📘✨ واژهنامهای قابلاعتماد برای فهم سادهتر مفاهیم علمی پزشکی و سلامت
🔎 راهنمای واژگان GET-IT: وقتی علم به زبان ساده صحبت میکند!
در دنیای پژوهشهای علوم پزشکی و سلامت، بسیاری از مفاهیم و اصطلاحات علمی میتوانند برای دانشجویان، پژوهشگران تازهکار، و حتی متخصصان سایر رشتهها پیچیده و گنگ بهنظر برسند.
اینجاست که GET-IT Glossary وارد میشود؛ یک منبع مرجع و معتبر برای درک بهتر این واژگان 🔬📖
🟢 این سایت تلاش کرده است تا با استفاده از زبان ساده، دقیق و بدون پیچیدگیهای فنی، مفاهیم تخصصی را برای طیف گستردهای از مخاطبان قابلفهم کند.
💡 ویژگیهای کلیدی این واژهنامه آنلاین:
🔹 تعریف سادهی اولیه: هر اصطلاح با یک توضیح کوتاه و قابلدرک برای عموم آغاز میشود.
🔹 مترادفها و اصطلاحات معادل: به شما کمک میکند درک بهتری از زمینه استفاده واژه داشته باشید.
🔹 توضیح تفصیلی: اگر به توضیح بیشتر نیاز دارید، در ادامه اطلاعات تکمیلی نیز ارائه شده است.
🔹 دسترسی آسان: امکان جستجوی مستقیم 🔍 یا مرور لیست واژگان بهصورت الفبایی 🔤 فراهم است.
🔹 مناسب برای:
👩⚕️ دانشجویان علوم پزشکی
📚 نویسندگان علمی
🧑🔬 پژوهشگران مرور نظاممند
📊 اعضای تیمهای تحقیقاتی سلامت
🧠 با استفاده از این ابزار، میتوانید اصطلاحاتی مانند bias، blinding، systematic review، confounding و دهها واژه دیگر را بهشکل کاربردی و دقیق یاد بگیرید.
🌐 دسترسی به سایت:
https://getitglossary.org
📌 اگر به دنبال آن هستید که علم را بهتر، دقیقتر و سادهتر بفهمید، این واژهنامه انتخاب بسیار مناسبی برای شماست.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
🔎 راهنمای واژگان GET-IT: وقتی علم به زبان ساده صحبت میکند!
در دنیای پژوهشهای علوم پزشکی و سلامت، بسیاری از مفاهیم و اصطلاحات علمی میتوانند برای دانشجویان، پژوهشگران تازهکار، و حتی متخصصان سایر رشتهها پیچیده و گنگ بهنظر برسند.
اینجاست که GET-IT Glossary وارد میشود؛ یک منبع مرجع و معتبر برای درک بهتر این واژگان 🔬📖
🟢 این سایت تلاش کرده است تا با استفاده از زبان ساده، دقیق و بدون پیچیدگیهای فنی، مفاهیم تخصصی را برای طیف گستردهای از مخاطبان قابلفهم کند.
💡 ویژگیهای کلیدی این واژهنامه آنلاین:
🔹 تعریف سادهی اولیه: هر اصطلاح با یک توضیح کوتاه و قابلدرک برای عموم آغاز میشود.
🔹 مترادفها و اصطلاحات معادل: به شما کمک میکند درک بهتری از زمینه استفاده واژه داشته باشید.
🔹 توضیح تفصیلی: اگر به توضیح بیشتر نیاز دارید، در ادامه اطلاعات تکمیلی نیز ارائه شده است.
🔹 دسترسی آسان: امکان جستجوی مستقیم 🔍 یا مرور لیست واژگان بهصورت الفبایی 🔤 فراهم است.
🔹 مناسب برای:
👩⚕️ دانشجویان علوم پزشکی
📚 نویسندگان علمی
🧑🔬 پژوهشگران مرور نظاممند
📊 اعضای تیمهای تحقیقاتی سلامت
🧠 با استفاده از این ابزار، میتوانید اصطلاحاتی مانند bias، blinding، systematic review، confounding و دهها واژه دیگر را بهشکل کاربردی و دقیق یاد بگیرید.
🌐 دسترسی به سایت:
https://getitglossary.org
📌 اگر به دنبال آن هستید که علم را بهتر، دقیقتر و سادهتر بفهمید، این واژهنامه انتخاب بسیار مناسبی برای شماست.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤1
📌 استفاده افراطی از واژه «Unleashing» در عناوین مقالات علمی؛ الگویی از تأثیر هوش مصنوعی مولد؟
✍️ در نگارش متون علمی، واژهی Unleashing اغلب برای بیان مفاهیمی مانند «آزادسازی پتانسیل»، «فعالسازی ظرفیت کامل یک حوزه» یا «بهکارگیری کامل یک دانش برای دستیابی به پیشرفت» بهکار میرود. این واژه در سالهای اخیر بهطور چشمگیری در عناوین مقالات پژوهشی رایج شده است.
🔎 برای بررسی دقیقتر، جستجویی در پایگاه داده Scopus انجام شد (تا تاریخ ۱۶ مه ۲۰۲۵)؛ نتایج نشان داد:
📚 تعداد کل رکوردها با واژه Unleashing در عنوان: ۲۷۷۹ مقاله
🗓 از این تعداد، ۱۹۳۶ مقاله (حدود ۷۰٪) تنها از سال ۲۰۲۲ به بعد منتشر شدهاند.
🚀 در سال ۲۰۲۴، ۱۰۴۰ مقاله با این واژه در عنوان منتشر شده؛
در حالی که در سال ۲۰۲۱ فقط ۸۱ مقاله وجود داشت!
⬅️ یعنی شاهد یک رشد ۱۱۸۰ درصدی در استفاده از این واژه تنها طی سه سال هستیم.
💡 تفسیر این روند عجیب چیست؟
بهنظر میرسد این رشد ناگهانی و غیرعادی، یک علت محتمل دارد:
🎯 استفاده از مدلهای هوش مصنوعی مولد (مانند ChatGPT) در تولید عنوان مقالات علمی.
این مدلها برای افزایش جذابیت عنوانها، تمایل دارند از واژگان قدرتمند و اصطلاحات «انرژیک» مانند Unleashing استفاده کنند.
به بیان دیگر، این واژه بهنوعی به امضای زبانی هوش مصنوعی در نوشتن عنوانها تبدیل شده است.
📎 این روند میتواند هشداری جدی برای داوران، ویراستاران و نویسندگان علمی باشد؛ چرا که استفاده بیرویه و الگومند از واژگان، ممکن است به یکنواختی سبک نگارش در مقالات و کاهش خلاقیت واقعی منجر شود.
🧠 پیشنهاد میشود پژوهشگران هنگام استفاده از ابزارهای هوش مصنوعی، حساسیت بیشتری نسبت به تنوع زبانی و اصالت سبک علمی داشته باشند.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
✍️ در نگارش متون علمی، واژهی Unleashing اغلب برای بیان مفاهیمی مانند «آزادسازی پتانسیل»، «فعالسازی ظرفیت کامل یک حوزه» یا «بهکارگیری کامل یک دانش برای دستیابی به پیشرفت» بهکار میرود. این واژه در سالهای اخیر بهطور چشمگیری در عناوین مقالات پژوهشی رایج شده است.
🔎 برای بررسی دقیقتر، جستجویی در پایگاه داده Scopus انجام شد (تا تاریخ ۱۶ مه ۲۰۲۵)؛ نتایج نشان داد:
📚 تعداد کل رکوردها با واژه Unleashing در عنوان: ۲۷۷۹ مقاله
🗓 از این تعداد، ۱۹۳۶ مقاله (حدود ۷۰٪) تنها از سال ۲۰۲۲ به بعد منتشر شدهاند.
🚀 در سال ۲۰۲۴، ۱۰۴۰ مقاله با این واژه در عنوان منتشر شده؛
در حالی که در سال ۲۰۲۱ فقط ۸۱ مقاله وجود داشت!
⬅️ یعنی شاهد یک رشد ۱۱۸۰ درصدی در استفاده از این واژه تنها طی سه سال هستیم.
💡 تفسیر این روند عجیب چیست؟
بهنظر میرسد این رشد ناگهانی و غیرعادی، یک علت محتمل دارد:
🎯 استفاده از مدلهای هوش مصنوعی مولد (مانند ChatGPT) در تولید عنوان مقالات علمی.
این مدلها برای افزایش جذابیت عنوانها، تمایل دارند از واژگان قدرتمند و اصطلاحات «انرژیک» مانند Unleashing استفاده کنند.
به بیان دیگر، این واژه بهنوعی به امضای زبانی هوش مصنوعی در نوشتن عنوانها تبدیل شده است.
📎 این روند میتواند هشداری جدی برای داوران، ویراستاران و نویسندگان علمی باشد؛ چرا که استفاده بیرویه و الگومند از واژگان، ممکن است به یکنواختی سبک نگارش در مقالات و کاهش خلاقیت واقعی منجر شود.
