایی فرایند مرورمان بیشتر میشود و حجم مقالات غیرمرتبط کاهش مییابد، بلکه میتوانیم تصویری غنیتر، چندصدایی و عمیقتر از موضوع مورد بررسی ارائه دهیم.
با این وجود، متأسفانه در ایران و خیلی جاهای دیگر، با مرورهای کمی و کیفی یکسان برخورد میشود. خودم تجربه داشتم که برای یک دانشجوی دکتری که مرور کیفی داشت، هفت دیتابیس را جستجو کردم، ولی استاد راهنما پرسیده بود: «چرا فلان دیتابیس را سرچ نکردی؟!» این در حالی است که ماهیت سؤالات کیفی باعث میشود جستجوی جامع، معمولاً حجم عظیمی از رکوردهای نامرتبط را بازیابی کند و انرژی و زمان زیادی باید صرف غربالگری شود تا مطالعات واقعاً مرتبط پیدا شوند.
اگر این کار را انجام دهید، چه اتفاقی میافتد؟
فرض کنید دانشجوی دکتری هستید و در پروپوزال پایاننامهتان مینویسید که قصد دارید جستجوی هدفمند برای مرور کیفیتان انجام خواهید داد (برای فاز اول پایاننامه). در جلسهی دفاع از پروپوزال، داوران و اعضای گروه و حتی اساتید راهنما و مشاور، شما را از فلک آویزان خواهند کرد. لای انگشتهایتان خودکار میگذارند و فشار میدهند. روی کاغذ A4 عبارت خر تنبل مینویسند، آن را به شکل کلاه درمیآورند و بر سرتان میگذارند. کارشناس گروه با نگاهی آمیخته به تحقیر به شما خیره میشود و دیگر دانشجویان با نگاهی دلسوزانه به حالتان تأسف میخورند!
خانم Ames و همکارانش در قالب مثالی، نمونهگیری (جستجوی) هدفمند در سنتز شواهد کیفی را نشان دادهاند:
Purposive sampling in a qualitative evidence synthesis: a worked example from a synthesis on parental perceptions of vaccination communication (Link)
#evidence_synthesis
#qualitative_review
#searching
#QES
🆔 @irevidence
❤10👍7👎1
▫️دستورالعمل استفاده از ابزارهای هوش مصنوعی در پژوهشهای علمی تصویب شد.
این تیتر خبری طی دو هفتهی گذشته در صدها سایت خبری، خبرگزاری، کانال تلگرامی و صفحه اینستاگرامی منتشر شده است؛ در واقع همهشان متن خبر را از جایی کپیپیست کردهاند.
این دستورالعمل توسط بنیاد ملی علم ایران تدوین شده است. در وبسایت این بنیاد آمده است:
با خواندن خبر در رسانههای مختلف، اینگونه به نظر میرسد که این دستورالعمل برای همهی دانشگاهها و مؤسسات آموزش عالی کشور تدوین و ابلاغ شده است، در حالی که چنین نیست.
در مقدمهی دستورالعمل تصریح شده است:
بنابراین، کاملاً روشن است که این شیوهنامه صرفاً برای استفادهی پژوهشگران و داوران بنیاد ملی علم ایران تدوین شده و شامل همهی نهادهای پژوهشی و دانشگاههای کشور نمیشود.
بهتر است موقع کپیپیست، بیشتر دقت کنیم.
#AI
#guideline
#research
#ethics
🆔 @irevidence
این تیتر خبری طی دو هفتهی گذشته در صدها سایت خبری، خبرگزاری، کانال تلگرامی و صفحه اینستاگرامی منتشر شده است؛ در واقع همهشان متن خبر را از جایی کپیپیست کردهاند.
این دستورالعمل توسط بنیاد ملی علم ایران تدوین شده است. در وبسایت این بنیاد آمده است:
بنیاد ملی علم ایران با هدف صیانت از اخلاق علمی و ساماندهی استفاده از فناوریهای نوین، دستورالعملی جامع در حوزهی بهرهگیری از ابزارهای هوش مصنوعی در پژوهش تدوین و در تاریخ ۲۹ شهریور ۱۴۰۴ به تصویب شورای علمی خود رساند.
با خواندن خبر در رسانههای مختلف، اینگونه به نظر میرسد که این دستورالعمل برای همهی دانشگاهها و مؤسسات آموزش عالی کشور تدوین و ابلاغ شده است، در حالی که چنین نیست.
در مقدمهی دستورالعمل تصریح شده است:
هدف از تدوین این شیوهنامه، ایجاد چارچوبی منسجم، شفاف و اخلاقی برای استفاده از ابزارهای هوش مصنوعی در تمامی مراحل پژوهش (پروپوزال، طرح، اجرا، گزارش و داوری) توسط پژوهشگران و داوران همکار با بنیاد ملی علم ایران است.
بنابراین، کاملاً روشن است که این شیوهنامه صرفاً برای استفادهی پژوهشگران و داوران بنیاد ملی علم ایران تدوین شده و شامل همهی نهادهای پژوهشی و دانشگاههای کشور نمیشود.
بهتر است موقع کپیپیست، بیشتر دقت کنیم.
#AI
#guideline
#research
#ethics
🆔 @irevidence
👍17😁4❤1
▫️بیش از ۱۰۰۰ اصطلاح برای توصیف سنتز شواهد!
قبلاً در پستی با عنوان "سنتز شواهد: از خانواده دو نفره تا ۴۸ نفره" به بررسی طبقهبندی انواع سنتز شواهد پرداخته بودیم. در سال ۲۰۰۹، گرنت و بوث ۱۴ نوع مرور متون را معرفی کردند. در سال ۲۰۱۶، تریکو و همکارانش ۲۵ نوع سنتز شواهد را شناسایی کردند و سرانجام ساتن و همکاران در سال ۲۰۱۹ تعداد ۴۸ نوع سنتز شواهد را در قالب ۷ خانواده مرور طبقهبندی نمودند.
چندی پیش، با مشارکت بیش از ۱۵۰ متخصص سنتز شواهد از سراسر جهان (از مؤسساتی مانند JBI، کاکرین، کمبل و دیگر مراکز معتبر)، پروژهای جهانی تحت عنوان ابتکار تاکسونومی سنتز شواهد (Evidence Synthesis Taxonomy Initiative) یا به اختصار ESTI آغاز شد.
رهبری این پروژه را Zachary Munn و Danielle Pollock از دانشگاه آدلاید (استرالیا) بر عهده دارند. از ایران نیز سکینه حاجابراهیمی، استاد گروه ارولوژی دانشگاه علوم پزشکی تبریز و رئیس قطب علمی مؤسسه JBI در ایران، در این پروژه حضور دارد.
هدف اصلی این ابتکار، تدوین یک تاکسونومی جامع، پویا، مقیاسپذیر و آنلاین برای سنتز شواهد است تا انتخاب و اجرای مرورها و سنتزهای شواهد بهصورت مناسب و کارآمد انجام شود و در نهایت به تصمیمسازی مبتنی بر شواهد در سیاستگذاری و عمل کمک کند.
در تازهترین دستاورد این ابتکار، مقالهای با عنوان:
Over 1000 terms have been used to describe evidence synthesis: a scoping review
در مجلهی BMJ Evidence-Based Medicine منتشر شده است.
این مقاله با مشارکت ۴۱ نویسنده از سراسر جهان نگارش یافته است و متدولوژیستهایی نام آشنا مثل Danielle Pollock، Andrea C. Tricco، Andrew Booth و Zachary Munn در بین نویسندگان دیده میشود. همچنین یک پژوهشگر ایرانیالاصل به نام نهال حبیبی، عضو هیئت علمی دانشکده کشاورزی، غذا و شراب دانشگاه آدلاید استرالیا، نیز از نویسندگان این مقاله است.
هدف این مطالعه، شناسایی، مقایسه و تحلیل تمام نظامهای طبقهبندی، تاکسونومیها و گونهشناسیهای موجود برای انواع روشهای سنتز شواهد بود تا مبنایی برای توسعهی یک تاکسونومی زنده و جامع در این حوزه فراهم شود.
