یادم نمیاد کجا ولی یه حرف خیلی قشنگی دیده بودم. می‌گفت یه چیز پر از عیب و ایراد که وجود خارجی داره، خیلی بهتر از یه چیز بی‌نقصه که فقط توی ذهنته.

اگه بلد نبودی و تازه داری یاد می‌گیری، خیلی به خودت افتخار کن. خیلی‌ها حتی تلاشی برای یادگیری نمی‌کنن.

تلاش‌هات بوی زندگی میدن، تو بوی زندگی میدی.

تلاش‌کردن جواب می‌ده.
شاید نه دقیقا همونقدر که توی فیلم‌ها می‌گن، ولی واقع‌گرایانه، جواب می‌ده.

من گاهی به مقصد نرسیدم ولی همیشه از پسش بر اومدم.

📝 رگرسیون

💡 رگرسیون یکی از پرکاربردترین روش‌های آماری است که برای بررسی و مدل‌سازی رابطه بین یک متغیر وابسته و یک یا چند متغیر مستقل استفاده می‌شود. هدف اصلی رگرسیون این است که بفهمیم تغییرات متغیر وابسته تا چه حد و چگونه تحت تأثیر متغیرهای مستقل قرار می‌گیرد. به بیان ساده‌تر، رگرسیون به ما کمک می‌کند به این سؤال پاسخ دهیم اگر X تغییر کند، Y چقدر و به چه سمتی تغییر می‌کند؟

🔍اجزای اصلی رگرسیون

📍متغیر وابسته یا Y: متغیری که می‌خواهیم آن را پیش‌بینی یا توضیح دهیم

📍متغیر مستقل یا X: متغیری که تصور می‌کنیم بر Y اثر می‌گذارد

📍ضریب رگرسیون: نشان‌دهنده شدت و جهت اثر X بر Y

📚 انواع رایج رگرسیون

✔️ رگرسیون خطی ساده: یک متغیر مستقل و یک متغیر وابسته

✔️ رگرسیون خطی چندگانه: چند متغیر مستقل

✔️ رگرسیون لجستیک: وقتی متغیر وابسته دوحالتی است (مثل قبول/رد)

✔️ رگرسیون غیرخطی: وقتی رابطه بین متغیرها خطی نیست

💬 مثلاً اگر بخواهیم بررسی کنیم ساعات مطالعه چه اثری بر نمره امتحان دارد، از رگرسیون استفاده می‌کنیم تا بفهمیم هر یک ساعت مطالعه اضافه، به‌طور متوسط چقدر نمره را افزایش می‌دهد.

📈 نکته مهم در آمار و پژوهش: رگرسیون (Regression)

🎯 رگرسیون یکی از قدرتمندترین ابزارهای آماری است که به ما کمک می‌کند تا روابط بین متغیرها را درک و پیش‌بینی کنیم. اما نکته مهم آن در چیست؟

نکته مهم: 👈 فراموش نکنید که هدف اصلی رگرسیون، صرفاً "پیدا کردن یک رابطه" نیست، بلکه "توضیح دادن و پیش‌بینی کردن تغییرات یک متغیر وابسته بر اساس یک یا چند متغیر مستقل" است.

این یعنی:

▪️شناسایی متغیرها: ابتدا باید به وضوح متغیر وابسته (نتیجه‌ای که می‌خواهیم پیش‌بینی کنیم) و متغیرهای مستقل (عواملی که فکر می‌کنیم بر متغیر وابسته تأثیر دارند) را تعریف کنیم.
▪️نوع رابطه: رگرسیون می‌تواند انواع مختلفی از روابط را مدل‌سازی کند (خطی، چند جمله‌ای، لجستیک و...). انتخاب نوع مناسب به ماهیت داده‌ها و فرضیه‌های ما بستگی دارد.
▪️ قدرت پیش‌بینی: شاخص‌هایی مانند R-squared (ضریب تعیین) به ما نشان می‌دهند که مدل رگرسیون ما چقدر توانایی توضیح واریانس متغیر وابسته را دارد. هر چه R-squared بالاتر باشد، مدل ما قدرت پیش‌بینی بهتری دارد.
▪️اهمیت آماری: باید به ضرایب رگرسیون و P-value آن‌ها دقت کنیم تا بفهمیم کدام متغیرهای مستقل به طور معناداری بر متغیر وابسته تأثیر می‌گذارند.