🧠 پیشنهاد میشود پژوهشگران هنگام استفاده از ابزارهای هوش مصنوعی، حساسیت بیشتری نسبت به تنوع زبانی و اصالت سبک علمی داشته باشند.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤2
🚀 گامی نوین در هوش مصنوعی: پشتیبانی از زبان فارسی در قابلیت صوتی NotebookLM
🌟 مقدمه
در تحولی چشمگیر برای جامعهی فارسیزبان، گوگل پشتیبانی از زبان فارسی را در ویژگی Audio Overviews سرویس NotebookLM فعال کرد. این ارتقاء، دسترسی به فناوری تبدیل متن به گفتار با کیفیت ممتاز را فراهم میسازد و دریچهای نو به سوی تولید محتوای صوتی هوشمند میگشاید.
🔍 ویژگیهای کلیدی فناوری
🎙️ قالب پادکست : پرسشوپاسخ تعاملی با دو گوینده مجازی (👩🏻 بانوی فارسیزبان + 👨🏻 آقای فارسیزبان)
🤖 هوش مصنوعی : تبدیل خودکار متون به گفتار طبیعی با لحن انسانی
⏱️ زمان تولید : ۲ تا ۱۰ دقیقه (وابسته به حجم متن)
📱 راهنمای گامبهگام استفاده
1. 🔑 ورود به پلتفرم
[https://notebooklm.google.com](https://notebooklm.google.com)
ورود با حساب Gmail
2. ⚙️ فعالسازی فارسی
3. 📤 آپلود محتوا
کلیک روی Create New Notebook
بارگذاری فایل متنی (PDF/DOC/صفحات وب)
4. 🎧 تولید پادکست
کلیک روی Audio Overview
دریافت فایل صوتی پس از پردازش
💡 پیامدهای راهبردی این نوآوری
- ✅ تسریع تولید محتوا: تبدیل مقالات/گزارشها به پادکست حرفهای در ۳ کلیک!
- 🌍 اعتباربخشی به فارسی: حضور رسمی زبان فارسی در پلتفرمهای هوش مصنوعی جهانی
- 📈 کاربریپذیری: حذف نیاز به ابزارهای جانبی برای متنبهصدا
- 🔊 دسترسپذیری: امکان استفاده نابینایان و کمبینایان از محتوای متنی
✨ کاربردهای پیشنهادی
👩🏫 آموزشی : تبدیل جزوات درسی به پادکست برای مرور مباحث
💼 تجاری : تولید گزارشهای صوتی از تحلیلهای بازار
🔬 پژوهشی : اشتراکگذاری یافتههای علمی بهصورت گفتاری
📌 نتیجهگیری
با این بهروزرسانی، NotebookLM به ابزاری استراتژیک برای فارسیزبانان تبدیل شده است. این فناوری نهتنها تولید محتوای صوتی را دموکراتیزه میکند، بلکه گامی بلند در اعتبارسنجی زبان فارسی در اکوسیستم هوش مصنوعی جهانی محسوب میشود. 🏆
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
🌟 مقدمه
در تحولی چشمگیر برای جامعهی فارسیزبان، گوگل پشتیبانی از زبان فارسی را در ویژگی Audio Overviews سرویس NotebookLM فعال کرد. این ارتقاء، دسترسی به فناوری تبدیل متن به گفتار با کیفیت ممتاز را فراهم میسازد و دریچهای نو به سوی تولید محتوای صوتی هوشمند میگشاید.
🔍 ویژگیهای کلیدی فناوری
🎙️ قالب پادکست : پرسشوپاسخ تعاملی با دو گوینده مجازی (👩🏻 بانوی فارسیزبان + 👨🏻 آقای فارسیزبان)
🤖 هوش مصنوعی : تبدیل خودکار متون به گفتار طبیعی با لحن انسانی
⏱️ زمان تولید : ۲ تا ۱۰ دقیقه (وابسته به حجم متن)
📱 راهنمای گامبهگام استفاده
1. 🔑 ورود به پلتفرم
[https://notebooklm.google.com](https://notebooklm.google.com)
ورود با حساب Gmail
2. ⚙️ فعالسازی فارسی
3. 📤 آپلود محتوا
کلیک روی Create New Notebook
بارگذاری فایل متنی (PDF/DOC/صفحات وب)
4. 🎧 تولید پادکست
کلیک روی Audio Overview
دریافت فایل صوتی پس از پردازش
💡 پیامدهای راهبردی این نوآوری
- ✅ تسریع تولید محتوا: تبدیل مقالات/گزارشها به پادکست حرفهای در ۳ کلیک!
- 🌍 اعتباربخشی به فارسی: حضور رسمی زبان فارسی در پلتفرمهای هوش مصنوعی جهانی
- 📈 کاربریپذیری: حذف نیاز به ابزارهای جانبی برای متنبهصدا
- 🔊 دسترسپذیری: امکان استفاده نابینایان و کمبینایان از محتوای متنی
✨ کاربردهای پیشنهادی
👩🏫 آموزشی : تبدیل جزوات درسی به پادکست برای مرور مباحث
💼 تجاری : تولید گزارشهای صوتی از تحلیلهای بازار
🔬 پژوهشی : اشتراکگذاری یافتههای علمی بهصورت گفتاری
📌 نتیجهگیری
با این بهروزرسانی، NotebookLM به ابزاری استراتژیک برای فارسیزبانان تبدیل شده است. این فناوری نهتنها تولید محتوای صوتی را دموکراتیزه میکند، بلکه گامی بلند در اعتبارسنجی زبان فارسی در اکوسیستم هوش مصنوعی جهانی محسوب میشود. 🏆
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤1👍1
▫️کتاب "Systematic Review and Meta-Analysis: Stepwise Approach for Medical and Biomedical Researchers"
منتشر شد توسط انتشارات معتبر Elsevier 🌍📚
🔹در نگارش این اثر، ۹ نویسنده همکاری داشتهاند؛
جالب است بدانید که ۷ نفر از آنها ایرانی هستند 🇮🇷
(و از میان این ۷ نفر، ۲ نفر در حال حاضر در آمریکا فعالیت میکنند) 🇺🇸
نویسندگان ایرانی:
🔹 مهسا قجرزاده
گروه نورولوژی، دانشکده پزشکی، دانشگاه جانهاپکینز، آمریکا
🔹 نرگس ابراهیمی
گروه ایمونولوژی، دانشگاه علوم پزشکی اصفهان
🔹 مهدی مختاری
گروه اپیدمیولوژی، دانشگاه علوم پزشکی خوی
🔹 معصومه صادقی
دانشکده بهداشت، دانشگاه علوم پزشکی مشهد
🔹 پریا دهش
گروه آمار و اپیدمیولوژی، دانشگاه علوم پزشکی کرمان
🔹 محسن راستکار
مرکز پژوهشهای علمی دانشجویان، دانشگاه علوم پزشکی تهران
🔹 کیارش آرامش
موسسه اخلاق زیستی James F. Drane، آمریکا
(پیشتر عضو هیئت علمی دانشگاه علوم پزشکی تهران)
🧠 ویراستاران:
🌟 مهسا قجرزاده
🌟 نیما رضایی (استاد تمام ایمنیشناسی پزشکی، دانشگاه علوم پزشکی تهران)
🌟 سارا حنایی (عضو گروه جراحی مغز و اعصاب، بیمارستان امام)
📖 فهرست فصلهای کتاب (۱۸ فصل):
1️⃣ Medical Research: Steps Forward Towards Scientific Advancement
2️⃣ Research Methodology: Primary vs. Secondary Studies
3️⃣ Systematic Reviews: Definition and Structure
4️⃣ Topic Selection: Structured Questions
5️⃣ Systematic Search for A Systematic Review
6️⃣ Search-Record Screening
7️⃣ Data Extraction
8️⃣ Risk of Bias Assessment
9️⃣ Data Synthesis
🔟 Meta-Analysis in Different Software
1️⃣1️⃣ Forest Plot Interpretation
1️⃣2️⃣ Publication Bias & Funnel Plot
1️⃣3️⃣ Heterogeneity Among Studies
1️⃣4️⃣ Missing Data
1️⃣5️⃣ Network Meta-Analysis
1️⃣6️⃣ Quality Assessment
1️⃣7️⃣ Scientific Writing
1️⃣8️⃣ Ethics in Systematic Reviews
📄 کتاب به زبان ساده نوشته شده و دارای ۲۳۶ صفحه است.
💸 قیمت اصلی کتاب: ۱۲۵ دلار 😅
📥 اما نگران نباشید! فایل کامل کتاب برای دانلود رایگان در پیوست قرار داده شده است.