این مرور بر اساس روششناسی مرور اسکوپینگ JBI انجام شده است. نویسندگان در کل ۱۵۶۳۴ را غربالگری کردند تا به ۴۴۶ مدرک واجد شرایط برسند.
چند یافته مهم:
شناسایی ۴۹ نظام طبقهبندی و تاکسونومی برای سنتز شواهد؛
شناساییِ در مجموع ۱۰۱۰ اصطلاح منحصربهفرد برای انواع سنتز شواهد؛
از این بین، ۷۴۲ اصطلاح تنها یک بار در کل متون دیده شدهاند؛
متداولترین اصطلاحات: systematic review، scoping review، meta-analysis، rapid review و narrative review؛
گزارش بیش از ۱۵۸ زیرگونه از systematic review (مانند systematic review of trials).
۱۵ بعد کلان:
تیم پژوهش ۴۷۵ ویژگی متمایزکننده (facets) را از متون استخراج و در ۱۵ بعد کلان (dimensions) گروهبندی کرد:
1. Review question and foci of interest
2. Discipline or field
3. Perspective
4. Coverage
5. Eligibility criteria / data sources considered
6. Review purpose
7. Methodological principles
8. Theoretical underpinnings / philosophical perspective
9. Resource considerations
10. Compatibility with heterogeneity
11. Sequence planning
12. Analytical techniques to synthesise the evidence
13. Intended product / output
14. Intended audience
15. Intended impact or influence
جامعه علمی تاکنون تلاشهای متعددی برای نظمبخشی به انواع سنتز شواهد انجام داده است، اما اغلب این نظامها:
بر شواهد تجربی استوار نبودهاند و
بهندرت مورد ارزیابی قرار گرفتهاند،
و معمولاً ایستا هستند و با پیشرفتهای روششناسی بهروزرسانی نمیشوند.
چالش اصلی، تنوع و همپوشانی گسترده در واژگان است؛ بهگونهای که گاهی برای یک روش، نامهای متفاوت و یا برای روشهای متفاوت، نامی یکسان به کار میرود.
بنابراین، نیاز فوری جامعهی پژوهش آن است که یک تاکسونومی زنده و پویا (Living Taxonomy) برای هماهنگسازی زبان، اصطلاحات و ساختار مفهومی در حوزهی سنتز شواهد ایجاد شود.
پژوهشگران پیشنهاد میکنند با ایجاد این تاکسونومی زنده و مبتنی بر شواهد، ارتباط و هماهنگی در بین پژوهشگران افزایش یافته و دقت در انتخاب و گزارش روشهای سنتز شواهد بهبود یابد تا تصمیمسازی علمی و سیاستگذاری بر پایهی شواهد قویتر صورت گیرد.
🔗 وبسایت رسمی ESTI
✅خواندن بخش methods این مرور بهشدت توصیه میشود، چون برخی نویسندگان آن، از توسعهدهندگان مرور اسکوپینگ هستند. با خواندن این بخش، میتوان با نحوه انجام و گزارش یک مرور اسکوپینگِ استاندارد بهخوبی آشنا شد.
#evidence_synthesis
#taxonomy
#scoping_review
🆔 @irevidence
قبلاً در پستی با عنوان "سنتز شواهد: از خانواده دو نفره تا ۴۸ نفره" به بررسی طبقهبندی انواع سنتز شواهد پرداخته بودیم. در سال ۲۰۰۹، گرنت و بوث ۱۴ نوع مرور متون را معرفی کردند. در سال ۲۰۱۶، تریکو و همکارانش ۲۵ نوع سنتز شواهد را شناسایی کردند و سرانجام ساتن و همکاران در سال ۲۰۱۹ تعداد ۴۸ نوع سنتز شواهد را در قالب ۷ خانواده مرور طبقهبندی نمودند.
چندی پیش، با مشارکت بیش از ۱۵۰ متخصص سنتز شواهد از سراسر جهان (از مؤسساتی مانند JBI، کاکرین، کمبل و دیگر مراکز معتبر)، پروژهای جهانی تحت عنوان ابتکار تاکسونومی سنتز شواهد (Evidence Synthesis Taxonomy Initiative) یا به اختصار ESTI آغاز شد.
رهبری این پروژه را Zachary Munn و Danielle Pollock از دانشگاه آدلاید (استرالیا) بر عهده دارند. از ایران نیز سکینه حاجابراهیمی، استاد گروه ارولوژی دانشگاه علوم پزشکی تبریز و رئیس قطب علمی مؤسسه JBI در ایران، در این پروژه حضور دارد.
هدف اصلی این ابتکار، تدوین یک تاکسونومی جامع، پویا، مقیاسپذیر و آنلاین برای سنتز شواهد است تا انتخاب و اجرای مرورها و سنتزهای شواهد بهصورت مناسب و کارآمد انجام شود و در نهایت به تصمیمسازی مبتنی بر شواهد در سیاستگذاری و عمل کمک کند.
در تازهترین دستاورد این ابتکار، مقالهای با عنوان:
Over 1000 terms have been used to describe evidence synthesis: a scoping review
در مجلهی BMJ Evidence-Based Medicine منتشر شده است.
این مقاله با مشارکت ۴۱ نویسنده از سراسر جهان نگارش یافته است و متدولوژیستهایی نام آشنا مثل Danielle Pollock، Andrea C. Tricco، Andrew Booth و Zachary Munn در بین نویسندگان دیده میشود. همچنین یک پژوهشگر ایرانیالاصل به نام نهال حبیبی، عضو هیئت علمی دانشکده کشاورزی، غذا و شراب دانشگاه آدلاید استرالیا، نیز از نویسندگان این مقاله است.
هدف این مطالعه، شناسایی، مقایسه و تحلیل تمام نظامهای طبقهبندی، تاکسونومیها و گونهشناسیهای موجود برای انواع روشهای سنتز شواهد بود تا مبنایی برای توسعهی یک تاکسونومی زنده و جامع در این حوزه فراهم شود.
این مرور بر اساس روششناسی مرور اسکوپینگ JBI انجام شده است. نویسندگان در کل ۱۵۶۳۴ را غربالگری کردند تا به ۴۴۶ مدرک واجد شرایط برسند.
چند یافته مهم:
شناسایی ۴۹ نظام طبقهبندی و تاکسونومی برای سنتز شواهد؛
شناساییِ در مجموع ۱۰۱۰ اصطلاح منحصربهفرد برای انواع سنتز شواهد؛
از این بین، ۷۴۲ اصطلاح تنها یک بار در کل متون دیده شدهاند؛
متداولترین اصطلاحات: systematic review، scoping review، meta-analysis، rapid review و narrative review؛
گزارش بیش از ۱۵۸ زیرگونه از systematic review (مانند systematic review of trials).
۱۵ بعد کلان:
تیم پژوهش ۴۷۵ ویژگی متمایزکننده (facets) را از متون استخراج و در ۱۵ بعد کلان (dimensions) گروهبندی کرد:
1. Review question and foci of interest
2. Discipline or field
3. Perspective
4. Coverage
5. Eligibility criteria / data sources considered
6. Review purpose
7. Methodological principles
8. Theoretical underpinnings / philosophical perspective
9. Resource considerations
10. Compatibility with heterogeneity
11. Sequence planning
12. Analytical techniques to synthesise the evidence
13. Intended product / output
14. Intended audience
15. Intended impact or influence
جامعه علمی تاکنون تلاشهای متعددی برای نظمبخشی به انواع سنتز شواهد انجام داده است، اما اغلب این نظامها:
بر شواهد تجربی استوار نبودهاند و
بهندرت مورد ارزیابی قرار گرفتهاند،
و معمولاً ایستا هستند و با پیشرفتهای روششناسی بهروزرسانی نمیشوند.
چالش اصلی، تنوع و همپوشانی گسترده در واژگان است؛ بهگونهای که گاهی برای یک روش، نامهای متفاوت و یا برای روشهای متفاوت، نامی یکسان به کار میرود.