🔰درک عمیق رگرسیون به شما این امکان را می‌دهد که نه تنها روابط پیچیده را در پژوهش‌های خود مدل‌سازی کنید، بلکه با دقت بیشتری نتایج را تفسیر کرده و پیش‌بینی‌های معتبرتری ارائه دهید. این مدل به شما کمک می‌کند تا از سطح "همبستگی" فراتر رفته و روابط قوی‌تری بین متغیرها را شناسایی کنید.

#رگرسیون #آمار

👩🏻‍💻 با ما همراه باشید.
🔗 https://news.1rj.ru/str/Howtowriteathesis77

هرکدوم از اطرافیانت، یه ورژن از تو رو بیرون می‌کشن.

کنار یکی پرحرفی و شیطون می‌شی، کنار یکی ساکتی، یکی کارهای اشتباهت رو تشویق می‌کنه، یکی دیگه مثل آیینه ایه که باعث می‌شه اشتباهاتت رو ببینی و بخوای آدم بهتری باشی. یکی باعث می‌شه احساس خوشگلی کنی، یکی دیگه دم به دقیقه بهت می‌گه چرا دماغتو عمل نمی‌کنی؟ یکی انقدر انرژی مثبته که کنارش نور امید دوباره توی دلت روشن می‌شه، یکی امنه، یکی مضطربت می‌کنه، یکی دوستت داره، یکی بهت احساس دوست‌داشتنی بودن می‌ده.

میخوام بگم کنار اونایی باش که بهترین ورژنت رو با حضورشون تجربه می‌کنی. تو چشم‌های ادم درست، تو یک اثر هنری‌ای.

📚 How to be a Successful Scientist: A Guide for Graduate Students, Postdocs, and Professors (2024)

💻 کار به عنوان یک پژوهشگر علمی یکی از رضایت‌بخش‌ترین شغل‌های دنیاست. هر روز می‌توانید با کشف رازهای جدید جهان، ابداع فناوری‌ها و محصولات نوآورانه یا حل چالش‌های بزرگ بشری، احساس کنید که کارتان واقعا تفاوت ایجاد می‌کند. رفتن به آزمایشگاه یا میز کار نه یک وظیفه اجباری، بلکه یک ماجراجویی هیجان‌انگیز است.

💡با این حال، موفقیت در این مسیر تنها به دانش تخصصی محدود نمی‌شود. یک پژوهشگر موفق به مجموعه‌ای گسترده از مهارت‌های عملی و رفتاری نیاز دارد.

📌 متأسفانه، این مهارت‌های مهم در طول سال‌های تحصیلات تکمیلی به صورت پراکنده، کند و اغلب از طریق آزمون و خطا آموخته می‌شوند. این کتاب برای حل این مشکل نوشته شده است.در واقع این کتاب یک راهنمای عملی و جامع برای موفقیت در مسیر پژوهش، به ویژه برای دانشجویان کارشناسی ارشد است. تمرکز اصلی آن بر مهارت‌های عملی و نرم (soft skills) است که معمولا در دانشگاه آموزش داده نمی‌شوند، اما برای موفقیت ضروری‌اند.

👩🏻‍💻 با ما همراه باشید.
🔗 https://news.1rj.ru/str/Howtowriteathesis77

تو دوران سخت، قرار نیست همیشه قوی و مثبت باشی.
گاهی گفتنِ «خسته‌ام» خودش یه جور زنده موندنه.
زندگی شاید همین باشه:
پذیرفتن چیزی که نمی‌تونیم تغییرش بدیم،
دوست داشتنِ آگاهانه‌ی چیزی که همین حالا هست،
و ساختنِ امیدوارانه‌ی چیزی که هنوز نیامده.

نه تسلیمِ صرف،
نه انتظارِ معجزه؛
بلکه تعادل بین قبول کردن، دوست داشتن و خلق کردن.