(امیدواریم نویسندگان گرامی رضایت داشته باشند 🙏😉)
📎 اگر علاقهمند به تحقیقات پزشکی، مرور سیستماتیک و متاآنالیز هستید، مطالعه این کتاب رو از دست ندید! 🔍📊
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
منتشر شد توسط انتشارات معتبر Elsevier 🌍📚
🔹در نگارش این اثر، ۹ نویسنده همکاری داشتهاند؛
جالب است بدانید که ۷ نفر از آنها ایرانی هستند 🇮🇷
(و از میان این ۷ نفر، ۲ نفر در حال حاضر در آمریکا فعالیت میکنند) 🇺🇸
نویسندگان ایرانی:
🔹 مهسا قجرزاده
گروه نورولوژی، دانشکده پزشکی، دانشگاه جانهاپکینز، آمریکا
🔹 نرگس ابراهیمی
گروه ایمونولوژی، دانشگاه علوم پزشکی اصفهان
🔹 مهدی مختاری
گروه اپیدمیولوژی، دانشگاه علوم پزشکی خوی
🔹 معصومه صادقی
دانشکده بهداشت، دانشگاه علوم پزشکی مشهد
🔹 پریا دهش
گروه آمار و اپیدمیولوژی، دانشگاه علوم پزشکی کرمان
🔹 محسن راستکار
مرکز پژوهشهای علمی دانشجویان، دانشگاه علوم پزشکی تهران
🔹 کیارش آرامش
موسسه اخلاق زیستی James F. Drane، آمریکا
(پیشتر عضو هیئت علمی دانشگاه علوم پزشکی تهران)
🧠 ویراستاران:
🌟 مهسا قجرزاده
🌟 نیما رضایی (استاد تمام ایمنیشناسی پزشکی، دانشگاه علوم پزشکی تهران)
🌟 سارا حنایی (عضو گروه جراحی مغز و اعصاب، بیمارستان امام)
📖 فهرست فصلهای کتاب (۱۸ فصل):
1️⃣ Medical Research: Steps Forward Towards Scientific Advancement
2️⃣ Research Methodology: Primary vs. Secondary Studies
3️⃣ Systematic Reviews: Definition and Structure
4️⃣ Topic Selection: Structured Questions
5️⃣ Systematic Search for A Systematic Review
6️⃣ Search-Record Screening
7️⃣ Data Extraction
8️⃣ Risk of Bias Assessment
9️⃣ Data Synthesis
🔟 Meta-Analysis in Different Software
1️⃣1️⃣ Forest Plot Interpretation
1️⃣2️⃣ Publication Bias & Funnel Plot
1️⃣3️⃣ Heterogeneity Among Studies
1️⃣4️⃣ Missing Data
1️⃣5️⃣ Network Meta-Analysis
1️⃣6️⃣ Quality Assessment
1️⃣7️⃣ Scientific Writing
1️⃣8️⃣ Ethics in Systematic Reviews
📄 کتاب به زبان ساده نوشته شده و دارای ۲۳۶ صفحه است.
💸 قیمت اصلی کتاب: ۱۲۵ دلار 😅
📥 اما نگران نباشید! فایل کامل کتاب برای دانلود رایگان در پیوست قرار داده شده است.
(امیدواریم نویسندگان گرامی رضایت داشته باشند 🙏😉)
📎 اگر علاقهمند به تحقیقات پزشکی، مرور سیستماتیک و متاآنالیز هستید، مطالعه این کتاب رو از دست ندید! 🔍📊
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤2
📛 هوش مصنوعی، ممنوع در داوری مقالات لنست!
✍️ در سرمقالهای از سوی Laura Hart، سردبیر مجله The Lancet Neurology، اعلام شد:
🔹 گروه مجلات لنست استفاده از ابزارهای هوش مصنوعی مولد (Generative AI) را در فرایند داوری همتا (Peer Review) به طور کامل ممنوع کردهاند. 🚫🤖
📌 نکات کلیدی این بیانیه:
📈 در سالهای اخیر، انتشار علمی به سرعت در حال تحول بوده است.
✨ سال ۲۰۲۴ با چالشها و فرصتهای تازه، بهویژه با ظهور هوش مصنوعی مولد همراه شد.
📜 اما به گفته Laura Hart:
🧠 تفکر انتقادی و ارزیابی دقیق از ملزومات داوری علمی است و هنوز هیچ الگوریتمی نمیتواند جای آن را بگیرد.
📎 مهمترین دلیل این تصمیم:
🛑 ارسال مقالات منتشرنشده به مدلهای زبانی بزرگ، ناقض محرمانگی است.
📚 گروه Lancet با ۲۵ مجله علمی، حالا موضع روشنی درباره استفاده از AI در فرآیند داوری دارد:
.
🔍 اگر به حوزه پژوهش، نشر علمی و هوش مصنوعی علاقهمند هستی، این تغییر رو جدی بگیر!
🌐 دنیای علم داره سریعتر از همیشه شکل جدیدی به خودش میگیره...
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
✍️ در سرمقالهای از سوی Laura Hart، سردبیر مجله The Lancet Neurology، اعلام شد:
🔹 گروه مجلات لنست استفاده از ابزارهای هوش مصنوعی مولد (Generative AI) را در فرایند داوری همتا (Peer Review) به طور کامل ممنوع کردهاند. 🚫🤖
📌 نکات کلیدی این بیانیه:
📈 در سالهای اخیر، انتشار علمی به سرعت در حال تحول بوده است.
✨ سال ۲۰۲۴ با چالشها و فرصتهای تازه، بهویژه با ظهور هوش مصنوعی مولد همراه شد.
📜 اما به گفته Laura Hart:
«با اینکه Generative AI ظرفیتهای هیجانانگیزی دارد، ولی ریسکهایی چون کاهش دقت، سوگیری و نقض محرمانگی را نیز به همراه دارد.»
🧠 تفکر انتقادی و ارزیابی دقیق از ملزومات داوری علمی است و هنوز هیچ الگوریتمی نمیتواند جای آن را بگیرد.
📎 مهمترین دلیل این تصمیم:
🛑 ارسال مقالات منتشرنشده به مدلهای زبانی بزرگ، ناقض محرمانگی است.
📚 گروه Lancet با ۲۵ مجله علمی، حالا موضع روشنی درباره استفاده از AI در فرآیند داوری دارد:
کاملاً ممنوع است
.
🔍 اگر به حوزه پژوهش، نشر علمی و هوش مصنوعی علاقهمند هستی، این تغییر رو جدی بگیر!
🌐 دنیای علم داره سریعتر از همیشه شکل جدیدی به خودش میگیره...
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
👌2
📌 استفاده از عبارات سهبخشی در عنوان مقالات علمی، راهکاری برای افزایش استناد بهتازگی مقالهای با عنوان
Pattern, Perception, and Performance: Tripartite Phrases in Academic Paper Titles
(الگو، ادراک و عملکرد: عبارات سهبخشی در عناوین مقالات علمی)
توسط Bornmann و Wohlrabe در قالب یکی از شمارههای نشریه CESifo Working Paper منتشر شده است.
در این مطالعه، نویسندگان بررسی کردهاند که استفاده از عبارات سهبخشی (Tripartite Phrases) در عناوین مقالات علمی چه تأثیری بر میزان استناد (Citations) به این مقالات دارد.
عبارات سهبخشی، ساختارهایی هستند که شامل سه عنصر مرتبط میباشند و معمولاً با ویرگول و حروف ربط به یکدیگر متصل میشوند. برای مثال:
pattern, perception, and performance
📊 یافتههای کلیدی این پژوهش:
تحلیل دادهها از دو مجموعه بزرگ شامل:
▪️ ۲۳۵,۳۳۰ مقاله در حوزه اقتصاد
▪️ ۹۳,۷۱۳ مقاله در حوزه پزشکی و علوم زیستی
نشان داد که مقالاتی با عناوین سهبخشی، بهطور معناداری استناد بیشتری دریافت میکنند:
▪️ در اقتصاد: بهطور میانگین ۳.۵ استناد بیشتر
▪️ در پزشکی و علوم زیستی: بهطور میانگین ۳۲ استناد بیشتر
این تفاوت حتی پس از کنترل عوامل مختلف مانند ویژگیهای مقاله، مشخصات مجله و سال انتشار همچنان مشاهده شد. در حوزه پزشکی، نتایج حتی با در نظر گرفتن ارزیابیهای کیفی توسط متخصصان نیز معتبر باقی ماند.
📈 سهم عناوین سهبخشی از کل مقالات منتشر شده:
▫️ حوزه اقتصاد: حدود ۹٪
▫️ حوزه پزشکی و علوم زیستی: حدود ۴٪
این ارقام نشان میدهد که استفاده از این سبک نگارش عنوان، بهتدریج به یک رویکرد پذیرفتهشده در نگارش علمی تبدیل شده است.
🧾 نمونههایی از عناوین سهبخشی در مقالات منتشرشده:
🔬 پزشکی و علوم زیستی:
Hepatitis C in pregnancy: screening, treatment, and management
Hospitalization, surgery, and incident dementia
Red meat, dairy, and insulin sensitivity
💼 اقتصاد:
Envy, inequality and fertility
Trade, development, and poverty-induced comparative advantage
Housing, adjustment costs, and macro dynamics
🔍 این یافتهها میتواند برای نویسندگان علمی، بهویژه پژوهشگران جوان، بهعنوان یک راهکار ساده اما مؤثر در جهت افزایش تأثیرگذاری و دیدهشدن مقالاتشان در فضای آکادمیک مورد توجه قرار گیرد.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
Pattern, Perception, and Performance: Tripartite Phrases in Academic Paper Titles
(الگو، ادراک و عملکرد: عبارات سهبخشی در عناوین مقالات علمی)
توسط Bornmann و Wohlrabe در قالب یکی از شمارههای نشریه CESifo Working Paper منتشر شده است.