بنابراین، نیاز فوری جامعهی پژوهش آن است که یک تاکسونومی زنده و پویا (Living Taxonomy) برای هماهنگسازی زبان، اصطلاحات و ساختار مفهومی در حوزهی سنتز شواهد ایجاد شود.
پژوهشگران پیشنهاد میکنند با ایجاد این تاکسونومی زنده و مبتنی بر شواهد، ارتباط و هماهنگی در بین پژوهشگران افزایش یافته و دقت در انتخاب و گزارش روشهای سنتز شواهد بهبود یابد تا تصمیمسازی علمی و سیاستگذاری بر پایهی شواهد قویتر صورت گیرد.
🔗 وبسایت رسمی ESTI
✅خواندن بخش methods این مرور بهشدت توصیه میشود، چون برخی نویسندگان آن، از توسعهدهندگان مرور اسکوپینگ هستند. با خواندن این بخش، میتوان با نحوه انجام و گزارش یک مرور اسکوپینگِ استاندارد بهخوبی آشنا شد.
#evidence_synthesis
#taxonomy
#scoping_review
🆔 @irevidence
❤8👌4👍1
▫️تأثیر پرامپت بر خروجی هوش مصنوعی مولد
از GPT-5 پرسیدم:
سوگیری بقا را در حد 50 کلمه تعریف کنید.
سوگیری بقا را به زبان ساده و در حد 50 کلمه تعریف کنید.
سوگیری بقا را بصورت ابله فهم و در حد 50 کلمه تعریف کنید.
سوگیری بقا را بصورت پیچیده و غامض تعریف کنید که کسی چیزی از آن نفهمد.
بهش گفتم. من فهمیدم. گفت: عجب! پس یعنی باید تعریف رو پیچیدهتر کنم که دیگه هیچکس نفهمه؟ میخوای نسخهی «غیرقابلدرکِ نهایی» سوگیری بقا رو برات بنویسم؟
در ادامه گفت: میخوای یه درجه دیگه هم مبهمترش کنم تا خودش هم نفهمه چرا وجود داره؟😄
گفتم آره.
در ادامه گفت: حالا صادقانه—هیچی نفهمیدی، یا هنوز یه ذره فهم باقی مونده؟
رسماً دیوانه است!
در یکی از پرامپتها گفتم بصورت ابله فهم تعریف کن. حتماً از این اصطلاح استفاده کنید، ضرر نمیکنید!
#AI
#prompt
#chatgpt
🆔 @irevidence
از GPT-5 پرسیدم:
سوگیری بقا را در حد 50 کلمه تعریف کنید.
سوگیری بقا خطایی شناختی است که در آن فقط نمونههای موفق یا باقیمانده دیده و بررسی میشوند، در حالی که موارد شکستخورده یا حذفشده نادیده گرفته میشوند. این باعث میشود نتایج یا احتمال موفقیت بیشازحد واقعی برآورد شود و تصمیمگیریها بر پایه دادههای ناقص شکل گیرد.
سوگیری بقا را به زبان ساده و در حد 50 کلمه تعریف کنید.
سوگیری بقا یعنی توجهکردن فقط به کسانی یا چیزهایی که موفق شدهاند و نادیدهگرفتن آنهایی که شکست خوردهاند. مثلاً وقتی فقط از کارآفرینان موفق میشنویم، فکر میکنیم موفقیت آسان است، چون شکستخوردهها را نمیبینیم. این باعث میشود برداشت ما از واقعیت اشتباه شود.
سوگیری بقا را بصورت ابله فهم و در حد 50 کلمه تعریف کنید.
سوگیری بقا یعنی فقط برندهها را دیدن و بازندهها را فراموش کردن. مثلاً میبینی چند نفر با سرمایهگذاری پولدار شدن و فکر میکنی خیلی راحته، چون اونایی که ضرر کردن رو نمیبینی. اینطوری مغزت گول میخوره و فکر میکنی موفقیت همیشه اتفاق میافته.
سوگیری بقا را بصورت پیچیده و غامض تعریف کنید که کسی چیزی از آن نفهمد.
سوگیری بقا نوعی انحراف معرفتشناختی است که از ناهمخوانی در نمونهبرداری آماری ناشی میشود، جایی که دادههای مشاهدهپذیر صرفاً شامل بازماندگان یک فرایند گزینشیاند. در نتیجه، ذهن دچار توهم تعمیم استقرایی میگردد و ساختار احتمالاتی واقعیت را بر مبنای بقای تصادفی، نه توزیع کامل رویدادها، بازسازی میکند.
بهش گفتم. من فهمیدم. گفت: عجب! پس یعنی باید تعریف رو پیچیدهتر کنم که دیگه هیچکس نفهمه؟ میخوای نسخهی «غیرقابلدرکِ نهایی» سوگیری بقا رو برات بنویسم؟
سوگیری بقا را میتوان بهمنزلهی بازتابی اپیستمولوژیک از یک پارادایم دادهزدایی در چارچوب بازنماییهای نادقیق هستیشناختی دانست، جایی که سازوکارهای شناختی در تعامل با فیلترهای انتخابیِ غیرتصادفی، منجر به همریزش پارادایمی میان واقعنمایی و نمود تجربی میشوند؛ بهگونهای که تمایز میان غیاب و حضور، خود بهنحوی متناقض، بازتولیدگر خطای ادراکی اولیه است.
در ادامه گفت: میخوای یه درجه دیگه هم مبهمترش کنم تا خودش هم نفهمه چرا وجود داره؟😄
گفتم آره.
سوگیری بقا، تبلورِ پارادوکسیکالِ یک ساختار فرااستقرایی در ماتریس ادراکات بازگشتیست که در آن، غیریتِ حذفشده بهمنزلهی پیششرطِ دلالتِ حضور بازتعریف میشود. این فرایند، از طریق انقباض اپیستمی در فضای احتمالِ پساتجربی، منجر به زایش توهمِ امتداد علّی در غیاب دادههای حذفشده میگردد.
در ادامه گفت: حالا صادقانه—هیچی نفهمیدی، یا هنوز یه ذره فهم باقی مونده؟
رسماً دیوانه است!
در یکی از پرامپتها گفتم بصورت ابله فهم تعریف کن. حتماً از این اصطلاح استفاده کنید، ضرر نمیکنید!
#AI
#prompt
#chatgpt
🆔 @irevidence
😁60👍15❤10
▫️انتقال مجلات BMC به Springer Nature Link
انتشارات اشپرینگر از چندی قبل، تمام مجلات سری BMC را از پلتفرم biomedcentral.com به Springer Nature Link منتقل کرده است.
در حال حاضر مجلات از طریق دو پلتفرم در دسترس هستند. اما در آینده نزدیک، پلتفرم biomedcentral.com غیرفعال خواهد شد و تمام مجلات منحصراً از طریق آدرس زیر در دسترس خواهند بود:
https://link.springer.com/brands/bmc
برای مثال آدرس مجله BMC Nutrition در پلتفرم BMC بدین صورت بود:
https://bmcnutr.biomedcentral.com
اما در پلتفرم Springer Nature Link به این صورت در آمده است:
https://link.springer.com/journal/40795
مجموعه مجلات Nature هم با برند Nature Portfolio زیر مجموعه Springer Nature هستند ولی بعید به نظر میرسد کاری با آنها داشته باشد.
#publisher
#BMC
#springer
🆔 @irevidence
انتشارات اشپرینگر از چندی قبل، تمام مجلات سری BMC را از پلتفرم biomedcentral.com به Springer Nature Link منتقل کرده است.
در حال حاضر مجلات از طریق دو پلتفرم در دسترس هستند. اما در آینده نزدیک، پلتفرم biomedcentral.com غیرفعال خواهد شد و تمام مجلات منحصراً از طریق آدرس زیر در دسترس خواهند بود:
https://link.springer.com/brands/bmc
برای مثال آدرس مجله BMC Nutrition در پلتفرم BMC بدین صورت بود:
https://bmcnutr.biomedcentral.com
اما در پلتفرم Springer Nature Link به این صورت در آمده است:
https://link.springer.com/journal/40795
مجموعه مجلات Nature هم با برند Nature Portfolio زیر مجموعه Springer Nature هستند ولی بعید به نظر میرسد کاری با آنها داشته باشد.
