📕 ابزار جدید دانشگاه استنفورد برای Review مقالات پژوهشی توسط هوش مصنوعی، با عملکرد نزدیک به انسان

🚨 زمان مطالعه: ۱ دقیقه

🔗 #هوش‌مصنوعی

تیمی از دانشگاه استنفورد در یک پست اعلام کرده که یک ابزار جدید به نام Agentic Reviewer برای research papers منتشر کرده است. Andrew NG این پروژه را آخر هفته شروع کرده و با کمک یکی از دانشجوهای دکتری استنفورد آن را به سطح بهتری رسانده‌اند.

🍏 ایده‌ی ابزار از دانشجویی آمده که مقاله‌اش طی ۳ سال، ۶ بار رد شده و هر بار حدود ۶ ماه برای feedback منتظر مانده بود؛ یعنی feedback loop بسیار کند. هدف Agentic workflow این است که پژوهشگران بتوانند خیلی سریع‌تر روی مقالاتشان تکرار و اصلاح انجام دهند.

📑 این سیستم روی reviewهای کنفرانس ICLR 2025 آموزش داده شده و با معیار Spearman correlation روی test set ارزیابی شده است:
۱. همبستگی بین دو human reviewers: عدد 0.41
۲. همبستگی بین AI و یک human reviewer: عدد 0.42

📁 این نتایج نشان می‌دهد که agentic reviewing در حال رسیدن به عملکرد در سطح انسان است.

🔖 این agent برای ارائه‌ی feedback، در arXiv جست‌وجو می‌کند؛ بنابراین در حوزه‌هایی مثل AI که مقالات به‌صورت آزاد آنجا منتشر می‌شوند، بهتر عمل می‌کند. Ng می‌گوید این یک ابزار آزمایشی است، اما امیدوار است به پژوهشگران در کار تحقیقاتی‌شان کمک کند.

همین حالا می‌توانید مقالات خودتان را به این ابزار داده، و از آن review مناسب دریافت کنید.
✅ لینک ابزار: paperreview.ai

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 تشخیص حقیقت از هوش مصنوعی: امضای نامرئی SynthID

🚨 زمان مطالعه: ۱ دقیقه

🔗 #هوش‌مصنوعی

گوگل برای مقابله با دیپ‌فیک و تشخیص تصاویر ساخته‌شده توسط هوش مصنوعی، تکنولوژی SynthID را روی مدل‌های تصویری Gemini (و Imagen) فعال کرده است.

چطور کار می‌کند؟ این فناوری یک واترمارک (Watermark) نامرئی را مستقیماً در پیکسل‌های تصویر جاسازی می‌کند. این تغییرات برای چشم انسان غیرقابل تشخیص است، اما برای سیستم‌های کامپیوتری کاملاً واضح است.

🍏 ویژگی‌های کلیدی

۱. غیرقابل حذف: برخلاف واترمارک‌های سنتی که گوشه عکس هستند، SynthID در تمام بافت عکس وجود دارد.

۲. مقاوم: حتی اگر روی عکس فیلتر بگذارید، رنگش را تغییر دهید، آن را فشرده کنید (Compression) یا برش دهید (Crop)، این امضا معمولاً باقی می‌ماند.

۳. قابلیت ردیابی: اگر به واقعی بودن یک عکس شک کردید، می‌توانید از ابزارهای گوگل (یا در برخی موارد خودِ Gemini) بخواهید تا وجود این امضا را بررسی کند.

خلاصه: هر عکسی که جِمینای می‌سازد، شناسنامه‌دار است تا مرز بین واقعیت و خیال گم نشود.

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 Google Scholar Labs

🚨 زمان مطالعه: ۱ دقیقه

🔗 #هوش‌مصنوعی

گوگل اخیراً بخش Scholar Labs را راه‌اندازی کرده تا قدرت هوش مصنوعی مولد (Generative AI) را مستقیماً وارد جستجوی مقالات کند. داستان از این قرار است که گوگل متوجه شد خواندن چکیده‌های طولانی برای پیدا کردن مقاله مناسب، وقت‌گیر است؛ بنابراین این ابزار را ساخت تا «مطالعه مقاله» را به «مرور مقاله» تبدیل کند.