در این مطالعه، نویسندگان بررسی کردهاند که استفاده از عبارات سهبخشی (Tripartite Phrases) در عناوین مقالات علمی چه تأثیری بر میزان استناد (Citations) به این مقالات دارد.
عبارات سهبخشی، ساختارهایی هستند که شامل سه عنصر مرتبط میباشند و معمولاً با ویرگول و حروف ربط به یکدیگر متصل میشوند. برای مثال:
pattern, perception, and performance
📊 یافتههای کلیدی این پژوهش:
تحلیل دادهها از دو مجموعه بزرگ شامل:
▪️ ۲۳۵,۳۳۰ مقاله در حوزه اقتصاد
▪️ ۹۳,۷۱۳ مقاله در حوزه پزشکی و علوم زیستی
نشان داد که مقالاتی با عناوین سهبخشی، بهطور معناداری استناد بیشتری دریافت میکنند:
▪️ در اقتصاد: بهطور میانگین ۳.۵ استناد بیشتر
▪️ در پزشکی و علوم زیستی: بهطور میانگین ۳۲ استناد بیشتر
این تفاوت حتی پس از کنترل عوامل مختلف مانند ویژگیهای مقاله، مشخصات مجله و سال انتشار همچنان مشاهده شد. در حوزه پزشکی، نتایج حتی با در نظر گرفتن ارزیابیهای کیفی توسط متخصصان نیز معتبر باقی ماند.
📈 سهم عناوین سهبخشی از کل مقالات منتشر شده:
▫️ حوزه اقتصاد: حدود ۹٪
▫️ حوزه پزشکی و علوم زیستی: حدود ۴٪
این ارقام نشان میدهد که استفاده از این سبک نگارش عنوان، بهتدریج به یک رویکرد پذیرفتهشده در نگارش علمی تبدیل شده است.
🧾 نمونههایی از عناوین سهبخشی در مقالات منتشرشده:
🔬 پزشکی و علوم زیستی:
Hepatitis C in pregnancy: screening, treatment, and management
Hospitalization, surgery, and incident dementia
Red meat, dairy, and insulin sensitivity
💼 اقتصاد:
Envy, inequality and fertility
Trade, development, and poverty-induced comparative advantage
Housing, adjustment costs, and macro dynamics
🔍 این یافتهها میتواند برای نویسندگان علمی، بهویژه پژوهشگران جوان، بهعنوان یک راهکار ساده اما مؤثر در جهت افزایش تأثیرگذاری و دیدهشدن مقالاتشان در فضای آکادمیک مورد توجه قرار گیرد.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
👍2
📢 بیانیه CONSORT نسخه 2025 منتشر شد
🔸 پس از ۱۵ سال، نسخه جدید بیانیه CONSORT برای گزارش مطالعات کارآزمایی بالینی تصادفی (RCT) منتشر شد.
🗓 سابقه و ضرورت بازنگری
آخرین ویرایش بیانیه CONSORT در سال ۲۰۱۰ ارائه شده بود. با گذشت زمان و تحول در پژوهشهای علمی، نیاز به بازنگری در ساختار گزارشدهی مطالعات RCT نسخه 2025 سرانجام منتشر شد.
🆕 تفاوتهای اصلی CONSORT 2025 با نسخه ۲۰۱۰
✅ افزایش تعداد آیتمها:
از ۲۵ آیتم به ۳۰ آیتم، با سازماندهی در ۶ حیطه اصلی:
1. عنوان و چکیده (Title & Abstract)
2. علم باز (Open Science) – حیطه جدید
3. مقدمه (Introduction)
4. روشها (Methods)
5. نتایج (Results)
6. بحث (Discussion)
🧩 تغییرات مهم:
✳️ ۷ آیتم جدید:
- آیتم 4: اشتراکگذاری دادهها، کدهای آماری و منابع مرتبط
- آیتم 5b: بیان شفاف تضاد منافع مالی و غیرمالی
- آیتم 8: مشارکت بیماران و جامعه در طراحی مطالعه
- آیتم 12b: معیارهای انتخاب مراکز یا افراد ارائهدهنده مداخله
- آیتم 15: نحوه ارزیابی عوارض ناخواسته (افزودهشده از CONSORT Harms)
- آیتمهای 21b و 21c: تحلیل شرکتکنندگان و دادههای گمشده
- آیتمهای 24a و 24b: جزئیات اجرای مداخله و مراقبتهای همراه
🔄 ۳ آیتم بازنگریشده:
- آیتم 3: محل دسترسی به پروتکل و برنامه تحلیل آماری
- آیتم 10: گزارش تغییرات مهم پس از شروع مطالعه
- آیتم 26: تعداد شرکتکنندگان در تحلیلها و دادههای در دسترس
❌ حذف یک آیتم:
- Generalizability حذف شده و محتوای آن اکنون در آیتم 30 (limitations) گنجانده شده است.
🔗 هماهنگی با سایر دستورالعملها
نسخه جدید کاملاً با SPIRIT 2025 هماهنگ است و آیتمهایی از extensions همچون:
- Harms
- Outcomes
- Non-pharmacological treatments
را نیز در خود ادغام کرده است؛ بنابراین نیازی به استفاده جداگانه از آنها نیست و فرآیند نگارش برای نویسندگان تسهیل شده است.
📰 انتشار رسمی
بیانیه CONSORT 2025 همزمان در مجلات علمی مطرح از جمله:
JAMA – Lancet – BMJ – Nature Medicine – PLoS Medicine
منتشر شده
https://www.bmj.com/content/389/bmj-2024-081124
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
🔸 پس از ۱۵ سال، نسخه جدید بیانیه CONSORT برای گزارش مطالعات کارآزمایی بالینی تصادفی (RCT) منتشر شد.
🗓 سابقه و ضرورت بازنگری
آخرین ویرایش بیانیه CONSORT در سال ۲۰۱۰ ارائه شده بود. با گذشت زمان و تحول در پژوهشهای علمی، نیاز به بازنگری در ساختار گزارشدهی مطالعات RCT نسخه 2025 سرانجام منتشر شد.
🆕 تفاوتهای اصلی CONSORT 2025 با نسخه ۲۰۱۰
✅ افزایش تعداد آیتمها:
از ۲۵ آیتم به ۳۰ آیتم، با سازماندهی در ۶ حیطه اصلی:
1. عنوان و چکیده (Title & Abstract)
2. علم باز (Open Science) – حیطه جدید
3. مقدمه (Introduction)
4. روشها (Methods)
5. نتایج (Results)
6. بحث (Discussion)
🧩 تغییرات مهم:
✳️ ۷ آیتم جدید:
- آیتم 4: اشتراکگذاری دادهها، کدهای آماری و منابع مرتبط
- آیتم 5b: بیان شفاف تضاد منافع مالی و غیرمالی
- آیتم 8: مشارکت بیماران و جامعه در طراحی مطالعه
- آیتم 12b: معیارهای انتخاب مراکز یا افراد ارائهدهنده مداخله
- آیتم 15: نحوه ارزیابی عوارض ناخواسته (افزودهشده از CONSORT Harms)
- آیتمهای 21b و 21c: تحلیل شرکتکنندگان و دادههای گمشده
- آیتمهای 24a و 24b: جزئیات اجرای مداخله و مراقبتهای همراه
🔄 ۳ آیتم بازنگریشده:
- آیتم 3: محل دسترسی به پروتکل و برنامه تحلیل آماری
- آیتم 10: گزارش تغییرات مهم پس از شروع مطالعه
- آیتم 26: تعداد شرکتکنندگان در تحلیلها و دادههای در دسترس
❌ حذف یک آیتم:
- Generalizability حذف شده و محتوای آن اکنون در آیتم 30 (limitations) گنجانده شده است.
🔗 هماهنگی با سایر دستورالعملها
نسخه جدید کاملاً با SPIRIT 2025 هماهنگ است و آیتمهایی از extensions همچون:
- Harms
- Outcomes
- Non-pharmacological treatments
را نیز در خود ادغام کرده است؛ بنابراین نیازی به استفاده جداگانه از آنها نیست و فرآیند نگارش برای نویسندگان تسهیل شده است.