#publisher
#BMC
#springer
🆔 @irevidence
👍7❤6
▫️آینده نشر علمی: نیازمند تغییرات رادیکال
انتشارات کمبریج گزارش جالبی درباره وضعیت نشر و آینده پیش روی آن منتشر کرده است. در عنوان گزارش آمده است که برای آینده نشر علمی، باید تغییرات رادیکال صورت بگیرد.
با برگزاری کارگاهها و انجام مصاحبههای عمیق با ذینفعان مختلف (پژوهشگران، اعضای هیئت تحریریه مجلات، انجمنهای علمی، ناشران و غیره)، پرسشنامهای تدوین شد و در اختیار بیش از ۳ هزار نفر از ۱۲۰ کشور جهان قرار گرفت. در آخر هم یک جلسه نهایی با شرکت ۱۶ نفر تشکیل شد تا یافتهها را مرور و پیشنهادهای آینده را نهایی کنند.
گزارش در ۶۱ صفحه تنظیم شده است ولی در اینجا به مهمترین یافتههای آن اشاره میکنیم.
🔻چالشهای موجود
۱. وضعیت کنونی نظام نشر علمی
نظام فعلی هنوز نقش مهمی در حفظ کیفیت و سلامت پژوهش دارد، اما نشانههای فرسودگی در آن دیده میشود. افزایش حجم مقالات، روند طولانی داوری و فشار زیاد بر داوران باعث کندی و سنگینی فرایندها شده است. این ساختار با نیازهای آینده همخوانی ندارد و باید بازنگری شود.
۲. گذار به دسترسی آزاد
حرکت به سوی دسترسی آزاد از نظر دسترسی به دانش مثبت ارزیابی شده است، اما مشکلاتی نیز پدید آورده است. هزینههای بالای انتشار برای نویسندگان فاقد بودجه، نبود شفافیت در مدلهای مالی و الگوهای هیبریدی که در آن هم برای چاپ و هم برای خواندن هزینه دریافت میشود، از مهمترین چالشها هستند.
۳. ثبات مالی
مدلهای مالی فعلی که ترکیبی از اشتراک و پرداخت هزینه چاپاند، دیگر پایدار نیستند. رشد سریع تعداد مقالات، هزینههای فزاینده و نبود شفافیت مالی نظام نشر را با خطر بیثباتی روبهرو کرده است. نیاز فوری به الگوهایی وجود دارد که شفاف، منصفانه و پایدار باشند.
۴. عدالت و دسترسی برابر
با وجود گسترش دسترسی آزاد، برابری در فرصت انتشار هنوز محقق نشده است. پژوهشگران کشورهای کمدرآمد و مؤسسات کوچک در پرداخت هزینههای انتشار با مشکل روبهرو هستند. عدالت در این زمینه به معنای فراهمکردن فرصت برابر برای انتشار و دسترسی به نتایج علمی، بدون محدودیت مالی یا جغرافیایی است.
۵. نظام پاداش و ارزیابی
بسیاری از پژوهشگران احساس میکنند ارزیابی علمی بیش از حد بر کمیت تکیه دارد و کیفیت، نوآوری و همکاری علمی کمتر مورد توجه است. فعالیتهایی مانند داوری همتا، منتورینگ، انتشار داده و توسعه نرمافزار معمولاً در نظام پاداش دیده نمیشود. تغییر این الگوها برای ایجاد انگیزههای سالم پژوهشی ضروری است.
۶. داوری همتا
داوری همتا همچنان سنگبنای اعتبار علمی است، اما فشار کاری و کمبود داوران موجب کاهش کیفیت و طولانیشدن زمان داوری شده است. در کنار آن، پدیدههایی مانند کارخانههای تولید مقاله و استفاده نادرست از هوش مصنوعی، اعتماد به فرآیند داوری را تهدید میکنند.
۷. نقش فناوری و هوش مصنوعی
فناوری و بهویژه هوش مصنوعی میتواند در ترجمه، ویرایش و داوری به کار آید، اما نگرانیهایی درباره تولید محتوای نادرست یا جعلی نیز وجود دارد. هوش مصنوعی باید بهعنوان ابزار کمکی و با نظارت انسانی به کار گرفته شود تا به کیفیت علم آسیب نزند.
۸. داده و انتشار باز
پژوهشگران آیندهای را ترجیح میدهند که دادههای پژوهش آزاد و شفاف در دسترس باشد. بااینحال، هنوز زیرساخت، بودجه و آموزش کافی برای اشتراک داده وجود ندارد و نیاز به حمایت فنی و مالی احساس میشود.
🔻راهکارهای پیشنهادی
▫️کمتر اما با کیفیتتر منتشر شود و مسیرهای متنوع و کمهزینهتر انتشار تقویت گردد.
▫️دوگانگی مالی پایان یابد و قیمتگذاریها شفاف و منطبق بر ارزش واقعی خدمات باشد.
▫️عدالت در طراحی سیاستها محور قرار گیرد؛ از معافیتها، مدلهای جمعسپاری و آموزش در مناطق کمبرخوردار حمایت شود.
▫️نظام پاداش و ارزیابی بازطراحی شود تا کیفیت، داده، داوری و نقشهای اجتماعی نیز ارزشگذاری شوند.
▫️داوری همتا بهعنوان فعالیتی علمی به رسمیت شناخته و برای آن آموزش، امتیاز و حمایت در نظر گرفته شود.
▫️ پلتفرمهای جایگزین مانند مدل دسترسی آزاد الماسی (Diamond OA) و سرورهای پریپرینت تقویت شوند.
▫️زیرساخت داده باز توسعه یابد تا اشتراکگذاری دادهها آسان و ایمن شود.
▫️همکاری جمعی بین ناشران، دانشگاهها و حامیان مالی برای تدوین استانداردهای مشترک شکل گیرد.
▫️نوآوری و آزمایش مدلهای جدید بهصورت شفاف و گزارشپذیر انجام شود.
▫️در محیطهای باز، تمایز محتوای داوریشده و نشده بهروشنی مشخص شود تا اعتماد عمومی حفظ گردد.
خانم Hill مدیر انتشارات کمبریج در مقدمه گزارش نوشته است:
کمتر ولی باکیفیتتر منتشر کنیم!
#publishing
#cambridge
#critique
🆔 @irevidence
انتشارات کمبریج گزارش جالبی درباره وضعیت نشر و آینده پیش روی آن منتشر کرده است. در عنوان گزارش آمده است که برای آینده نشر علمی، باید تغییرات رادیکال صورت بگیرد.
با برگزاری کارگاهها و انجام مصاحبههای عمیق با ذینفعان مختلف (پژوهشگران، اعضای هیئت تحریریه مجلات، انجمنهای علمی، ناشران و غیره)، پرسشنامهای تدوین شد و در اختیار بیش از ۳ هزار نفر از ۱۲۰ کشور جهان قرار گرفت. در آخر هم یک جلسه نهایی با شرکت ۱۶ نفر تشکیل شد تا یافتهها را مرور و پیشنهادهای آینده را نهایی کنند.
گزارش در ۶۱ صفحه تنظیم شده است ولی در اینجا به مهمترین یافتههای آن اشاره میکنیم.
🔻چالشهای موجود
۱. وضعیت کنونی نظام نشر علمی
نظام فعلی هنوز نقش مهمی در حفظ کیفیت و سلامت پژوهش دارد، اما نشانههای فرسودگی در آن دیده میشود. افزایش حجم مقالات، روند طولانی داوری و فشار زیاد بر داوران باعث کندی و سنگینی فرایندها شده است. این ساختار با نیازهای آینده همخوانی ندارد و باید بازنگری شود.
