مهارت نگارش و انتشار مقاله علمی

Forwarded from Deleted Account

موتور جستجویی که اینده تحقیقات علمی را متحول خواهد کرد به نامsemantic scholar 👆👆👆:
محققان، دانشمندان و دانشگاهیان سراسر جهان هر سال حدود 2.5 میلیون مقاله علمی چاپ می‌کنند و از سال 1665 تا به امروز مجموعه‌ای حاوی بیش از 50 میلیون مقاله منتشر شده است. علاوه بر این، سرعت انتشار این مقالات علمی توسط محققان روز به روز در حال افزایش است. به این ترتیب دانشمندان نمی‌توانند تمامی مقاله‌های منتشر شده در حوزه تخصصی‌شان را مطالعه کنند و جستجوی یک مقاله خاص می‌تواند بسیار دشوار و وقت گیر باشد. با تک شات همراه باشید.
اینجاست که Paul Allen، یکی از موسسان مایکروسافت و مدیر موسسه غیر انتفاعی Allen Institute for Artificial Intelligence وارد عمل می‌شود. جدیدترین دستاورد Allen Institue یک موتور جستجو به نام Semantic Scholar است که می‌تواند به دنبال مقالات علمی بگردد و از فناوری یادگیری ماشینی و سایر سیستم‌های هوش مصنوعی استفاده کند.
موتور جستجوی Semantic Scholar از نوامبر سال 2015 میلادی با تمرکز بر مقالات علوم کامپیوتر شروع به کار کرده است. این سرویس اکنون توسعه پیدا کرده و شامل مقالات مربوط به علوم اعصاب هم می‌شود، به این ترتیب پایگاه داده Semantic Scholar اکنون از بیش از 10 میلیون مقاله علمی تشکیل می‌شود. موتور Semantic Scholar در واقع می‌تواند جایگزین Google Scholar شود و برای تجزیه و تحلیل تک تک مقالات از سیستم‌های هوش مصنوعی و الگوریتم‌های پردازش زبان طبیعی استفاده می‌کند.
گرچه Google Scholar و PubMed نیز منابع مفیدی هستند، زمانی که حرف از فراداده در میان باشد، نمی‌توانند عملکرد مطلوبی داشته باشند، برای مثال اینکه نام این نویسنده یا مقاله چند بار چند بار ذکر شده است، این مقاله روی چه ارگانیسمی تست شده است، آیا این مقاله به فلان متغیر اختلاطی اشاره کرده است؟
تمامی متن مقاله را تحلیل می‌کند و با توجه به اینکه در آن حوزه به خصوص صدها هزار مقاله خوانده است، می‌تواند به خوبی به دنبال عبارات کلیدی که از نظرش اهمیت بالایی دارند، بگردد. این موتور جستجو از پردازش زبان طبیعی استفاده می‌کند به این ترتیب می‌تواند تشخیص دهد که یک مقاله در حال بررسی نتایج شخصی است یا نتایج یک تحقیق و تجربه دیگر را مورد بحث قرار داده است و به همین روش می‌تواند به جزییات بسیار کلیدی برای مثال متدها، مواد، نوع حیوانات و نواحی خاصی از مغز که مورد تست قرار گرفته‌اند دسترسی پیدا کند. نتایج سرچ در Semantic Scholar بسیار سریع نمایش داده می شوند، ارتباط بالایی با موضوع مورد جستجو دارند و به خوبی دسته بندی شده‌اند.
موتور جستجوی Semantic Scholarبه محققان کمک می‌کند تا در میان 10 میلیون مقاله در حوزه‌های علوم کامپیوتر و علوم اعصاب به جستجو بپردازند.
این تنها مراحل ابتدایی درخشش Semantic Scholar است، Allen و تیم او قصد دارند تا پایان سال 2017 میلادی کتابخانه کاملی از تحقیقات پزشکی را نیز به این سرویس اضافه کنند.

189 views07:13