📁 چرا باید همین الان از آن استفاده کنید؟

۱. خلاصه‌های هوشمند (AI Outlines): به جای اینکه فقط لینک مقاله را ببینید، هوش مصنوعی گوگل همان‌جا نکات کلیدی، روش تحقیق و نتایج را به صورت لیست‌شده به شما نشان می‌دهد.

۲. غربالگری فوق‌سریع: بدون نیاز به باز کردن یا دانلود فایل، در چند ثانیه می‌فهمید مقاله دقیقاً درباره چیست و آیا به کارتان می‌آید یا خیر.

۳. آینده‌ی جستجو: این روشی است که به‌زودی جایگزین جستجوهای سنتی خواهد شد؛ پس بهتر است زودتر با آن آشنا شوید.

📑 لینک سایت:
🔗 https://scholar.google.com/scholar_labs/search

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 نانو بنانا پرو (Nano Banana Pro): تلفیق هوش و هنر

🚨 زمان مطالعه: ۱ دقیقه

🔗 #هوش‌مصنوعی

گوگل اخیراً مدل جدید تولید تصویر خود با نام فنی gemini-3-pro-image-preview را عرضه کرده که در اینترنت با نام مستعار Nano Banana Pro شناخته می‌شود. این مدل تحسین بسیاری از کارشناسان را برانگیخته است.

🖼 ویژگی اصلی چیست؟ برخلاف مدل‌های قبلی که فقط «نقاشی» می‌کردند، این مدل «فکر» می‌کند. نانو بنانا می‌تواند از ابزارها استفاده کند؛ یعنی قبل از کشیدن تصویر، در گوگل سرچ می‌کند، نقشه‌ها را می‌بیند و با استدلال منطقی تصویر نهایی را می‌سازد.

💬 نقاط قوت:

۱. اینفوگرافیک و نقشه‌های دقیق: چون به داده‌های واقعی دسترسی دارد، می‌تواند نمودارهای رشد اقتصادی یا نقشه‌های دقیق مسیریابی را با اطلاعات صحیح تولید کند (چیزی که قبلاً ممکن نبود).

۲. پیروی از دستورات: در اجرای دستورات طولانی و با جزئیات دقیق، عملکرد بسیار خوبی دارد.

♾ نقاط ضعف:

۱. دیاگرام‌های فنی: با وجود هوشمندی، هنوز در کارهای تخصصی مهندسی مثل کشیدن «مدار الکتریکی» اشتباه می‌کند و نمی‌توان جایگزین دانش انسانی شود.

نتیجه‌گیری: نانو بنانا یک Game Changer واقعی هست. ما از دوران تصاویر صرفاً هنری (مثل Midjourney) عبور کرده‌ایم و وارد دورانی شده‌ایم که هوش مصنوعی می‌تواند تصاویری مبتنی بر واقعیت و داده‌های درست تولید کند.

🔽 منبع:
🔗 https://quesma.com/blog/nano-banana-pro-intelligence-with-tools/

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 اقتصاد مدل‌های هوش مصنوعی: ماشین پول‌سوزی یا سودآورترین صنعت آینده؟

🚨 زمان مطالعه: ۲ دقیقه

🔗 #هوش‌مصنوعی

اخیراً اطلاعات مالی فاش‌شده از OpenAI و Anthropic در نشریاتی مثل نیویورک‌تایمز و اینفورمیشن منتشر شده که واقعیت‌های جالبی را درباره هزینه‌های سرسام‌آور هوش مصنوعی نشان می‌دهد. بیایید مدل کسب‌وکار این غول‌ها را زیر ذره‌بین ببریم.

۱. مشکل اصلی: ماشین پول‌سوزی
مدل فعلی این شرکت‌ها بسیار ساده و بی‌رحم است: هزینه اصلی مربوط به قدرت محاسباتی (Compute) برای آموزش مدل‌هاست. طبق قوانین مقیاس‌پذیری (Scaling Laws)، هزینه‌ها هر سال حدود ۵ برابر می‌شود، اما درآمد شاید فقط ۲ برابر شود.

سال اول: هزینه آموزش ۱ دلار، درآمد بعدی ۲ دلار.
سال دوم: هزینه آموزش مدل بعدی ۵ دلار!

نتیجه: این مدل‌ها فعلاً مثل یک گلوله برفی از زیان انباشته عمل می‌کنند. هر نسل جدید، پول بیشتری نسبت به نسل قبل می‌سوزاند.