۲. گذار به دسترسی آزاد
حرکت به سوی دسترسی آزاد از نظر دسترسی به دانش مثبت ارزیابی شده است، اما مشکلاتی نیز پدید آورده است. هزینههای بالای انتشار برای نویسندگان فاقد بودجه، نبود شفافیت در مدلهای مالی و الگوهای هیبریدی که در آن هم برای چاپ و هم برای خواندن هزینه دریافت میشود، از مهمترین چالشها هستند.
۳. ثبات مالی
مدلهای مالی فعلی که ترکیبی از اشتراک و پرداخت هزینه چاپاند، دیگر پایدار نیستند. رشد سریع تعداد مقالات، هزینههای فزاینده و نبود شفافیت مالی نظام نشر را با خطر بیثباتی روبهرو کرده است. نیاز فوری به الگوهایی وجود دارد که شفاف، منصفانه و پایدار باشند.
۴. عدالت و دسترسی برابر
با وجود گسترش دسترسی آزاد، برابری در فرصت انتشار هنوز محقق نشده است. پژوهشگران کشورهای کمدرآمد و مؤسسات کوچک در پرداخت هزینههای انتشار با مشکل روبهرو هستند. عدالت در این زمینه به معنای فراهمکردن فرصت برابر برای انتشار و دسترسی به نتایج علمی، بدون محدودیت مالی یا جغرافیایی است.
۵. نظام پاداش و ارزیابی
بسیاری از پژوهشگران احساس میکنند ارزیابی علمی بیش از حد بر کمیت تکیه دارد و کیفیت، نوآوری و همکاری علمی کمتر مورد توجه است. فعالیتهایی مانند داوری همتا، منتورینگ، انتشار داده و توسعه نرمافزار معمولاً در نظام پاداش دیده نمیشود. تغییر این الگوها برای ایجاد انگیزههای سالم پژوهشی ضروری است.
۶. داوری همتا
داوری همتا همچنان سنگبنای اعتبار علمی است، اما فشار کاری و کمبود داوران موجب کاهش کیفیت و طولانیشدن زمان داوری شده است. در کنار آن، پدیدههایی مانند کارخانههای تولید مقاله و استفاده نادرست از هوش مصنوعی، اعتماد به فرآیند داوری را تهدید میکنند.
۷. نقش فناوری و هوش مصنوعی
فناوری و بهویژه هوش مصنوعی میتواند در ترجمه، ویرایش و داوری به کار آید، اما نگرانیهایی درباره تولید محتوای نادرست یا جعلی نیز وجود دارد. هوش مصنوعی باید بهعنوان ابزار کمکی و با نظارت انسانی به کار گرفته شود تا به کیفیت علم آسیب نزند.
۸. داده و انتشار باز
پژوهشگران آیندهای را ترجیح میدهند که دادههای پژوهش آزاد و شفاف در دسترس باشد. بااینحال، هنوز زیرساخت، بودجه و آموزش کافی برای اشتراک داده وجود ندارد و نیاز به حمایت فنی و مالی احساس میشود.
🔻راهکارهای پیشنهادی
▫️کمتر اما با کیفیتتر منتشر شود و مسیرهای متنوع و کمهزینهتر انتشار تقویت گردد.
▫️دوگانگی مالی پایان یابد و قیمتگذاریها شفاف و منطبق بر ارزش واقعی خدمات باشد.
▫️عدالت در طراحی سیاستها محور قرار گیرد؛ از معافیتها، مدلهای جمعسپاری و آموزش در مناطق کمبرخوردار حمایت شود.
▫️نظام پاداش و ارزیابی بازطراحی شود تا کیفیت، داده، داوری و نقشهای اجتماعی نیز ارزشگذاری شوند.
▫️داوری همتا بهعنوان فعالیتی علمی به رسمیت شناخته و برای آن آموزش، امتیاز و حمایت در نظر گرفته شود.
▫️ پلتفرمهای جایگزین مانند مدل دسترسی آزاد الماسی (Diamond OA) و سرورهای پریپرینت تقویت شوند.
▫️زیرساخت داده باز توسعه یابد تا اشتراکگذاری دادهها آسان و ایمن شود.
▫️همکاری جمعی بین ناشران، دانشگاهها و حامیان مالی برای تدوین استانداردهای مشترک شکل گیرد.
▫️نوآوری و آزمایش مدلهای جدید بهصورت شفاف و گزارشپذیر انجام شود.
▫️در محیطهای باز، تمایز محتوای داوریشده و نشده بهروشنی مشخص شود تا اعتماد عمومی حفظ گردد.
خانم Hill مدیر انتشارات کمبریج در مقدمه گزارش نوشته است:
بیشتر نکات گزارش شاید تازه نباشند، اما نکته شگفتانگیز این است که خودِ یک ناشر نتیجه گرفته است که باید تعداد مقالات منتشر شده کاهش یابد. [درود بهت!]
کمتر ولی باکیفیتتر منتشر کنیم!
#publishing
#cambridge
#critique
🆔 @irevidence
❤10👍3
▫️دیتابیس PubMed در دوران تعطیلی دولت آمریکا
در ایالات متحده، هر نهاد دولتی مانند وزارت بهداشت، آموزش، دفاع و غیره برای ادامۀ فعالیت خود نیازمند تصویب بودجۀ سالانه از سوی کنگره است. اگر رئیسجمهور و کنگره بر سر بودجه یا لایحهای خاص به توافق نرسند، تخصیص بودجه متوقف میشود. در نتیجه، دولت نمیتواند به کارمندان خود حقوق پرداخت کند، خدمات غیرضروری متوقف میشوند و تنها بخشهای حیاتی مانند پلیس فدرال، خدمات درمانی اضطراری یا کنترل ترافیک هوایی به کار خود ادامه میدهند.
در چنین وضعیتی اصطلاحاً گفته میشود که دولت آمریکا تعطیل شده است (U.S. Government Shutdown).
اما این مسئله چه ارتباطی به پابمد دارد؟
پابمد بخشی از مرکز ملی اطلاعات زیستفناوری (NCBI) است که زیرمجموعۀ کتابخانهی ملی پزشکی آمریکا (NLM) محسوب میشود. NLM نیز یکی از بخشهای مؤسسه ملی سلامت آمریکا (NIH) است و NIH خود زیرمجموعۀ وزارت بهداشت و خدمات انسانی آمریکا (HHS) به شمار میرود.
بنابراین، از آنجا که NIH نهادی فدرال و وابسته به دولت است، در زمان تعطیلی دولت فدرال، بودجۀ NIH و NLM نیز موقتاً قطع میشود. از آغاز تعطیلی (اول اکتبر)، در تمامی وبسایتهای وابسته به NIH پیامی نمایش داده میشود مبنی بر اینکه به دلیل وقفه در تأمین بودجۀ دولتی، اطلاعات این پایگاهها ممکن است بهروز نباشند.
با این حال، جستوجو در پابمد فرآیندی خودکار است و بخش عمدهای از آپلود اطلاعات مقالات جدید را خودِ مجلات انجام میدهند. به همین دلیل، مقالاتی که پس از آغاز تعطیلی منتشر میشوند، همچنان به پابمد اضافه میشوند، به شرط آنکه مجلۀ مربوطه قبلاً در این پایگاه نمایه شده باشد. سامانههای خودکار NLM نیز برای این مقالات Medline citation ایجاد کرده و اصطلاحات MeSH را تخصیص میدهند تا در جستوجوها قابل بازیابی باشند.
با وجود این، بخشی از فعالیتهای پابمد در دوران تعطیلی متوقف شده است؛ چون حدود ۸۰ درصد کارکنان NIH به مرخصی اجباری رفتهاند و کارهایی که نیاز به بررسی انسانی دارند مانند ارزیابی مجلات جدید برای نمایهشدن در مدلاین در این مدت انجام نمیشوند.
در ابتدای تعطیلی، از سازمانها خواسته شده مشخص کنند کدامیک از خدماتشان ضروری به شمار میرود. NIH گفته که خدمات مربوط به مدلاین از جمله فعالیتهای ضروری است.