📰 انتشار رسمی
بیانیه CONSORT 2025 همزمان در مجلات علمی مطرح از جمله:
JAMA – Lancet – BMJ – Nature Medicine – PLoS Medicine
منتشر شده
https://www.bmj.com/content/389/bmj-2024-081124
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
The BMJ
CONSORT 2025 explanation and elaboration: updated guideline for reporting randomised trials
Critical appraisal of the quality of randomised trials is possible only if their design, conduct, analysis, and results are completely and accurately reported. Without transparent reporting of the methods and results, readers will not be able to fully evaluate…
👌2❤1
🤖 معرفی Grok 3 – هوش مصنوعی جدید شرکت xAI
شرکت xAI، متعلق به ایلان ماسک، اخیراً از جدیدترین مدل زبانی خود با نام Grok 3 رونمایی کرده است؛ مدلی که به گفته ماسک، «باهوشترین هوش مصنوعی جهان» است.
🚀 ویژگیهای برجسته Grok 3
- ۱۰ برابر قدرتمندتر از نسخه قبلی (Grok 2)
- توسعهیافته با استفاده از ابررایانهی Colossus و بیش از ۲۰۰٬۰۰۰ واحد پردازش گرافیکی (GPU)
- عملکرد درخشان در حوزههای ریاضی، کدنویسی، تحلیل داده و استدلال منطقی
- دسترسی رایگان و محدود برای عموم کاربران، برخلاف برنامه اولیه که مبتنی بر اشتراک بود43dcd9a7-70db-4a1f-b0ae-981daa162054
🧠 قابلیتهای کلیدی:
🔍 DeepSearch
ابزاری پیشرفته برای جستجوی عمیق و دقیق، مناسب برای تحقیقات علمی و آکادمیک.
💭 Think
مدلی ویژه برای استدلال و حل مسائل پیچیده؛ با توانایی تحلیل چندمرحلهای و بررسی گزینههای مختلف پیش از پاسخگویی.
🖼 تولید تصویر
توانایی خلق تصاویر واقعگرایانه و باکیفیت، مناسب برای کاربردهای گرافیکی و بصری.
🆕 بهروزرسانی مداوم
در واقع Grok 3 برخلاف بسیاری از مدلهای دیگر، دارای دانش بهروز و پویا است. خودش میگوید:
> «یه چیز دیگه که من رو خاص میکنه، اینه که دانشم مدام بهروز میشه – برخلاف بعضی مدلها که یه تاریخ قطعی دانش دارن، من همیشه در حال یادگیریام و تا همین امروز، ۲۰ فوریه ۲۰۲۵، بهروزم.»
🔗 دسترسی به Grok 3
برای استفاده از Grok 3، کاربران میتوانند از طریق پلتفرم X (توییتر سابق) یا وبسایت رسمی xAI اقدام کنند. نسخههای مختلفی از جمله Grok 3 mini نیز در دسترس هستند که برای استفاده سریعتر طراحی شدهاند.
https://grok.com
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و در پروژه های علوم پزشکی و زیستی⚡️
شرکت xAI، متعلق به ایلان ماسک، اخیراً از جدیدترین مدل زبانی خود با نام Grok 3 رونمایی کرده است؛ مدلی که به گفته ماسک، «باهوشترین هوش مصنوعی جهان» است.
🚀 ویژگیهای برجسته Grok 3
- ۱۰ برابر قدرتمندتر از نسخه قبلی (Grok 2)
- توسعهیافته با استفاده از ابررایانهی Colossus و بیش از ۲۰۰٬۰۰۰ واحد پردازش گرافیکی (GPU)
- عملکرد درخشان در حوزههای ریاضی، کدنویسی، تحلیل داده و استدلال منطقی
- دسترسی رایگان و محدود برای عموم کاربران، برخلاف برنامه اولیه که مبتنی بر اشتراک بود43dcd9a7-70db-4a1f-b0ae-981daa162054
🧠 قابلیتهای کلیدی:
🔍 DeepSearch
ابزاری پیشرفته برای جستجوی عمیق و دقیق، مناسب برای تحقیقات علمی و آکادمیک.
💭 Think
مدلی ویژه برای استدلال و حل مسائل پیچیده؛ با توانایی تحلیل چندمرحلهای و بررسی گزینههای مختلف پیش از پاسخگویی.
🖼 تولید تصویر
توانایی خلق تصاویر واقعگرایانه و باکیفیت، مناسب برای کاربردهای گرافیکی و بصری.
🆕 بهروزرسانی مداوم
در واقع Grok 3 برخلاف بسیاری از مدلهای دیگر، دارای دانش بهروز و پویا است. خودش میگوید:
> «یه چیز دیگه که من رو خاص میکنه، اینه که دانشم مدام بهروز میشه – برخلاف بعضی مدلها که یه تاریخ قطعی دانش دارن، من همیشه در حال یادگیریام و تا همین امروز، ۲۰ فوریه ۲۰۲۵، بهروزم.»
🔗 دسترسی به Grok 3
برای استفاده از Grok 3، کاربران میتوانند از طریق پلتفرم X (توییتر سابق) یا وبسایت رسمی xAI اقدام کنند. نسخههای مختلفی از جمله Grok 3 mini نیز در دسترس هستند که برای استفاده سریعتر طراحی شدهاند.
https://grok.com
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و در پروژه های علوم پزشکی و زیستی⚡️
❤2👏1
📈 نرمافزاری تخصصی برای ترسیم نمودارهای پیچیده و حرفهای - Grapher
در دنیای تحلیل دادهها، ابزارهایی مانند Excel و SPSS پاسخگوی بسیاری از نیازهای ما هستند. اما وقتی پای نمودارهای پیچیده، دقیق و سفارشی به میان میآید، به نرمافزاری نیاز داریم که فراتر از امکانات معمول عمل کند.
✨ آشنایی با Grapher از Golden Software
محصول شرکت آمریکایی Golden Software است؛ نرمافزاری قدرتمند و تخصصی برای ترسیم نمودارهای دو و سهبعدی علمی، مهندسی و آماری. این شرکت با شعار الهامبخش:
> If You Can Imagine It, You Can Graph It!
> اگر چیزی را بتوانی تصور کنی، میتوانی آن را ترسیم کنی!
نشان داده که هدفش، خلق ابزاری برای تجسم خلاقانه و دقیق دادههاست
🎯 ویژگیهای برجسته Grapher
- بیش از ۷۰ نوع نمودار شامل نمودارهای خطی، قطبی، سطحی، برداری، آماری، سهبعدی و ترکیبی
- در واقع Graph Wizard برای ساخت نمودارهای سفارشی با چند کلیک ساده
- الگوهای آماده برای شروع سریع و حرفهای
- خروجی با کیفیت بالا در فرمتهایی مانند PDF، PNG، TIF و ...
- سازگاری با فرمتهای دادهای متنوع مانند Excel، CSV، Access و DBF
- ابزارهای تحلیلی داخلی برای برازش منحنی، محاسبه آمارهها و تحلیل روندها
- قابلیت اتوماسیون با استفاده از اسکریپتنویسی برای صرفهجویی در زمان
- رابط کاربری ساده و قابل شخصیسازی برای کاربران مبتدی تا حرفهای
🧪 مناسب برای چه کسانی است؟
در واقع Grapher انتخابی ایدهآل برای:
- پژوهشگران و دانشجویان تحصیلات تکمیلی
- مهندسان و تحلیلگران داده
- زمینشناسان، زیستشناسان، فیزیکدانان و متخصصان علوم محیطی
- افرادی که به دنبال نمودارهایی با دقت علمی و جلوه بصری بالا هستند
📥 نسخه آزمایشی و دسترسی
نسخه آزمایشی ۱۴ روزه این نرمافزار از طریق وبسایت رسمی Golden Software قابل دانلود است. البته نسخه کامل آن نیاز به خرید لایسنس دارد — که اگر با نرمافزارهای کرکشده مشکلی نداشته باشید، شاید راههای دیگری هم برای تجربه آن وجود داشته باشد .
https://soft98.ir/software/engineering/15258-golden-software-grapher.html
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
در دنیای تحلیل دادهها، ابزارهایی مانند Excel و SPSS پاسخگوی بسیاری از نیازهای ما هستند. اما وقتی پای نمودارهای پیچیده، دقیق و سفارشی به میان میآید، به نرمافزاری نیاز داریم که فراتر از امکانات معمول عمل کند.
✨ آشنایی با Grapher از Golden Software
محصول شرکت آمریکایی Golden Software است؛ نرمافزاری قدرتمند و تخصصی برای ترسیم نمودارهای دو و سهبعدی علمی، مهندسی و آماری. این شرکت با شعار الهامبخش:
> If You Can Imagine It, You Can Graph It!
> اگر چیزی را بتوانی تصور کنی، میتوانی آن را ترسیم کنی!
نشان داده که هدفش، خلق ابزاری برای تجسم خلاقانه و دقیق دادههاست
🎯 ویژگیهای برجسته Grapher
- بیش از ۷۰ نوع نمودار شامل نمودارهای خطی، قطبی، سطحی، برداری، آماری، سهبعدی و ترکیبی
- در واقع Graph Wizard برای ساخت نمودارهای سفارشی با چند کلیک ساده
- الگوهای آماده برای شروع سریع و حرفهای
- خروجی با کیفیت بالا در فرمتهایی مانند PDF، PNG، TIF و ...