۲. راه فرار کجاست؟
برای اینکه این شرکت‌ها به سوددهی برسند، یکی از این دو اتفاق باید بیفتد:

الف) درآمد نجومی شود: که خیلی سخت است.
ب) رشد هزینه‌های آموزش کند شود: یعنی به جای ۵ برابر شدن، کمتر از ۲ برابر شود.

🖼 داریو آمودی (مدیرعامل Anthropic) معتقد است که ما در نهایت به یکی از این دو دیوار برخورد می‌کنیم:
محدودیت فیزیکی: دیگر چیپ یا برق کافی در دنیا وجود نخواهد داشت (یا هزینه از کل تولید ناخالص جهان بیشتر می‌شود).
بازده نزولی: مدل‌ها بزرگ‌تر می‌شوند اما دیگر آنقدرها باهوش‌تر نمی‌شوند که هزینه ۱۰ برابری را توجیه کنند.

نکته کلیدی: لحظه‌ای که شرکت‌ها تصمیم بگیرند مدل بعدی را ۵ برابر بزرگ‌تر نکنند، هزینه‌ها ثابت می‌ماند اما درآمد همچنان می‌آید. اینجاست که سوددهی آغاز می‌شود.

۳. استراتژی متفاوت OpenAI و Anthropic
داده‌های فاش‌شده نشان می‌دهد این دو رقیب، مسیرهای متفاوتی را برای رسیدن به این نقطه انتخاب کرده‌اند:

شرکت OpenAI: فرض را بر این گذاشته که بعد از ۲۰۲۸، ظرفیت محاسباتی کل دنیا اشباع می‌شود و رشد هزینه‌های آموزش متوقف می‌شود.

شرکت Anthropic: روی افزایش بهره‌وری تمرکز کرده است؛ یعنی فرض می‌کند با هر دلار هزینه، درآمد بیشتری نسبت به قبل کسب کند و رشد هزینه‌هایش را منطقی‌تر (۳ برابر به جای ۸ برابر) پیش‌بینی کرده است.

۴. درس عبرت از نتفلیکس (Netflix)
نتفلیکس بهترین مثال تاریخی برای این وضعیت است. برای سال‌ها، نتفلیکس میلیاردها دلار صرف تولید محتوا می‌کرد و جریان نقدینگی منفی داشت.

چه شد که سودده شد؟ در سال ۲۰۲۰ (به خاطر کرونا) تولید محتوا متوقف شد، اما درآمد اشتراک‌ها ادامه داشت. ناگهان جریان نقدینگی مثبت شد!

نتیجه: نتفلیکس یاد گرفت که وقتی به مقیاس جهانی رسید، نیازی نیست بودجه محتوا را هر سال دو برابر کند؛ فقط کافی‌ست آن را در سطح ثابتی نگه دارد.

🍏 جمع‌بندی: بازی صبر
اقتصاد مدل‌های زبانی شبیه یک دستگاه پول‌سوز است... تا زمانی که ناگهان دیگر نباشد. زمانی که رشد وحشتناک هزینه‌های آموزش متوقف شود (چه به خاطر محدودیت فنی، چه اشباع بازار)، حاشیه سود این شرکت‌ها فوراً و به شکل چشمگیری مثبت خواهد شد.

🔽 منبع:
🔗 https://robonomics.substack.com/p/llm-unit-economics

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

⭐️ تکنیک جدید OpenAI برای صداقت مدل‌ها: اعترافات (Confessions)

🚨 زمان مطالعه: ۲ دقیقه

🔗 #هوش‌مصنوعی

اوپن‌ای‌آی (OpenAI) در مقاله جدید خود روشی به نام Confessions را معرفی کرده که مثل یک «سُرم حقیقت» عمل می‌کند تا مدل‌ها را مجبور کند تخلفات خود را گزارش دهند.

🗃 ایده چیست؟ علاوه بر پاسخ اصلی به کاربر، مدل یک خروجی دوم (مخفی) تولید می‌کند که در آن صادقانه گزارش می‌دهد آیا قوانین را نقض کرده، میان‌بر زده (Shortcut) یا اصطلاحاً Reward Hacking انجام داده است یا خیر.