برای بررسی تأثیر تعطیلی دولت بر روند بهروزرسانی پابمد، جستوجویی انجام دادم و تعداد مقالات افزودهشده در بازههای زمانی مشابه را مقایسه کردم:
از ۱ تا ۲۴ اکتبر (دوران تعطیلی): ۱۳۳۷۷۸ رکورد
از ۱ تا ۲۴ سپتامبر: ۱۶۳۵۸۱ رکورد
از ۱ تا ۲۴ اوت: ۱۵۳۵۸۱ رکورد
از ۱ تا ۲۴ ژوئیه: ۱۷۱۷۳۶ رکورد
با اینکه تعداد رکوردهای افزودهشده در دوران تعطیلی، نسبت به ماههای گذشته کاهش یافته است، اما این اختلاف چندان چشمگیر نیست و نمیتواند نشانۀ جدی از بهروز نبودن پایگاه پابمد باشد.
به قول نویسنده مقالهای در مجلۀ BMJ، پابمد فعلاً رفته روی حالت autopilot
#pubmed
#medline
#database
🆔 @irevidence
در ایالات متحده، هر نهاد دولتی مانند وزارت بهداشت، آموزش، دفاع و غیره برای ادامۀ فعالیت خود نیازمند تصویب بودجۀ سالانه از سوی کنگره است. اگر رئیسجمهور و کنگره بر سر بودجه یا لایحهای خاص به توافق نرسند، تخصیص بودجه متوقف میشود. در نتیجه، دولت نمیتواند به کارمندان خود حقوق پرداخت کند، خدمات غیرضروری متوقف میشوند و تنها بخشهای حیاتی مانند پلیس فدرال، خدمات درمانی اضطراری یا کنترل ترافیک هوایی به کار خود ادامه میدهند.
در چنین وضعیتی اصطلاحاً گفته میشود که دولت آمریکا تعطیل شده است (U.S. Government Shutdown).
اما این مسئله چه ارتباطی به پابمد دارد؟
پابمد بخشی از مرکز ملی اطلاعات زیستفناوری (NCBI) است که زیرمجموعۀ کتابخانهی ملی پزشکی آمریکا (NLM) محسوب میشود. NLM نیز یکی از بخشهای مؤسسه ملی سلامت آمریکا (NIH) است و NIH خود زیرمجموعۀ وزارت بهداشت و خدمات انسانی آمریکا (HHS) به شمار میرود.
بنابراین، از آنجا که NIH نهادی فدرال و وابسته به دولت است، در زمان تعطیلی دولت فدرال، بودجۀ NIH و NLM نیز موقتاً قطع میشود. از آغاز تعطیلی (اول اکتبر)، در تمامی وبسایتهای وابسته به NIH پیامی نمایش داده میشود مبنی بر اینکه به دلیل وقفه در تأمین بودجۀ دولتی، اطلاعات این پایگاهها ممکن است بهروز نباشند.
با این حال، جستوجو در پابمد فرآیندی خودکار است و بخش عمدهای از آپلود اطلاعات مقالات جدید را خودِ مجلات انجام میدهند. به همین دلیل، مقالاتی که پس از آغاز تعطیلی منتشر میشوند، همچنان به پابمد اضافه میشوند، به شرط آنکه مجلۀ مربوطه قبلاً در این پایگاه نمایه شده باشد. سامانههای خودکار NLM نیز برای این مقالات Medline citation ایجاد کرده و اصطلاحات MeSH را تخصیص میدهند تا در جستوجوها قابل بازیابی باشند.
با وجود این، بخشی از فعالیتهای پابمد در دوران تعطیلی متوقف شده است؛ چون حدود ۸۰ درصد کارکنان NIH به مرخصی اجباری رفتهاند و کارهایی که نیاز به بررسی انسانی دارند مانند ارزیابی مجلات جدید برای نمایهشدن در مدلاین در این مدت انجام نمیشوند.
در ابتدای تعطیلی، از سازمانها خواسته شده مشخص کنند کدامیک از خدماتشان ضروری به شمار میرود. NIH گفته که خدمات مربوط به مدلاین از جمله فعالیتهای ضروری است.
برای بررسی تأثیر تعطیلی دولت بر روند بهروزرسانی پابمد، جستوجویی انجام دادم و تعداد مقالات افزودهشده در بازههای زمانی مشابه را مقایسه کردم:
از ۱ تا ۲۴ اکتبر (دوران تعطیلی): ۱۳۳۷۷۸ رکورد
از ۱ تا ۲۴ سپتامبر: ۱۶۳۵۸۱ رکورد
از ۱ تا ۲۴ اوت: ۱۵۳۵۸۱ رکورد
از ۱ تا ۲۴ ژوئیه: ۱۷۱۷۳۶ رکورد
با اینکه تعداد رکوردهای افزودهشده در دوران تعطیلی، نسبت به ماههای گذشته کاهش یافته است، اما این اختلاف چندان چشمگیر نیست و نمیتواند نشانۀ جدی از بهروز نبودن پایگاه پابمد باشد.
به قول نویسنده مقالهای در مجلۀ BMJ، پابمد فعلاً رفته روی حالت autopilot
#pubmed
#medline
#database
🆔 @irevidence
❤24👍5😁5
▫️آیا به دانشجویان، شایستگیِ هوش مصنوعی (AI competence) را آموزش میدهیم یا وابستگی (dependence) به آن را؟
در عصر AI، دانشگاهها با چالشی بنیادین روبهرو هستند: آیا آموزش فعلی، دانشجویانی شایسته و توانمند در استفاده آگاهانه از AI تربیت میکند، یا نسلی وابسته که بدون آن قادر به تفکر مستقل نیست؟ Thorsten Fröhlich استاد تمام مدیریت IT در دانشگاه علوم کاربردی IU آلمان در نوشتاری به این دغدغه پرداخته است.
پارادوکس عملکرد
دانشگاهها با شور و شتاب به استقبال فناوریهای AI رفتهاند، از آموزش مهندسی پرامپت تا تدوین دستورالعملهای اخلاقی. اما سوال اصلی نادیده گرفته شده است: آیا این آموزشها به رشد فکری منجر میشوند یا فقط ظاهری از یادگیری را ایجاد میکنند؟
مطالعات متعدد نشان دادهاند که استفاده زیاد از ابزارهای AI با افت تفکر انتقادی همراه است. دلیل این امر چیزی است که پژوهشگران تنبلی فراشناختی (metacognitive laziness) مینامند: یعنی دانشجو بهجای درگیر شدن در فرایند تفکر، تصمیمگیری و تحلیل، مسئولیت این فرایندها را به ماشین میسپارد.
اعتماد کاذب و توهم شایستگی
این اتکا منجر به اعتماد بیشازحد میشود. دانشجویان متونی تولید میکنند که از نظر ظاهری، علمی و دقیق است، اما خودشان قادر به توضیح یا دفاع از آن نیستند. پژوهشها نشان میدهد بیشتر آنها نمیتوانند خطاهای تولیدشده توسط AI را تشخیص دهند، مگر اینکه مستقیماً درباره احتمال اشتباه هشدار داده شوند. در نتیجه نوعی توهم شایستگی شکل میگیرد؛ یعنی احساس تسلط بدون درک واقعی.
برنامه درسی پنهانِ وابستگی
در عمل، بسیاری از برنامههای آموزشی بهجای آموزش سواد AI، وابستگی ذهنی به آن را تقویت میکنند. نتایج پژوهشها نشان میدهد حتی دانشجویانی که میدانند این وابستگی خطرناک است، بهتدریج در دام آن میافتند. پیامدهای این روند شامل:
کاهش خلاقیت و توان حل مسئله،
افزایش انفعال ذهنی،
پذیرش بیچونوچرای اطلاعات تولیدشده،
افت در تحلیل مستقل و ارزیابی انتقادی است.
در واقع دانشگاهها بهصورت ناخواسته همان مهارتهایی را تضعیف میکنند که اندیشه انسانی را از پردازش ماشینی متمایز میسازد.
