ممنون از افراد نجیب و شریف
کلاس مقاله نویسی اواسط شهریور اعلان برنامه میشه
و بقیه کلاسها در ادامه خواهد بود ....

ماراتن شخصیت | مهر تا بهمن
از مهرماه در @Room4mind قرار نیست فقط دربارهٔ بهتر درس‌خواندن حرف بزنیم.
می‌خواهیم این چند ماه را به فرصتی برای ساختن شخصیت تبدیل کنیم.
مهر | شخصیتِ منظم
«انجام دادن، حتی وقتی انگیزه‌ای در کار نیست.»
آبان | شخصیتِ مقاوم
«برگشت از عقب‌ماندن، شکست و روزهای بد.»
آذر | شخصیتِ مستقل
«کمتر مقایسه کردن، نترسیدن از سرعت دیگران و ماندن در مسیر خود.»
دی و بهمن | شخصیتِ آرام در فشار
«تحمل ابهام، مدیریت هیجان و اجرای آنچه بلدیم، درست وقتی فشار به بیشترین حد می‌رسد.»
در این مسیر، چند کتاب همراهمان خواهند بود؛ نه برای اینکه فقط بخوانیم و تمامشان کنیم، بلکه برای اینکه هرکدام چیزی در ما بسازند.
کنکور فقط قرار نیست چیزی به دانسته‌هایت اضافه کند؛اگر درست از آن عبور کنی، باید چیزی هم به شخصیتت اضافه کرده باشد.
شاید ارزش واقعی این ماراتن را نه رتبه‌ای که در پایان می‌گیریم، بلکه آدمی تعیین کند که در پایان آن شده‌ایم.
#ماراتن_شخصیت #کنکور #رشد #مطالعه
برنده کسی نیست که همیشه ببرد،برنده کسی‌ست که هیچ‌چیز نتواند او را تمام کند.«شخصیت برنده» از دل شکست زاده می‌شود.شخصیت برنده مربوط به کسی است که شکست را می‌بلعد و ادامه می‌دهد.

متأسفانه در بخشی از علوم انسانی دانشگاهی، پژوهش بیش از آن‌که محل ساختن پرسش‌های تازه و به‌چالش‌کشیدن مفروضات موجود باشد، به بازتولید همان چارچوب‌های آشنا تبدیل شده است. نظریه‌ها عوض می‌شوند، اصطلاحات تازه می‌آیند و روش‌ها پیچیده‌تر می‌شوند؛ اما پرسش اساسی این است: واقعاً چه چیزی در فهم ما از انسان و جامعه تغییر کرده است؟
علوم انسانی قرار بود فقط جهان موجود را توصیف نکند؛ قرار بود مفاهیمی را که بدیهی فرض کرده‌ایم دوباره به پرسش بکشد: موفقیت، رفاه، کار، مصرف، قدرت، آموزش، سلامت روان و حتی خودِ مفهوم «زندگی خوب». اما بخشی از پژوهش دانشگاهی به‌جای پرسیدن درباره‌ی این مفروضات، آن‌ها را از پیش می‌پذیرد و صرفاً روابط میان متغیرهای درون همان چارچوب را اندازه می‌گیرد.
ردّ این وضعیت را می‌توان در بخشی از مقاله‌ها و پایان‌نامه‌های آمارمحور دید: چند متغیر آشنا، چند فرضیه‌ی قابل‌حدس، یک پرسشنامه، چند آزمون آماری و در نهایت نتیجه‌ای که گاهی پیش از دیدن داده‌ها هم چندان دور از انتظار نبوده است.
مشکل آمار نیست؛ مشکل از جایی آغاز می‌شود که اندازه‌گیری، جای پرسشگری را می‌گیرد. آمار می‌تواند با دقت بسیار زیادی رابطه‌ی میان دو متغیر را اندازه بگیرد؛ اما نمی‌تواند به‌جای ما بپرسد چرا اصلاً این دو متغیر ارزش مطالعه دارند و این رابطه چه چیزی را در فهم ما تغییر می‌دهد.
یک p-value کوچک می‌تواند شاهدی علیه یک فرض آماری باشد؛ اما شاهدی بر اهمیت یک اندیشه نیست.
شاید به همین دلیل، پیش از نوشتن هر مقاله و پایان‌نامه باید یک سؤال ساده پرسید:اگر این پژوهش اصلاً انجام و نوشته نمی‌شد، چه چیزی از دانش ما کم بود؟
اگر پاسخ «تقریباً هیچ» است، شاید مسئله نه تحلیل داده باشد، نه روش تحقیق و نه مقاله‌نویسی؛
شاید پیش از همه‌ی این‌ها، باید دوباره مسئله‌داشتن و اندیشیدن را یاد بگیریم.
#علوم_انسانی | #مقاله_نویسی | #پایان_نامه | #آمار | #تفکر_انتقادی