به خودت قول بده ۲۰۲۶ رو با قلبی شروع کنی که دیگه بارِ داستان ناتمامی رو حمل نمی‌کنه.

و گفت: زخمی که داری، تو رو خاص‌تر کرده، نه کمتر...

🎆 2026 teaser

حقیقتِ زندگی همینه؛ گاهی بهترین تلاش‌ها در شرایطِ بد، یک سرمایه برای فردای بهترن، نه بُردِ همین لحظه.

🧩 چالش داده‌های گمشده (Missing Data)


✍ داده‌های گمشده (Missing Data)، یعنی مشکلی که زمانی ایجاد می‌شود که برخی افراد به همه گویه‌های یک مقیاس پاسخ نمی‌دهند، چالشی اجتناب‌ناپذیر برای سازندگان و کاربران مقیاس‌هاست. پاسخ‌های از دست‌رفته می‌توانند نشانه‌ای از مشکلات تفسیر یا فهم سؤال، ناراحتی پاسخ‌دهنده از سؤال، نامرتبط بودن گویه برای فرد، و موارد دیگر باشند و هیچ راهی برای اطمینان از اینکه کدام‌یک از این وضعیت‌ها رخ داده یا مقدار واقعی پاسخ چه می‌بود، وجود ندارد.

📈 هنگامی که نمرات گویه‌ها برای تشکیل نمره کل مقیاس با هم جمع می‌شوند، باید برای داده‌های گمشده تصمیمی اتخاذ شود؛ در غیر این صورت، نمره کل نادرست خواهد بود. در روان‌سنجی، نمره کل قرار است نماینده جایگاه واقعی فرد روی سازه باشد. اما وقتی گویه‌ای پاسخ داده نشده نمی‌دانیم فرد واقعا چه پاسخی می‌داد و هر تصمیمی درباره آن، نوعی فرض آماری است.

📍داده‌های گمشده از نظر مکانیسم گمشدگی (Missing Data Mechanisms) به سه دسته اصلی تقسیم می‌شوند:
گمشدگی کاملاً تصادفی (MCAR) که در آن احتمال گم شدن داده کاملاً تصادفی است و به هیچ یک از داده‌های مشاهده‌شده یا مشاهده‌نشده وابسته نیست؛
گمشدگی تصادفی (MAR) که احتمال گم شدن به داده‌های مشاهده‌شده وابسته است، اما نه به خود مقدار گمشده؛
و گمشدگی غیرتصادفی (MNAR) که احتمال گم شدن مستقیما به خود مقدار گمشده وابسته است و چالش‌برانگیزترین حالت به شمار می‌رود.

🧮 روش‌های رایج برخورد با داده‌های گمشده شامل حذف موارد (Listwise/Pairwise Deletion)، جایگزینی با میانگین گویه یا زیرمقیاس (Mean Imputation یا Proration)، و روش‌های پیشرفته‌تر مانند Full Information Maximum Likelihood (FIML) یا Multiple Imputation هستند. انتخاب روش مناسب به مکانیسم گمشدگی و اهداف پژوهش بستگی دارد.

🖇 پس داده‌های گمشده هم یک مسئله مفهومی (تأثیر بر تفسیر سازه) است، هم آماری (تأثیر بر اعتبار و پایایی نمرات) است.

#آمار

👩🏻‍💻 با ما همراه باشید.
🔗 https://news.1rj.ru/str/Howtowriteathesis77

🎆 نیم فاصله و پایان نامه و مقاله

💻 ۴ ترفند گذاشتن نیم فاصله

#نیم_فاصله

👩🏻‍💻 با ما همراه باشید.
🔗 https://news.1rj.ru/str/Howtowriteathesis77

بی‌حوصلگی دشمن تو نیست.
فرار ازش دشمنته.

تحقیقات روان‌شناسی می‌گن اگر هر روز فقط ۱۵ دقیقه عمدا هیچ کاری نکنی،
ذهنت قوی‌تر می‌شه،
تمرکزت برمی‌گرده
و اعصابت یاد می‌گیره آروم بمونه.