ناتوانی نظام ارزیابی
روشهای ارزیابی فعلی این شکاف را تشخیص نمیدهند. آثار تولیدشده با کمک AI اغلب با استانداردهای دانشگاهی سازگارند، اما پشت آنها درک و قضاوت انسانی وجود ندارد. حتی برنامههای موسوم به سواد AI نیز نشان دادهاند که دانشجویان بیشتر در مهارت فنی موفقاند تا در استدلال اخلاقی و تحلیل نقادانه. در نتیجه، دانشگاهها در ارزیابی واقعی یادگیری دچار خطا میشوند.
مسیر اصلاح: پرورش شایستگی AI
برای عبور از بحران، باید از آموزش ابزار فراتر رفت و به پرورش قضاوت هوش مصنوعی (AI judgment) پرداخت؛ یعنی توانایی تشخیص زمان، نحوه و ضرورت استفاده از AI در فرایند اندیشه.
این امر مستلزم بازطراحی آموزش بر سه اصل است:
1. تمرین ارزیابی انتقادی (Critical evaluation practice): دانشجویان باید در چارچوبی ساختارمند، توانایی ارزیابی انتقادی خروجیهای AI را تمرین کنند؛ یعنی دقت، ارتباط موضوعی و انسجام منطقی آن را بسنجند. برای این هدف میتوان از تکالیفی مانند راستیآزمایی محتوا، شناسایی خطاها و شکافهای استدلالی، و مقایسه نتایج AI با منابع معتبر استفاده کرد.
2. پرورش آگاهی فراشناختی: (Meta-cognitive awareness development): دانشجویان باید شیوههای استفاده خود از AI و تأثیر آن بر یادگیریشان را آگاهانه بررسی کنند؛ برای این منظور میتوان از تمرینهای بازاندیشانه (reflection exercises) بهره گرفت که در آن، دانشجو یک وظیفه را هم با کمک AI و هم بدون آن انجام داده و سپس تفاوت در شیوه تفکر و تصمیمگیری خود را تحلیل میکند.
3. حفظ مالکیت فکری (Intellectual ownership maintenance): دانشجویان باید تفاوت بین استفاده از AI بهعنوان ابزار و سپردن تفکر به آن را درک کنند. برای تقویت این مهارت، میتوان از ارزیابیهای شفاهی جهت سنجش توان توضیح و دفاع از ایدهها و نیز از پورتفولیوهای مستندکنندهی روند شکلگیری تفکر دانشجو در تعامل با AI استفاده کرد.
اساتید نیز باید آموزش ببینند تا وابستگی ذهنی دانشجویان را تشخیص دهند، مهارتهای تحلیلی را تقویت کنند و ارزیابیهایی طراحی نمایند که فرایند تفکر را بسنجد، نه فقط نتیجه تولیدشده را.
انتخاب نهایی
آینده آموزش عالی در گرو انتخابی روشن است:
آیا دانشگاهها فارغالتحصیلانی خواهند پروراند که صرفاً استفاده از AI را بلدند یا انسانهایی که میتوانند با هوش مصنوعی فکر کنند؟
راه نخست به نسلی وابسته و ظاهراً توانمند اما بیدرک میانجامد. راه دوم، هرچند دشوارتر، میتواند نسلی از اندیشمندان مستقل، منتقد و مسئول بسازد که از AI بهره میگیرند بیآنکه تفکر انسانی خود را تسلیم آن کنند.
#AI
🆔 @irevidence
در عصر AI، دانشگاهها با چالشی بنیادین روبهرو هستند: آیا آموزش فعلی، دانشجویانی شایسته و توانمند در استفاده آگاهانه از AI تربیت میکند، یا نسلی وابسته که بدون آن قادر به تفکر مستقل نیست؟ Thorsten Fröhlich استاد تمام مدیریت IT در دانشگاه علوم کاربردی IU آلمان در نوشتاری به این دغدغه پرداخته است.
پارادوکس عملکرد
دانشگاهها با شور و شتاب به استقبال فناوریهای AI رفتهاند، از آموزش مهندسی پرامپت تا تدوین دستورالعملهای اخلاقی. اما سوال اصلی نادیده گرفته شده است: آیا این آموزشها به رشد فکری منجر میشوند یا فقط ظاهری از یادگیری را ایجاد میکنند؟
مطالعات متعدد نشان دادهاند که استفاده زیاد از ابزارهای AI با افت تفکر انتقادی همراه است. دلیل این امر چیزی است که پژوهشگران تنبلی فراشناختی (metacognitive laziness) مینامند: یعنی دانشجو بهجای درگیر شدن در فرایند تفکر، تصمیمگیری و تحلیل، مسئولیت این فرایندها را به ماشین میسپارد.
اعتماد کاذب و توهم شایستگی
این اتکا منجر به اعتماد بیشازحد میشود. دانشجویان متونی تولید میکنند که از نظر ظاهری، علمی و دقیق است، اما خودشان قادر به توضیح یا دفاع از آن نیستند. پژوهشها نشان میدهد بیشتر آنها نمیتوانند خطاهای تولیدشده توسط AI را تشخیص دهند، مگر اینکه مستقیماً درباره احتمال اشتباه هشدار داده شوند. در نتیجه نوعی توهم شایستگی شکل میگیرد؛ یعنی احساس تسلط بدون درک واقعی.
برنامه درسی پنهانِ وابستگی
در عمل، بسیاری از برنامههای آموزشی بهجای آموزش سواد AI، وابستگی ذهنی به آن را تقویت میکنند. نتایج پژوهشها نشان میدهد حتی دانشجویانی که میدانند این وابستگی خطرناک است، بهتدریج در دام آن میافتند. پیامدهای این روند شامل:
کاهش خلاقیت و توان حل مسئله،
افزایش انفعال ذهنی،
پذیرش بیچونوچرای اطلاعات تولیدشده،
افت در تحلیل مستقل و ارزیابی انتقادی است.
در واقع دانشگاهها بهصورت ناخواسته همان مهارتهایی را تضعیف میکنند که اندیشه انسانی را از پردازش ماشینی متمایز میسازد.
ناتوانی نظام ارزیابی
روشهای ارزیابی فعلی این شکاف را تشخیص نمیدهند. آثار تولیدشده با کمک AI اغلب با استانداردهای دانشگاهی سازگارند، اما پشت آنها درک و قضاوت انسانی وجود ندارد. حتی برنامههای موسوم به سواد AI نیز نشان دادهاند که دانشجویان بیشتر در مهارت فنی موفقاند تا در استدلال اخلاقی و تحلیل نقادانه. در نتیجه، دانشگاهها در ارزیابی واقعی یادگیری دچار خطا میشوند.
مسیر اصلاح: پرورش شایستگی AI
برای عبور از بحران، باید از آموزش ابزار فراتر رفت و به پرورش قضاوت هوش مصنوعی (AI judgment) پرداخت؛ یعنی توانایی تشخیص زمان، نحوه و ضرورت استفاده از AI در فرایند اندیشه.
این امر مستلزم بازطراحی آموزش بر سه اصل است:
1. تمرین ارزیابی انتقادی (Critical evaluation practice): دانشجویان باید در چارچوبی ساختارمند، توانایی ارزیابی انتقادی خروجیهای AI را تمرین کنند؛ یعنی دقت، ارتباط موضوعی و انسجام منطقی آن را بسنجند. برای این هدف میتوان از تکالیفی مانند راستیآزمایی محتوا، شناسایی خطاها و شکافهای استدلالی، و مقایسه نتایج AI با منابع معتبر استفاده کرد.
2. پرورش آگاهی فراشناختی: (Meta-cognitive awareness development): دانشجویان باید شیوههای استفاده خود از AI و تأثیر آن بر یادگیریشان را آگاهانه بررسی کنند؛ برای این منظور میتوان از تمرینهای بازاندیشانه (reflection exercises) بهره گرفت که در آن، دانشجو یک وظیفه را هم با کمک AI و هم بدون آن انجام داده و سپس تفاوت در شیوه تفکر و تصمیمگیری خود را تحلیل میکند.