📌🔵 سرفصل‌های کارگاه مقاله‌نویسی 🔵
💻 بخش اول | آشنایی با مقاله و مجلات علمی
📋 معرفی انواع مقالات علمی
📋 آشنایی با پایگاه‌های نمایه‌کننده مقالات
📋 آشنایی با شاخص‌های ارزیابی مجلات؛ ضریب تأثیر، Q Factor ‌ و ...
📋 آشنایی با ساختار و فرمت استاندارد مقالات علمی
🎯 خروجی عملی:در پایان این بخش، شرکت‌کننده می‌تواند نوع مقاله، پایگاه مناسب و مجله متناسب با حوزه پژوهش خود را شناسایی و ارزیابی کند و ساختار یک مقاله علمی را تشخیص دهد.
💻 بخش دوم | نگارش مقاله علمی
📋 انتخاب و تدوین عنوان مناسب
📋 نگارش چکیده
📋 انتخاب کلیدواژه‌ها
📋 نگارش مقدمه و پیشینه پژوهش
📋 نگارش روش پژوهش
📋 ارائه و تفسیر یافته‌ها
📋 نگارش نتیجه‌گیری و پیشنهادها
📋 شیوه صحیح استناددهی و تنظیم منابع
🎯 خروجی عملی:در پایان این بخش، شرکت‌کننده یک پیش‌نویس ساختاریافته از مقاله خود شامل عنوان، چکیده، مقدمه، روش، یافته‌ها، نتیجه‌گیری و منابع خواهد داشت.
💻 بخش سوم | ارسال و فرایند داوری
📋 شناسایی و انتخاب مجله مناسب برای ارسال مقاله
📋 نگارش Cover Letter
📋 ساخت حساب کاربری و Submit مقاله
📋 آشنایی با فرایند داوری در مجلات بین‌المللی
📋 آشنایی با نحوه پاسخ‌گویی به نظرات داوران و اصلاح مقاله
🎯 خروجی عملی:در پایان این بخش، شرکت‌کننده می‌تواند مجله مناسب را انتخاب کند، مقاله را برای ارسال آماده کند و فرایند Submit را به‌صورت عملی طی کند.

📣🔔 دوره آموزش مقاله‌نویسی
📚 مدرس:👩🏻‍🏫 دکتر متینه زیاری
● عضو هیئت علمی دانشگاه تهران
🟥زمان برگزاری:
📆 ۲۹ و ۳۰ مهر ماه
⏰ ساعت ۱۶ تا ۲۱
✳️لینک ثبت نام دوره:
https://evnd.co/4q3Bl
✍️ دریافت اطلاعات بیشتر:
@Supp_article
✴️✴️کد تخفیف زودهنگام دانشجویی:
Student_1405