💬 چرا کار می‌کند؟ نکته کلیدی جداسازی پاداش‌هاست. مدل بابت اعتراف به تخلف، جریمه نمی‌شود. مدل یاد می‌گیرد که می‌تواند در پاسخ اصلی برای کسب امتیاز بالا «تقلب» کند، اما اگر در بخش اعترافات صادقانه بگوید «من تقلب کردم»، پاداشِ صداقت را دریافت می‌کند.

📄 نتایج روی GPT-5 Thinking: حتی وقتی مدل در پاسخ اصلی کاربر را فریب می‌دهد (مثلاً در رعایت محدودیت تعداد کلمات)، در بخش اعترافات با دقت بسیار بالایی (نرخ پنهان‌کاری کمتر از ۴.۴٪) تخلف خود را لو می‌دهد.

این روش ابزاری حیاتی برای نظارت (Monitoring) بر رفتارهای پیچیده و خطرناک مدل‌های آینده است، بدون اینکه نیاز به لیبل‌گذاری دستی همه داده‌ها باشد.

لینک منبع:
🔗 https://openai.com/index/how-confessions-can-keep-language-models-honest/

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 پرداخت هزینه فقط برای سابمیت مقاله! در کنفرانس IJCAI-ECAI 2026

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #کنفرانس

🔽 در سال پیش‌رو برای هر مقاله‌ای که به کنفرانس IJCAI-ECAI 2026 ارسال (Submit) شود، مبلغ ۱۰۰ دلار آمریکا به عنوان هزینه بررسی دریافت خواهد شد.

✅ این هزینه برای «مقاله‌های اول» (Primary Papers) بخشیده می‌شود و نیازی به پرداخت نیست.

🔗 تعریف مقاله اول: مقاله‌ای است که هیچ‌یک از نویسندگان آن، در هیچ مقاله دیگری در کنفرانس IJCAI-ECAI 2026 (به عنوان نویسنده) حضور نداشته باشند.

🔗 معنای دقیق: اگر شما یا هر یک از همکارانتان اسم‌تان در بیش از یک مقاله باشد، تمام آن مقالات مشمول هزینه ۱۰۰ دلاری می‌شوند. این قانون برای جلوگیری از ارسال انبوه مقالات (Quantity over Quality) توسط یک فرد یا گروه تحقیقاتی گذاشته شده است.

🔖 تمام درآمد حاصل از این هزینه‌ها، به طور انحصاری برای حمایت از جامعه داوران (Reviewing Community) کنفرانس صرف خواهد شد. هدف از این کار، تشویق داوران و بهبود پروسه داوری است (اینکه دقیقاً این حمایت به صورت نقدی است یا امتیازات دیگر، با عنوان کلی "Support" بیان شده است).

این نوع فعالیت دیدِ جدیدی به دنیای ریسرچ خواهد داد، متفاوت با باقی کنفرانس‌ها و ژورنال‌های حال حاضر!

لینک منبع:
🔗 https://2026.ijcai.org/ijcai-ecai-2026-call-for-papers-main-track/

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 آلودگی هوا: معضل این روزهای ایران

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #پزشکی
🔗 #مقاله

🎯 هدف مطالعه
مقاله‌ای که در ادامه آورده شده بررسی می‌کند که الگوهای ترکیبی آلودگی هوا (مبتنی بر چند آلاینده هم‌زمان) چگونه بر خطر سرطان ریه، IPF، COPD و آسم اثر می‌گذارند و این اثرات چگونه با سیگار کشیدن و ریسک ژنتیکی تقویت می‌شوند.

📊 روش
با استفاده از داده‌های UK Biobank و روش LCA، افراد در پنج الگوی قرارگیری در معرض آلودگی هوا دسته‌بندی شدند. سپس با مدل Cox ارتباط این الگوها با بیماری‌های تنفسی تحلیل شد و تعامل آن‌ها با سیگار و ریسک ژنتیکی نیز بررسی گردید.

💬 نتایج
گروه دارای آلودگی بالا نسبت به گروه مرجع با افزایش خطر مواجه بود: سرطان ریه معادل ۱.۲۸، IPF معادل ۱.۲۳، COPD معادل ۱.۲۸ و آسم ۱.۰۹ برابر بیشتر. این نتایج نشان می‌دهند قرارگیری در الگوهای آلودگی بالا به‌طور مستقیم احتمال این بیماری‌ها را افزایش می‌دهد.