ما به محض اینکه بی‌حوصله می‌شیم
دست می‌بریم سمت گوشی، صدا، تصویر، خوراکی…
اما وقتی از این محرک‌ها فاصله می‌گیری
بخشی از مغزت که مسئول کنترل، تصمیم‌گیری و ثبات هیجانیه شروع می‌کنه به رشد.
این تمرین ساده‌ست
اما کاری می‌کنه که دیگه برای آروم شدن
به هر چیزی چنگ نزنی.

قدرت واقعی، تحمل سکوتِ خودته.

💬 چگونه در مقاله علمی «محتاطانه» بنویسیم؟

🖇اصطلاح Hedging به چه معناست؟

یعنی استفاده از زبان محتاطانه برای:
• کاهش قطعیت
• افزایش اعتبار علمی
• همسو شدن با استاندارد ژورنال‌ها

بیاین یه مثال رایج رو بررسی کنیم👇🏻

❌ اشتباه رایج

This result proves that anxiety causes depression.

🔴 مشکل:
کلمه prove ادعای قطعی می‌سازد؛ داوران علمی به قطعیت حساس‌اند.

✅ نسخه آکادمیک

This result suggests that anxiety may contribute to depression.

🟢 چرا بهتر است؟
چون از hedging استفاده شده است؛ یعنی بیان نتیجه بدون ادعای مطلق.

خب پس تا الان با مفهوم hedging آشنا شدیم؛ حالا بیاین با ابزار های کاهش قطعیت آشنا بشیم👇🏻

✔️ 1. افعال (Hedging Verbs)

suggest
پیشنهاد دادن / دلالت داشتن
• indicate
نشان دادن / حاکی بودن از
• imply
به‌طور ضمنی بیان کردن
• appear to
به نظر رسیدن که
• seem to
به نظر می‌رسد
• tend to
تمایل داشتن به / گرایش داشتن به
• point to
اشاره کردن به
• be associated with
مرتبط بودن با
• reflect
بازتاب دادن / منعکس کردن
• provide evidence for
شواهدی برای … فراهم کردن

✔️ 2. افعال کمکی (Modal Verbs)

• may
ممکن است
• might
شاید / احتمال دارد
• could
می‌تواند / ممکن است
• would
می‌تواند (در حالت فرضی یا محتاطانه)



#زبان #مقاله


👩🏻‍💻 با ما همراه باشید. 
🔗 https://news.1rj.ru/str/Howtowriteathesis77

«…بازی که تمام نمی‌شود رنج هم که بهرحال هست، هیچ جا هم که تاریخ نمی‌ایستد و نمی‌گوید که رنج شما چون خیلی زیاد شد رنجی بیشتر از این به شما تحمیل نمی‌کنم، این بازی ته ندارد...» و بلوغ روانی با پذیرش این واقعیت شروع می‌شه. آدم یه روز می‌فهمه دردناک‌ترین چیز، از دست دادن نیست، دیر فهمیدنه.

اینروزا بیشتر هوای همدیگه رو داشته باشیم، چون ما جز همدیگه کسی رو نداریم.

هر وقت عزیزی رو ناراحت و غمگین می‌بینم، بی‌تفاوت رد شدن از کنارش برام سخت می‌شه. سعی می‌کنم تا حد امکان بشنومش، حضور داشته باشم و با چند شوخیِ ریزِ زیرپوستی، رنگ‌و‌روی گرفته‌ی صورتشو رو، حتی شده به اندازه‌ی یه لبخند کوتاه عوض کنم. دقیقا همون‌جاست که احساس می‌کنم بردم. رضایتِ درونی؛ جلوتر از هر تشویقِ بیرونیه که ممکنه بهت دیر برسه یا اصلا نرسه.

📚 A Step-by-Step Guide to Writing a Scientific Review Article (2024)

💡 این مقاله یک راهنمایی جامع و مرحله به مرحله برای پژوهشگرانی است که قصد دارند یک مقاله مروری علمی بنویسند. نوشتن چنین مقالاتی نیازمند برنامه‌ریزی منظم، انتخاب موضوع مناسب، جستجوی دقیق در منابع علمی، و تحلیل انتقادی است.