- سازگاری با فرمتهای دادهای متنوع مانند Excel، CSV، Access و DBF
- ابزارهای تحلیلی داخلی برای برازش منحنی، محاسبه آمارهها و تحلیل روندها
- قابلیت اتوماسیون با استفاده از اسکریپتنویسی برای صرفهجویی در زمان
- رابط کاربری ساده و قابل شخصیسازی برای کاربران مبتدی تا حرفهای
🧪 مناسب برای چه کسانی است؟
در واقع Grapher انتخابی ایدهآل برای:
- پژوهشگران و دانشجویان تحصیلات تکمیلی
- مهندسان و تحلیلگران داده
- زمینشناسان، زیستشناسان، فیزیکدانان و متخصصان علوم محیطی
- افرادی که به دنبال نمودارهایی با دقت علمی و جلوه بصری بالا هستند
📥 نسخه آزمایشی و دسترسی
نسخه آزمایشی ۱۴ روزه این نرمافزار از طریق وبسایت رسمی Golden Software قابل دانلود است. البته نسخه کامل آن نیاز به خرید لایسنس دارد — که اگر با نرمافزارهای کرکشده مشکلی نداشته باشید، شاید راههای دیگری هم برای تجربه آن وجود داشته باشد .
https://soft98.ir/software/engineering/15258-golden-software-grapher.html
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤2
📚 مرور متون و سنتز شواهد با Ai2 ScholarQA
حالا Ai2 ScholarQA یک سرویس نوآورانه و آزمایشی است که توسط شرکت Allen Institute for AI (Ai2) و با همکاری موتور جستجوی علمی Semantic Scholar توسعه یافته است. این ابزار با هدف تسهیل فرآیند مرور متون علمی و سنتز شواهد از چندین مقاله طراحی شده و به پژوهشگران کمک میکند تا پاسخهایی دقیق، عمیق و مبتنی بر شواهد به سؤالات علمی خود بیابند.
🔍 چرا ScholarQA؟
مرور متون علمی یکی از پرچالشترین و زمانبرترین مراحل پژوهش است. در حالی که ابزارهای هوش مصنوعی میتوانند پاسخهایی از یک مقاله استخراج کنند، پژوهشگران اغلب نیاز دارند:
- چندین مقاله را مقایسه کنند
- اطلاعات را خلاصهسازی نمایند
- و روابط پیچیده میان یافتهها را درک کنند
در واقع ScholarQA دقیقاً برای پاسخ به این نیاز طراحی شده است.
🧠 قابلیتهای کلیدی ScholarQA
- پاسخ به سؤالات علمی چندمنبعی با استفاده از مدلهای پیشرفته زبانی
- مقایسههای جدولی بین مقالات برای تحلیل دقیقتر
- بخشهای قابل گسترش برای زیرموضوعات مختلف
- ارجاع به مقالات همراه با گزیدههایی از متن برای تأیید پاسخها
- سازگار با Semantic Scholar API برای جستجوی پیشرفته در میان میلیونها مقاله
- استفاده از مدل Claude Sonnet 3.5 برای پردازش زبان طبیعی و تولید پاسخهای ساختاریافت.
🧪 پشتصحنه فنی
ScholarQA از معماری RAG (Retrieval-Augmented Generation) بهره میبرد و فرآیند پاسخدهی آن شامل سه مرحله است43dcd9a7-70db-4a1f-b0ae-981daa162054:
1. استخراج نقلقولها از مقالات مرتبط
2. برنامهریزی ساختار پاسخ و خوشهبندی اطلاعات
3. تولید گزارش نهایی با استناد به منابع و ساختار منطقی
این سیستم از پایگاه دادهای شامل بیش از ۱۱ میلیون مقاله کامل و ۱۰۰ میلیون چکیده استفاده می کند.
🌐 دسترسی و استفاده
برای استفاده از ScholarQA میتوانید به وبسایت رسمی Ai2 ScholarQA مراجعه کنید. این سرویس بهویژه برای پژوهشگرانی که در حوزههایی با دسترسی آزاد به مقالات (مانند arXiv) فعالیت میکنند، بسیار مفید است.
https://scholarqa.allen.ai/
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
حالا Ai2 ScholarQA یک سرویس نوآورانه و آزمایشی است که توسط شرکت Allen Institute for AI (Ai2) و با همکاری موتور جستجوی علمی Semantic Scholar توسعه یافته است. این ابزار با هدف تسهیل فرآیند مرور متون علمی و سنتز شواهد از چندین مقاله طراحی شده و به پژوهشگران کمک میکند تا پاسخهایی دقیق، عمیق و مبتنی بر شواهد به سؤالات علمی خود بیابند.
🔍 چرا ScholarQA؟
مرور متون علمی یکی از پرچالشترین و زمانبرترین مراحل پژوهش است. در حالی که ابزارهای هوش مصنوعی میتوانند پاسخهایی از یک مقاله استخراج کنند، پژوهشگران اغلب نیاز دارند:
- چندین مقاله را مقایسه کنند
- اطلاعات را خلاصهسازی نمایند
- و روابط پیچیده میان یافتهها را درک کنند
در واقع ScholarQA دقیقاً برای پاسخ به این نیاز طراحی شده است.
🧠 قابلیتهای کلیدی ScholarQA
- پاسخ به سؤالات علمی چندمنبعی با استفاده از مدلهای پیشرفته زبانی
- مقایسههای جدولی بین مقالات برای تحلیل دقیقتر
- بخشهای قابل گسترش برای زیرموضوعات مختلف
- ارجاع به مقالات همراه با گزیدههایی از متن برای تأیید پاسخها
- سازگار با Semantic Scholar API برای جستجوی پیشرفته در میان میلیونها مقاله
- استفاده از مدل Claude Sonnet 3.5 برای پردازش زبان طبیعی و تولید پاسخهای ساختاریافت.
🧪 پشتصحنه فنی
ScholarQA از معماری RAG (Retrieval-Augmented Generation) بهره میبرد و فرآیند پاسخدهی آن شامل سه مرحله است43dcd9a7-70db-4a1f-b0ae-981daa162054:
1. استخراج نقلقولها از مقالات مرتبط
2. برنامهریزی ساختار پاسخ و خوشهبندی اطلاعات
3. تولید گزارش نهایی با استناد به منابع و ساختار منطقی
این سیستم از پایگاه دادهای شامل بیش از ۱۱ میلیون مقاله کامل و ۱۰۰ میلیون چکیده استفاده می کند.
🌐 دسترسی و استفاده
برای استفاده از ScholarQA میتوانید به وبسایت رسمی Ai2 ScholarQA مراجعه کنید. این سرویس بهویژه برای پژوهشگرانی که در حوزههایی با دسترسی آزاد به مقالات (مانند arXiv) فعالیت میکنند، بسیار مفید است.
https://scholarqa.allen.ai/
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
👍2❤1
🧠 عناوین مقالاتِ تولیدشده توسط هوش مصنوعی مولد: یک تحلیل زبانشناختی جالب
در شماره اخیر مجله Learned Publishing، مقالهای با عنوان:
> ‘AI-navigating’ or ‘AI-sinking’? An analysis of verbs in research articles noscripts suspicious of containing AI-generated/assisted content
منتشر شده که به بررسی تأثیر هوش مصنوعی مولد (Generative AI) بر زبانشناسی عناوین مقالات علمی میپردازد.
🔍 هدف مطالعه
محققان با مشاهده افزایش استفاده از برخی افعال خاص در عناوین مقالات، این فرضیه را مطرح کردند که ابزارهای GAI ممکن است در حال تغییر سبک نگارش علمی باشند — بهویژه در انتخاب افعال پرزرقوبرق و اغراقآمیز.
🧪 روششناسی پژوهش
مطالعه در دو مرحله انجام شد:
1. شناسایی افعال مشکوک
- تهیه فهرستی از افعال پرتکرار و غیرمعمول در عناوین
- انتخاب ۴۰ چکیده از حوزههای علمی مختلف
- تولید ۲۰۰ عنوان مقاله با استفاده از مدل ChatGPT 4.0
- استخراج ۱۵ فعل با رشد چشمگیر از سال ۲۰۲۳ به بعد
2. تحلیل کتابسنجی (Bibliometric Analysis)
- بررسی روند استفاده از این افعال در پایگاه Scopus تا ۳۱ مارس ۲۰۲۴
- پیشبینی رشد تا پایان سال ۲۰۲۴
- تحلیل ویژگیهای مقالات دارای این افعال
📈 نتایج کلیدی
🔹 دستهبندی افعال بر اساس نرخ رشد:
دسته افعال درصد رشد
رشد بالا Revolutionizing، Unleashing، Unveiling تا ۳۸۱٪
رشد متوسط Unravelling، Advancing، Harnessing ۵۰٪ تا ۱۰۰٪
رشد پایین Deciphering، Exploring، Leveraging، Bridging زیر ۵۰٪
🔹 تخمین تولید عناوین با کمک GAI:
> حدود ۶۳٬۷۸۰ عنوان مقاله در سالهای ۲۰۲۳–۲۰۲۴ با کمک هوش مصنوعی تولید شدهاند.