💡 تعامل آلودگی، سیگار و ریسک ژنتیکی
بین آلودگی بالا و سیگار برای سرطان ریه و COPD تعامل تجمعی وجود داشت. در افراد با ریسک ژنتیکی بالا و مواجهه هم‌زمان با آلودگی و سیگار، خطر اضافی (RERI) به‌طور قابل توجهی افزایش یافت: سرطان ریه ۲.۷۴، IPF معادل ۳.۹۳ و COPD معادل ۱.۶۸.

🙋 نتیجه‌گیری و پیامدها
ترکیب آلودگی هوا و سیگار بیش از ۴۰٪ موارد سرطان ریه، IPF و COPD را توضیح می‌دهد. بنابراین سیاست‌های کاهش آلودگی هوا همراه با برنامه‌های ترک سیگار ضروری‌ست، به‌ویژه برای افراد با ریسک ژنتیکی بالا. همچنین برای ارزیابی دقیق خطر باید الگوهای چندآلاینده و واقعی قرارگیری در معرض در نظر گرفته بشوند.

💳 لینک DOI مقاله:
🔗 https://doi.org/10.1038/s41533-025-00469-z

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 سقف نظری ۴۳۰ سال در برابر واقعیت ۱۶۹ سال: مغز، گلوگاه اصلی طول عمر انسان

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #پزشکی
🔗 #مقاله

📊 یک مدل تحقیقاتی جدید در سال ۲۰۲۵ نشان می‌دهد که اگر تمام عوامل پیری قابل‌درمان حذف شوند و تنها «جهش‌های سوماتیک» (تغییرات انباشته شده در DNA) باقی بمانند، میانگین طول عمر انسان می‌تواند به ۱۳۴ تا ۱۷۰ سال برسد که تقریباً دو برابر میانگین فعلی است. این پژوهش که بدن انسان را به عنوان یک سیستم مهندسی تحلیل کرده است، تخمین می‌زند که در یک حالت ایده‌آلِ بیولوژیکی و بدون محدودیت‌های ناشی از پیری، سقف نظری حیات انسان (بدون در نظر گرفتن جهش‌ها) حدود ۴۳۰ سال خواهد بود.

❤ این مطالعه یک تفاوت بنیادین میان اندام‌ها را آشکار می‌کند: سلول‌های تقسیم‌نشدنی (Post-mitotic) مانند نورون‌های مغز و سلول‌های ماهیچه قلب، «گلوگاه‌های» اصلی طول عمر هستند. از آنجا که این سلول‌ها تقسیم نمی‌شوند، آسیب‌های DNA در آن‌ها انباشته شده و ترمیم نمی‌شوند. مدل نشان می‌دهد که مغز به تنهایی یک محدودیت سخت برای حیات ایجاد می‌کند و میانگین طول عمر عملکردی آن تنها حدود ۱۶۹ سال برآورد شده است.

د✅ ر مقابل، بافت‌هایی که قابلیت تکثیر و نوسازی دارند، مانند کبد، می‌توانند با جایگزینی سلول‌های آسیب‌دیده، از نظر تئوری هزاران سال (مدل عدد خیره‌کننده ۳۷,۰۰۰+ سال را برای کبد با سلول‌های بنیادی مطرح می‌کند) دوام بیاورند. نتیجه‌گیری نهایی این است که هرچند برخی اندام‌ها پتانسیل حیات بسیار طولانی دارند، اما انباشت غیرقابل‌بازگشت جهش‌های ژنتیکی در مغز و قلب، سقف واقعی عمر انسان را محدود می‌کند.

💳 لینک مقاله:
🔗 https://www.biorxiv.org/content/10.1101/2025.11.23.689982v1

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 یادگیری مقاله نویسی به صورت عملی و hands-on شاید فرصتیه که خیلی‌هامون منتظرش بودیم و هستیم.

در این پست به معرفی دوره‌ای تحت نظر پروفسور رویا کلیشادی، استاد مطرح در سطوح جهانی و در همکاری با معاونت تحقیقات و فناوری دانشگاه علوم پزشکی اصفهان، می‌پردازیم.

🗓 مدت دوره: ۷ هفته

📌 در پایان دوره، با شرکت‌کنندگان برتر جهت همکاری با اساتید برجسته در نگارش مقاله‌های علمی همکاری خواهد شد.