#مقاله

👩🏻‍💻 با ما همراه باشید. 
🔗 https://news.1rj.ru/str/Howtowriteathesis77

آینده رو که نمی‌شه پیش‌بینی کرد. واسه آدمی که هنوز زنده‌س هم ختم نمی‌گیرن. یه چیزهایی رو باید به زمان سپرد. اگه بد شد بعدا باهم درباره‌ش گریه می‌کنیم.

زندگی یه جوری راهش رو پیدا می‌کنه.
رشد واقعی یعنی
یاد بگیری وقتی جواب‌ها معلوم نیستن،
زمین لقّه،
و آینده مبهمه،
باز هم درونت فرو نریزه..
بیا شجاع باشیم و با ترس ادامه بدیم.

💻 راهکار مناسب برای آموزش‌های پراکنده یوتیوب

✍ یکی از بزرگترین مشکلاتی که دانشگاه یوتیوب داره اینه که آموزشاش مرحله به مرحله نیست و همین امر باعث میشه که هنگام یادگیری شما سردرگم بشی ؛ اما با استفاده از وب‌سایت زیر شما میتونی موضوع مدنظرت رو انتخاب کنی تا این سایت برام همه مراحل رو دسته بندی کنه، عنوان هارو تفکیک کنه و آموزش رو بده.

با استفاده از وب‌سایت
🌐 Ytclass

🔰 این سایت از هوش مصنوعی استفاده میکنه و دوره های آموزشی کاملی که تو یوتیوب وجود دارد رو تو هر موضوع مدنظرت لیست میکنه ؛ از زبان فارسی هم پشتیبانی میکنه و دوره های فارسی زبان روهم باهاش میتونی پیدا کنی.

#یوتیوب

•••••••••••••••••••••••••••••••
👩🏻‍💻 با ما همراه باشید. 
🔗 https://news.1rj.ru/str/Howtowriteathesis77

من نه تنها مشکلی با سخت بودن چیز‌ی ندارم؛ بلکه راضی‌ام چیزها سخت باشن ولی زیبا باشن، با ارزش و قابل تعریف و تحسین باشن. که رضایت درونی‌ رو برام به‌وجود بیارن، که نه به دیگری، بلکه حداقلش به خودم بگم سخت بود اما ارزش مسیری که اومد‌ی‌ رو داشت!
سختِ تنها و‌ بی‌نتیجه، آدمیزاد‌ رو کدر می‌کنه. و خب کی دوست‌ داره بعد مسیر دور و درازی که طی کرده هم خسته باشه، هم کدر و بی‌دستاورد؟

پس زندگیِ عزیزم، سخت باش ولی زیبا. سخت باش ولی ارزشمند، قابل تحسین و پر از دستاورد.

به این زندگی باخت نده.

آدمیزاد از درد نمی‌ترسه، از بی‌معناییِ درد می‌ترسه؛ از اینکه رنج بکشه و هیچ‌چیز عوض نشه.

که قهرمانان خسته‌اند.

تو دوره‌های فشار و ناامنی، ذهنِ آدمیزاد معمولا سمت دو واکنش افراطی میره:
یا با کارِ بیش‌ازحد خودش رو سرگرم می‌کنه تا احساسات رو حس نکنه؛
یا دچار افتِ انگیزه و کرختی می‌شه، طوری که حتی انجام ساده‌ترین کارها سخت میاد.

باید بدونی هیچ‌کدوم اینا نشونه‌ی ضعف نیست.
این‌ها واکنش‌های طبیعیِ روان‌ هستن وقتی حسِ کنترل، امنیت یا امید آسیب دیده.
ذهن داره به زبان خودش می‌گه: «الان فشار زیاده، دارم فقط دووم میارم.»

طبیعیه. ما ربات نیستیم که بتونیم همیشه فارغ از احساسات و وضعیت روحیمون کاری که باید رو انجام بدیم.

غصه‌ی چیزهایی رو که همچنان می‌شه تغییرشون داد نخور. غصه‌ی کارهایی رو که بعدا بازم می‌شه رفت سراغشون نخور. همیشه می‌تونی برگردی به همون مسیری که توش بودی.