🔹 رشد استفاده از افعال در مناطق مختلف:
- کشورهای غیرانگلیسیزبان: ۱۴۴.۵٪
- کشورهای انگلیسیزبان: ۵۹.۸٪
🔹 بیشترین رشد در حوزهها:
- مقالات چندرشتهای: ۱۸۵.۲۱٪
- علوم و مهندسی: ۱۳۷.۶۹٪
- علوم سلامت: ۱۲۴.۵۱٪
📌 فهرست کامل افعال و نرخ رشد سالانه
🧭 نتیجهگیری و توصیهها
این مطالعه نشان میدهد که هوش مصنوعی مولد در حال شکلدهی به زبان علمی است — بهویژه در سطح عناوین. محققان پیشنهاد میکنند که:
- دستورالعملهایی برای استفاده اخلاقی و شفاف از GAI تدوین شود
- اصالت، خلاقیت و صداقت علمی در نگارش حفظ گردد
- پژوهشهای بیشتری در حوزه زبانشناسی علمی و تأثیر فناوری انجام شود
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
در شماره اخیر مجله Learned Publishing، مقالهای با عنوان:
> ‘AI-navigating’ or ‘AI-sinking’? An analysis of verbs in research articles noscripts suspicious of containing AI-generated/assisted content
منتشر شده که به بررسی تأثیر هوش مصنوعی مولد (Generative AI) بر زبانشناسی عناوین مقالات علمی میپردازد.
🔍 هدف مطالعه
محققان با مشاهده افزایش استفاده از برخی افعال خاص در عناوین مقالات، این فرضیه را مطرح کردند که ابزارهای GAI ممکن است در حال تغییر سبک نگارش علمی باشند — بهویژه در انتخاب افعال پرزرقوبرق و اغراقآمیز.
🧪 روششناسی پژوهش
مطالعه در دو مرحله انجام شد:
1. شناسایی افعال مشکوک
- تهیه فهرستی از افعال پرتکرار و غیرمعمول در عناوین
- انتخاب ۴۰ چکیده از حوزههای علمی مختلف
- تولید ۲۰۰ عنوان مقاله با استفاده از مدل ChatGPT 4.0
- استخراج ۱۵ فعل با رشد چشمگیر از سال ۲۰۲۳ به بعد
2. تحلیل کتابسنجی (Bibliometric Analysis)
- بررسی روند استفاده از این افعال در پایگاه Scopus تا ۳۱ مارس ۲۰۲۴
- پیشبینی رشد تا پایان سال ۲۰۲۴
- تحلیل ویژگیهای مقالات دارای این افعال
📈 نتایج کلیدی
🔹 دستهبندی افعال بر اساس نرخ رشد:
دسته افعال درصد رشد
رشد بالا Revolutionizing، Unleashing، Unveiling تا ۳۸۱٪
رشد متوسط Unravelling، Advancing، Harnessing ۵۰٪ تا ۱۰۰٪
رشد پایین Deciphering، Exploring، Leveraging، Bridging زیر ۵۰٪
🔹 تخمین تولید عناوین با کمک GAI:
> حدود ۶۳٬۷۸۰ عنوان مقاله در سالهای ۲۰۲۳–۲۰۲۴ با کمک هوش مصنوعی تولید شدهاند.
🔹 رشد استفاده از افعال در مناطق مختلف:
- کشورهای غیرانگلیسیزبان: ۱۴۴.۵٪
- کشورهای انگلیسیزبان: ۵۹.۸٪
🔹 بیشترین رشد در حوزهها:
- مقالات چندرشتهای: ۱۸۵.۲۱٪
- علوم و مهندسی: ۱۳۷.۶۹٪
- علوم سلامت: ۱۲۴.۵۱٪
📌 فهرست کامل افعال و نرخ رشد سالانه
Revolutionizing: 381%
Unleashing: 208%
Unveiling: 157%
Unlocking: 137.2%
Unravelling: 88.75%
Navigating: 73.55%
Uncovering: 70.65%
Advancing: 65.55%
Harnessing: 63.15%
Enhancing: 62.9%
Pioneering: 54.1%
Deciphering: 43.95%
Exploring: 41.55%
Leveraging: 28.5%
Bridging: 23.75%
🧭 نتیجهگیری و توصیهها
این مطالعه نشان میدهد که هوش مصنوعی مولد در حال شکلدهی به زبان علمی است — بهویژه در سطح عناوین. محققان پیشنهاد میکنند که:
- دستورالعملهایی برای استفاده اخلاقی و شفاف از GAI تدوین شود
- اصالت، خلاقیت و صداقت علمی در نگارش حفظ گردد
- پژوهشهای بیشتری در حوزه زبانشناسی علمی و تأثیر فناوری انجام شود
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
👍3❤2
🔎 معرفی Matilda – موتور جستجوی علمی نسل جدید
در حالی که Google Scholar همچنان یکی از پرکاربردترین ابزارهای جستجوی علمی در جهان است، اما در سالهای اخیر، ابزارهای نوآورانهتری وارد میدان شدهاند که امکانات پیشرفتهتری را در اختیار پژوهشگران قرار میدهند. یکی از این ابزارها، موتور جستجوی Matilda است.
🌟 موتور جستجوی و جو Matilda چیست؟
یک موتور جستجوی علمی متنباز و رایگان است که توسط مؤسسه Allen Institute for AI و با الهام از مفهوم Matilda Effect طراحی شده است. این ابزار با هدف افزایش شفافیت، دسترسی آزاد و تحلیل دقیقتر منابع علمی توسعه یافته و در حال حاضر بیش از ۱۴۰ میلیون رکورد علمی را پوشش میدهد
🧠 ویژگیهای کلیدی Matilda
- پوشش گسترده منابع علمی: شامل مقالات ژورنالی، پیشچاپها، فصلهای کتاب، و دادههای Crossref، PubMed، ArXiv و RePEc43dcd9a7-70db-4a1f-b0ae-981daa162054
- پشتیبانی از عملگرهای بولی: AND، OR، NOT برای جستجوی دقیقتر
- جستجوی عبارتی: با قرار دادن اصطلاحات در " "
- فیلترهای پیشرفته: محدودسازی نتایج بر اساس نوع مدرک، تاریخ، نویسنده، DOI، ORCID و ...
- نمایش همزمان رفرنسها و استنادات (Citations) برای هر مدرک
- امکان اشتراک در نتایج جستجو یا آثار نویسندگان از طریق RSS Feed
- قابلیت خروجی گرفتن در فرمتهای BibTeX و استفاده در ابزارهایی مانند Zotero
- دسترسی سریع به متن کامل مقالات از طریق Unpaywall (در صورت وجود نسخه آزاد)
📌 چرا باید از Matilda استفاده کنیم؟
اگر به دنبال ابزاری هستید که:
- دادههای علمی را با شفافیت و دقت بالا ارائه دهد
- امکان تحلیل کتابسنجی و استنادی را فراهم کند
- دسترسی آزاد به منابع علمی را تسهیل کند
- و در عین حال رایگان و بدون محدودیت تجاری باشد
در واقع Matilda میتواند انتخابی هوشمندانه برای پژوهشگران، دانشجویان و کتابداران باشد.
https://matilda.science/
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
در حالی که Google Scholar همچنان یکی از پرکاربردترین ابزارهای جستجوی علمی در جهان است، اما در سالهای اخیر، ابزارهای نوآورانهتری وارد میدان شدهاند که امکانات پیشرفتهتری را در اختیار پژوهشگران قرار میدهند. یکی از این ابزارها، موتور جستجوی Matilda است.
🌟 موتور جستجوی و جو Matilda چیست؟
یک موتور جستجوی علمی متنباز و رایگان است که توسط مؤسسه Allen Institute for AI و با الهام از مفهوم Matilda Effect طراحی شده است. این ابزار با هدف افزایش شفافیت، دسترسی آزاد و تحلیل دقیقتر منابع علمی توسعه یافته و در حال حاضر بیش از ۱۴۰ میلیون رکورد علمی را پوشش میدهد
🧠 ویژگیهای کلیدی Matilda
- پوشش گسترده منابع علمی: شامل مقالات ژورنالی، پیشچاپها، فصلهای کتاب، و دادههای Crossref، PubMed، ArXiv و RePEc43dcd9a7-70db-4a1f-b0ae-981daa162054
- پشتیبانی از عملگرهای بولی: AND، OR، NOT برای جستجوی دقیقتر
- جستجوی عبارتی: با قرار دادن اصطلاحات در " "
- فیلترهای پیشرفته: محدودسازی نتایج بر اساس نوع مدرک، تاریخ، نویسنده، DOI، ORCID و ...