📌 ثبت‌نام اولیه و تکمیل فرم:
از ۲۴ آذر تا ۲۹ آذر، ساعت ۱۴

پس از بررسی فرم‌ها،
به نفرات برگزیده‌شده جهت تکمیل ثبت‌نام و پرداخت وجه اطلاع‌رسانی خواهد شد.

💳 هزینه دوره: ۴,۴۰۰,۰۰۰ تومان
⭐️ تخفیف پرداخت زودهنگام:
برای افرادی که در ۳ روز اول پس از اعلام قبولی پرداخت خود را تکمیل کنند،
۱۰ درصد تخفیف لحاظ خواهد شد.

⏰ مهلت تکمیل وجه برای افراد برگزیده:
از ۲۹ آذر، ساعت ۱۴
تا ۳ دی، ساعت ۲۳:۵۹

💬 ظرفیت محدود

جهت ثبت‌نام اولیه فرم زیر را تکمیل نمایید.
فرم ثبت‌نام اولیه

لینک پست اصلی ثبت‌نام:
🔗 https://news.1rj.ru/str/medevo_mui/4

اطلاعات بیشتر و پشتیبانی:
🔗 @medevogroup

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 معرفی Gemini 3 Flash در alphaXiv: درک آسان‌تر مقالات تحقیقاتی

🎙 از امروز با ابزار alphaXiv می‌تونید هر بخشی از مقاله‌های تحقیقاتی رو هایلایت کنید و سؤال بپرسید. حتی با "@" کردن مقاله‌های دیگه، توضیحات مربوط به زمینه، مقایسه و ارجاع به بنچمارک‌ها رو به سرعت دریافت کنید.

یک نمونه استفاده ازین ابزار رو در ویدیوی این پست مشاهده کنید.

◀️ لینک به این ابزار:
🔗 https://www.alphaxiv.org/

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 دور زدن ممنوعیت انتشار: تغییر نام خانوادگی برای ادامه انتشار در مجلات ممنوعه!

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #اخلاق‌پژوهشی

یک اتفاق عجیبی اخیرا مرتبط به یک پژوهشگر ایرانی رخ داده، در این پست درباره‌ی این اتفاق توضیح خواهیم داد.

🔽 یک پژوهشگر ایرانی مهندسی مکانیک (هاشم بابایی، معروف به هاشم قره‌بابایی سابقاً)، استاد دانشگاه گیلان، در سال ۲۰۱۰ به دلیل سرقت ادبی و استفاده بدون مجوز از کارهای پژوهشگران آفریقای جنوبی (ژنویو لنگدن و تروور کلوت) توسط مؤسسه مهندسان مکانیک بریتانیا (IMechE) از ارسال مقاله به مجلات این مؤسسه برای همیشه محروم شد.

🗂 با این حال، او با کوتاه کردن نام خانوادگی به «بابایی» (بدون تغییر ایمیل دانشگاهی)، موفق شد حداقل ۱۰ مقاله را پس از ممنوعیت، در همان مجلات IMechE منتشر کند.

🎓 این اقدام توسط جرالد نوریک (Gerald Nurick، استاد دانشگاه کیپ‌تاون و یکی از قربانیان اصلی) شناسایی شد و به عنوان دور زدن عمدی تحریم اخلاقی انتشار توصیف گردید.

✅ همچنین، یک مقاله دیگر او در سال ۲۰۱۰ به دلیل نقض اصول IEEE سلب اعتبار شده است.

📌 وضعیت فعلی به چه شکل هست؟ ناشر (Sage) موضوع را به تیم integrity ارجاع داده و بررسی برای احتمالی سلب اعتبار این ۱۰ مقاله در جریان است. حتی اگر محتوای علمی مقالات مشکلی نداشته باشد، تغییر نام برای دور زدن ban، تخلف جدی اخلاقی محسوب می‌شود و می‌تواند منجر به retraction شود.

این داستان نشان‌دهنده اهمیت نظارت بر هویت نویسندگان و سیستم‌های blacklist در مجلات است. تغییر نام ساده نباید بتواند ممنوعیت‌های اخلاقی را بی‌اثر کند.

📊 منبع رسمی:
🔗 Author changes name, publishes 10 papers in journals that banned him

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»