📌 اصطلاحات متغیر مستقل و وابسته در آمار و روش تحقیق
در کتاب‌های آمار، روش تحقیق، رگرسیون و علم داده، ممکن است با نام‌های متفاوتی برای متغیر مستقل و وابسته روبه‌رو شویم.
🔹 ۱. متغیر مستقل (Independent Variable)
متغیر پیش‌بین (Predictor)
متغیر تبیین‌کننده (Explanatory Variable)
متغیر توضیحی (Explanatory Variable)
متغیر ورودی (Input Variable)
متغیر ویژگی (Feature)
متغیر رگرسور (Regressor)
متغیر عامل (Factor)
متغیر دست‌کاری‌شده (Manipulated Variable)
🔹 ۲. متغیر وابسته (Dependent Variable)
متغیر پاسخ (Response Variable)
متغیر پیامد (Outcome Variable)
متغیر ملاک (Criterion Variable)
متغیر پیش‌بینی‌شونده (Predicted Variable)
متغیر هدف (Target Variable)
متغیر خروجی (Output Variable)
متغیر برچسب (Label)

📌 سه نکته مهم درباره متغیر مستقل و وابسته
۱. اصطلاحات مختلف همیشه مترادف دقیق یکدیگر نیستند.
فرض کنید می‌خواهیم تأثیر سه روش تدریس را بر نمره دانشجویان بررسی کنیم.
در این پژوهش، روش تدریس «متغیر مستقل» است؛ اما در طراحی آزمایش، به آن «عامل» (Factor) می‌گوییم و سه روش تدریس، سطوح آن عامل هستند.
در مقابل، نمره دانشجویان «متغیر وابسته» یا «متغیر پاسخ» (Response) است.
بنابراین، انتخاب اصطلاح مناسب به نوع پژوهش و روش تحلیل بستگی دارد.
۲. متغیر برون‌زا لزوماً مستقل و متغیر درون‌زا لزوماً وابسته نیست.
فرض کنید می‌خواهیم رابطه درآمد، تحصیلات و مصرف خانوار را بررسی کنیم.
در یک مدل اقتصادی، ممکن است تحصیلات را برون‌زا در نظر بگیریم؛ یعنی مقدار آن در داخل مدل تعیین نمی‌شود.
اما درآمد می‌تواند هم‌زمان متغیر وابسته در معادله تعیین درآمد و متغیر مستقل در معادله تعیین مصرف باشد. در چنین مدلی، درآمد متغیری درون‌زاست.
پس برون‌زا و درون‌زا بودن به نحوه تعیین متغیر در مدل بستگی دارد، نه صرفاً جایگاه آن در یک معادله.
۳. رابطه آماری لزوماً رابطه علت و معلولی نیست.
فرض کنید در یک پژوهش مشاهده‌ای متوجه می‌شویم دانشجویانی که ساعات بیشتری مطالعه می‌کنند، نمرات بالاتری دارند.
در این پژوهش:
• متغیر پیش‌بین: ساعات مطالعه
• متغیر پاسخ: نمره امتحان
اما آیا می‌توانیم نتیجه بگیریم که افزایش ساعات مطالعه به‌تنهایی علت افزایش نمره است؟
خیر! ممکن است عواملی مانند انگیزه، دانش قبلی یا کیفیت مطالعه بر هر دو متغیر تأثیر گذاشته باشند.
بنابراین، در چنین پژوهش‌هایی اصطلاحات «پیش‌بین» و «پاسخ» مناسب‌ترند؛ زیرا بدون شواهد کافی نباید از وجود رابطه آماری، رابطه علت و معلولی نتیجه گرفت.
جمع‌بندی: نام متغیر را نه صرفاً از روی جایگاه آن در فرمول، بلکه با توجه به نقش آن در مدل و نوع پژوهش انتخاب کنید.
#تفاوت_اصطلاحات_آماری
#درون‌زا_و_برون‌زا
#همبستگی_و_علیت

📚 کتاب آمار و احتمال ارشد زیر ذره‌بین
با سلام و احترام
کتاب در مراحل نهایی چاپ است و پیش‌بینی می‌شود حداکثر تا دو هفته آینده آماده شود.
با توجه به حجم بالای درخواست‌ها، فعلاً ثبت سفارش بسته است. به‌محض آماده‌شدن کتاب، زمان آغاز مجدد فروش از همین کانال اعلام خواهد شد.
از صبر و همراهی شما سپاسگزارم. 🌱