3. حفظ مالکیت فکری (Intellectual ownership maintenance): دانشجویان باید تفاوت بین استفاده از AI بهعنوان ابزار و سپردن تفکر به آن را درک کنند. برای تقویت این مهارت، میتوان از ارزیابیهای شفاهی جهت سنجش توان توضیح و دفاع از ایدهها و نیز از پورتفولیوهای مستندکنندهی روند شکلگیری تفکر دانشجو در تعامل با AI استفاده کرد.
اساتید نیز باید آموزش ببینند تا وابستگی ذهنی دانشجویان را تشخیص دهند، مهارتهای تحلیلی را تقویت کنند و ارزیابیهایی طراحی نمایند که فرایند تفکر را بسنجد، نه فقط نتیجه تولیدشده را.
انتخاب نهایی
آینده آموزش عالی در گرو انتخابی روشن است:
آیا دانشگاهها فارغالتحصیلانی خواهند پروراند که صرفاً استفاده از AI را بلدند یا انسانهایی که میتوانند با هوش مصنوعی فکر کنند؟
راه نخست به نسلی وابسته و ظاهراً توانمند اما بیدرک میانجامد. راه دوم، هرچند دشوارتر، میتواند نسلی از اندیشمندان مستقل، منتقد و مسئول بسازد که از AI بهره میگیرند بیآنکه تفکر انسانی خود را تسلیم آن کنند.
#AI
🆔 @irevidence
👍20❤10🙏2
▫️خرید و فروش مقاله و جایگاه نویسندگی
عکس بالا را از یکی از کانالهای بهاصطلاح خدمات دانشجویی برداشتم. در روز روشن، مقاله و جایگاه نویسندگی خرید و فروش میشود.
جمع مبالغ درجشده در تصویر ۱۶۱ میلیون تومان است؛ معادل تقریباً حقوق پنج تا شش ماه یک عضو هیئت علمی تازهاستخدام.
تورم فقط برای گوشت و لوبیا و مسکن نیست، بهنظر میرسد تورم خرید و فروش مقاله هم بالا رفته است! امیدوارم مسئولان مربوطه به این موضوع رسیدگی کنند. پیشنهاد میکنم بانکها وامی تحت عنوان "وام خرید مقاله با سود چهار درصد" ارائه بدهند!
از نظر اخلاقی درست نیست که مقاله را بدهیم دیگری برایمان بنویسد، اما بد نیست بدانید بسیاری از این افراد و شرکتهای فعال در این حوزه دیگر مانند گذشته زحمت زیادی نمیکشند و با هوش مصنوعی مقاله تولید میکنند.
پس اگر قرار است مقالهای بنویسید، خودتان استفاده از هوش مصنوعی را یاد بگیرید و با کمک آن بنویسید؛ حداقل در این صورت پولتان هدر نمیرود.
#authorship
#research_misconduct
🆔 @irevidence
عکس بالا را از یکی از کانالهای بهاصطلاح خدمات دانشجویی برداشتم. در روز روشن، مقاله و جایگاه نویسندگی خرید و فروش میشود.
جمع مبالغ درجشده در تصویر ۱۶۱ میلیون تومان است؛ معادل تقریباً حقوق پنج تا شش ماه یک عضو هیئت علمی تازهاستخدام.
تورم فقط برای گوشت و لوبیا و مسکن نیست، بهنظر میرسد تورم خرید و فروش مقاله هم بالا رفته است! امیدوارم مسئولان مربوطه به این موضوع رسیدگی کنند. پیشنهاد میکنم بانکها وامی تحت عنوان "وام خرید مقاله با سود چهار درصد" ارائه بدهند!
از نظر اخلاقی درست نیست که مقاله را بدهیم دیگری برایمان بنویسد، اما بد نیست بدانید بسیاری از این افراد و شرکتهای فعال در این حوزه دیگر مانند گذشته زحمت زیادی نمیکشند و با هوش مصنوعی مقاله تولید میکنند.
پس اگر قرار است مقالهای بنویسید، خودتان استفاده از هوش مصنوعی را یاد بگیرید و با کمک آن بنویسید؛ حداقل در این صورت پولتان هدر نمیرود.
#authorship
#research_misconduct
🆔 @irevidence
👍33💔7😁6👌5👎2
▫️بازنگری در آییننامه ارتقای اعضای هیأت علمی و طراحی نظام رتبهبندی دانشگاهها
حسین سیماییصراف-وزیر علوم- در دیدار با با اعضای هیأت علمی دانشگاههای سیستان و بلوچستان سخنانی را ارائه کرده است که بخشهای مرتبط را در ادامه به نقل از خبرگزاری ایسنا میآورم:
در آییننامه جدید، حوزه علوم انسانی و اجتماعی از رشتههای فنی و مهندسی تفکیک شده و شاخصهای اختصاصی برای هر بخش تعریف شده است.
در این آییننامه، ارتقای اعضای هیأت علمی تنها بر اساس تعداد مقالات و کتابها ارزیابی نمیشود و معیار «اثرگذاری اجتماعی» به عنوان شاخصی نوین در نظر گرفته شده است.
استادانی که با پژوهشهای علمی خود بتوانند مشکلات اقتصادی، اجتماعی یا فرهنگی استانها را کاهش دهند، بیش از گذشته مورد تقدیر قرار خواهند گرفت. این تحول در نظام ارزیابی، به رسمیت شناختن نقش اجتماعی دانشگاهها و تأکید بر تأثیر مستقیم علم در بهبود کیفیت زندگی مردم است.
وی از طراحی نظام جدید رتبهبندی دانشگاههای کشور خبر داد و گفت: برخلاف نظامهای بینالمللی که شاخصهای آموزشی و پژوهشی را ملاک ارزیابی قرار میدهند، در نظام داخلی جدید، معیارهایی همچون مسوولیت اجتماعی دانشگاه و مشارکت آن در حل مسائل اقتصادی و اجتماعی استانها لحاظ شده است.
دانشگاههایی که در فعالیتهای اقتصادی و اجتماعی منطقه نقش مؤثر داشته باشند، از امتیاز ویژه برخوردار خواهند شد.
✅ حرفهای بسیار خوبی است. ببینیم چطور اجرایی میکنید.
🆔 @irevidence
حسین سیماییصراف-وزیر علوم- در دیدار با با اعضای هیأت علمی دانشگاههای سیستان و بلوچستان سخنانی را ارائه کرده است که بخشهای مرتبط را در ادامه به نقل از خبرگزاری ایسنا میآورم:
در آییننامه جدید، حوزه علوم انسانی و اجتماعی از رشتههای فنی و مهندسی تفکیک شده و شاخصهای اختصاصی برای هر بخش تعریف شده است.
در این آییننامه، ارتقای اعضای هیأت علمی تنها بر اساس تعداد مقالات و کتابها ارزیابی نمیشود و معیار «اثرگذاری اجتماعی» به عنوان شاخصی نوین در نظر گرفته شده است.
استادانی که با پژوهشهای علمی خود بتوانند مشکلات اقتصادی، اجتماعی یا فرهنگی استانها را کاهش دهند، بیش از گذشته مورد تقدیر قرار خواهند گرفت. این تحول در نظام ارزیابی، به رسمیت شناختن نقش اجتماعی دانشگاهها و تأکید بر تأثیر مستقیم علم در بهبود کیفیت زندگی مردم است.
وی از طراحی نظام جدید رتبهبندی دانشگاههای کشور خبر داد و گفت: برخلاف نظامهای بینالمللی که شاخصهای آموزشی و پژوهشی را ملاک ارزیابی قرار میدهند، در نظام داخلی جدید، معیارهایی همچون مسوولیت اجتماعی دانشگاه و مشارکت آن در حل مسائل اقتصادی و اجتماعی استانها لحاظ شده است.
دانشگاههایی که در فعالیتهای اقتصادی و اجتماعی منطقه نقش مؤثر داشته باشند، از امتیاز ویژه برخوردار خواهند شد.
✅ حرفهای بسیار خوبی است. ببینیم چطور اجرایی میکنید.
🆔 @irevidence
👌17👎4🙏3❤1👍1