آمادگی برای مصاحبه دکتری | آمار و روش تحقیق
از پایان بهمن‌ماه، بخش آمادگی برای مصاحبه دکتری به‌صورت پرسش و پاسخ در همین کانال آغاز می‌شود.
هدف چیست؟قرار است ضمن یادگیری و مرور مباحث کلیدی آمار و روش تحقیق، ارتباط میان مفاهیم را درک کنیم و بتوانیم آن‌ها را در مقاله و پایان‌نامه خودمان شناسایی و تحلیل کنیم.
هدف، حفظ‌کردن پاسخ چند سؤال پرتکرار نیست؛ می‌خواهیم به درکی عمیق و یکپارچه برسیم تا بتوانیم به طیف گسترده‌ای از پرسش‌های مصاحبه دکتری، با تسلط و استدلال پاسخ دهیم.
هیچ پیش‌نیازی لازم نیست!
این بخش برای همه داوطلبان طراحی شده است؛ حتی کسانی که در کنکور دکتری، درس مدیریت اسلامی را جایگزین آمار می‌کنند.
@researchkit

📌 اطلاعیه درباره درس آمار مهندسی
امسال برای درس آمار مهندسی با هیچ مؤسسه‌ای همکاری ندارم.
بنابراین ویدئوهایی که از سال‌های گذشته در برخی مؤسسات موجود است، مربوط به دوره‌های قبلی و عمدتاً ویژه‌ی رشته مهندسی صنایع بوده و برای دوره و برنامه‌ی امسال معتبر و قابل استناد نیست.
لطفاً برای برنامه‌ی امسال، به ویدئوها و دوره‌های سال‌های قبل استناد نکنید.

🏆 مسابقه‌ی دو کتاب
خانم ساره رحمانی جایزه‌ی قبلی را بردند و در نهایت هم بعد از مصاحبه، رتبه‌ی ۱ در دکتری فناوری دانشگاه تهران شدند. 👏
حالا نوبت مسابقه‌ی بعدی است؛
این بار جایزه، دو جلد کتاب است. اما سؤال قرار نیست خیلی راحت باشد! 😏
سؤال مسابقه را به‌زودی همین‌جا می‌گذارم؛اولین دوتا پاسخ درست و کامل، برنده‌ی دو کتاب خواهد بود.

از ترندها عقب نمانیم یا از یادگیری عمیق؟
در روزگاری که هوش مصنوعی و ایجنت‌ها هر روز توانمندتر می‌شوند، بسیاری نگران‌اند که مبادا تا پایان آموزش، آموخته‌هایشان قدیمی شده باشد!
اما خطر بزرگ‌تری وجود دارد:«توهم یادگیری!»
اینکه هر روز با ده‌ها ابزار آشنا شویم، اما در هیچ‌کدام به عمق نرسیم.
جالب اینکه در بازار کار با یک تناقض ظاهری روبه‌رو هستیم؛ از یک سو شرکت‌ها نیرو تعدیل می‌کنند و از سوی دیگر، برخی کارفرمایان از پیدا نکردن نیروی متخصص گلایه دارند!
شاید بخشی از مسئله همین باشد: وسعت اطلاعات زیاد شده، اما الزاماً عمق دانش نه!
البته این تنها یکی از توضیحات احتمالی است.
هوش مصنوعی می‌تواند مسئله‌ای را در چند ثانیه حل کند؛ اما کسی که مبانی را نمی‌داند، چگونه می‌تواند خطای آن را تشخیص دهد؟
یادگیری مبانی و تسلط بر فناوری‌های جدید، مکمل یکدیگرند؛ نه رقیب هم.
قرار نیست دنبال هر موجی بدویم؛ باید شنا کردن را یاد بگیریم!
از ترندها عقب ماندن همیشه خطرناک نیست؛ از اندیشیدن عقب ماندن خطرناک است.
#تفکر_نقادانه #یادگیری_عمیق #هوش_مصنوعی

کتاب آمار و احتمالات ارشد زیرذره بین
مدیریت -حسابداری
(ویرایش جدید کتاب با بازنگری و تغییرات اساسی)
https://B2n.ir/uy1455