- نمایش همزمان رفرنسها و استنادات (Citations) برای هر مدرک
- امکان اشتراک در نتایج جستجو یا آثار نویسندگان از طریق RSS Feed
- قابلیت خروجی گرفتن در فرمتهای BibTeX و استفاده در ابزارهایی مانند Zotero
- دسترسی سریع به متن کامل مقالات از طریق Unpaywall (در صورت وجود نسخه آزاد)
📌 چرا باید از Matilda استفاده کنیم؟
اگر به دنبال ابزاری هستید که:
- دادههای علمی را با شفافیت و دقت بالا ارائه دهد
- امکان تحلیل کتابسنجی و استنادی را فراهم کند
- دسترسی آزاد به منابع علمی را تسهیل کند
- و در عین حال رایگان و بدون محدودیت تجاری باشد
در واقع Matilda میتواند انتخابی هوشمندانه برای پژوهشگران، دانشجویان و کتابداران باشد.
https://matilda.science/
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
👍2❤1
🧬 تغییرات جدید در PubMed Central (PMC) – نسخه مدرنسازیشده ۲۰۲۴
حالا PubMed Central (PMC) که بهاختصار PMC نامیده میشود، یکی از مهمترین آرشیوهای رایگان متن کامل مقالات در حوزههای زیستپزشکی و علوم زیستی است. این پایگاه توسط کتابخانه ملی پزشکی آمریکا (NLM) مدیریت میشود و در حال حاضر بیش از ۱۰ میلیون و ۳۳۰ هزار رکورد را در خود جای داده است.
🔍 تفاوت PubMed و PubMed Central
- هنگام جستجو در PubMed با کلیدواژههای آزاد، بیش از ۹۲٪ رکوردهای PMC نیز بهصورت پیشفرض در نتایج ظاهر میشوند.
- با این حال، PMC یک پایگاه مستقل است و حدود ۸٪ از رکوردهای آن در PubMed وجود ندارند.
- برخلاف پایگاه MEDLINE که صرفاً کتابشناختی است، PMC یک پایگاه تماممتن (Full-text Database) محسوب میشود.
> هرچند NLM ترجیح میدهد PMC را «آرشیو» بنامد، اما از نظر عملکردی، تمام ویژگیهای یک دیتابیس علمی را داراست.
🆕 تغییرات مهم در PMC – اکتبر ۲۰۲۴
در تاریخ ۱۶ اکتبر ۲۰۲۴، نسخه جدیدی از وبسایت PMC منتشر شد که گامی مهم در راستای مدرنسازی تجربه کاربری و هماهنگی با سایر محصولات NLM از جمله PubMed بهشمار میرود.
🔄 تغییرات کلیدی:
1. تغییر آدرس اصلی وبسایت:
از:
https://www.ncbi.nlm.nih.gov/pmc
به:
https://pmc.ncbi.nlm.nih.gov43dcd9a7-70db-4a1f-b0ae-981daa162054
2. نمایش جدید مقالات:
طراحی رابط کاربری مقالات بهروزرسانی شده تا خوانایی و دسترسیپذیری در نسخه HTML بهبود یابد.
3. فهرست مجلات PMC:
بازطراحی شده و اکنون اطلاعات دقیقتری درباره وضعیت آرشیو هر مجله ارائه میدهد
4. زیرساخت ابری:
نسخه جدید بر بستر خدمات ابری اجرا میشود تا پایداری و امنیت بلندمدت آن تضمین شود
5. هماهنگی با استانداردهای طراحی وب ایالات متحده (USWDS):
برای بهبود تجربه کاربران دسکتاپ، موبایل و ابزارهای کمکی مانند صفحهخوانها
📌 نتیجهگیری
نسخه جدید PMC نهتنها از نظر ظاهری مدرنتر شده، بلکه از نظر فنی نیز گامی بزرگ بهسوی دسترسی عادلانه، پایدار و کاربرمحور به منابع علمی برداشته است. این تغییرات به پژوهشگران کمک میکند تا با سرعت و دقت بیشتری به متن کامل مقالات علمی دسترسی داشته باشند.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
حالا PubMed Central (PMC) که بهاختصار PMC نامیده میشود، یکی از مهمترین آرشیوهای رایگان متن کامل مقالات در حوزههای زیستپزشکی و علوم زیستی است. این پایگاه توسط کتابخانه ملی پزشکی آمریکا (NLM) مدیریت میشود و در حال حاضر بیش از ۱۰ میلیون و ۳۳۰ هزار رکورد را در خود جای داده است.
🔍 تفاوت PubMed و PubMed Central
- هنگام جستجو در PubMed با کلیدواژههای آزاد، بیش از ۹۲٪ رکوردهای PMC نیز بهصورت پیشفرض در نتایج ظاهر میشوند.
- با این حال، PMC یک پایگاه مستقل است و حدود ۸٪ از رکوردهای آن در PubMed وجود ندارند.
- برخلاف پایگاه MEDLINE که صرفاً کتابشناختی است، PMC یک پایگاه تماممتن (Full-text Database) محسوب میشود.
> هرچند NLM ترجیح میدهد PMC را «آرشیو» بنامد، اما از نظر عملکردی، تمام ویژگیهای یک دیتابیس علمی را داراست.
🆕 تغییرات مهم در PMC – اکتبر ۲۰۲۴
در تاریخ ۱۶ اکتبر ۲۰۲۴، نسخه جدیدی از وبسایت PMC منتشر شد که گامی مهم در راستای مدرنسازی تجربه کاربری و هماهنگی با سایر محصولات NLM از جمله PubMed بهشمار میرود.
🔄 تغییرات کلیدی:
1. تغییر آدرس اصلی وبسایت:
از:
https://www.ncbi.nlm.nih.gov/pmc
به:
https://pmc.ncbi.nlm.nih.gov43dcd9a7-70db-4a1f-b0ae-981daa162054
2. نمایش جدید مقالات:
طراحی رابط کاربری مقالات بهروزرسانی شده تا خوانایی و دسترسیپذیری در نسخه HTML بهبود یابد.
3. فهرست مجلات PMC:
بازطراحی شده و اکنون اطلاعات دقیقتری درباره وضعیت آرشیو هر مجله ارائه میدهد
4. زیرساخت ابری:
نسخه جدید بر بستر خدمات ابری اجرا میشود تا پایداری و امنیت بلندمدت آن تضمین شود
5. هماهنگی با استانداردهای طراحی وب ایالات متحده (USWDS):
برای بهبود تجربه کاربران دسکتاپ، موبایل و ابزارهای کمکی مانند صفحهخوانها
📌 نتیجهگیری
نسخه جدید PMC نهتنها از نظر ظاهری مدرنتر شده، بلکه از نظر فنی نیز گامی بزرگ بهسوی دسترسی عادلانه، پایدار و کاربرمحور به منابع علمی برداشته است. این تغییرات به پژوهشگران کمک میکند تا با سرعت و دقت بیشتری به متن کامل مقالات علمی دسترسی داشته باشند.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
PubMed Central (PMC)
PMC is a free full-text archive of biomedical and life sciences journal literature at the U.S. National Institutes of Health's National Library of Medicine (NIH/NLM).
👍2❤1
📊 کتابسنجی N مقاله پراستناد در حوزه Y
تحلیلی بر الگوها، روشها و تنبلیهای پژوهشی!
🔍 مقدمه
در سالهای اخیر، مقالات کتابسنجی با عنوانهایی مانند:
> “X most-cited articles in/on [topic]”
> یا
> “A Bibliometric/Scientometric Analysis of the X Most Cited Articles in [discipline]”
بهشدت رایج شدهاند. این مقالات با هدف شناسایی آثار تأثیرگذار در یک حوزه خاص، از پایگاههایی مانند Scopus یا Web of Science (WOS) استفاده میکنند و مقالاتی را که بیشترین استناد را دریافت کردهاند، استخراج و تحلیل میکنند.
🧪 آیا غربالگری انجام میشود؟
پاسخ کوتاه: در اغلب موارد، خیر!
اما بیایید با ۴ سناریوی رایج آشنا شویم:
1. مقالات پراستناد یک مجله
📌 روش: جستجوی تمام مقالات یک مجله در Scopus/WOS و مرتبسازی بر اساس تعداد استناد
📌 غربالگری؟ ❌
📌 نمونه:
The 100 most cited articles in the Journal of NeuroInterventional Surgery
> “The top 100 articles were ranked according to their number of citations.”
2. مقالات پراستناد چندین مجله
📌 روش: انتخاب چند مجله مرتبط با یک حوزه و مرتبسازی بر اساس استناد
📌 غربالگری؟ ❌
📌 نمونه:
The top 100 most-cited papers in Paediatric Dentistry journals: A bibliometric analysis
3. مقالات پراستناد یک طبقه موضوعی
📌 روش: استفاده از دستهبندیهای موضوعی داخلی Scopus یا WOS
📌 غربالگری؟ ❌
📌 نمونه:
The Top 100 Most Cited Scientific Papers in the Public, Environmental & Occupational Health Category of Web of Science
4. مقالات پراستناد یک موضوع خاص
📌 روش: جستجوی آزاد با کلیدواژهها
📌 غربالگری؟ ✅
📌 نمونه:
A bibliometric study of the top 100 most-cited papers in neuroendocrine prostate cancer
> البته جستجوی آنها فقط در عنوان (TI) بوده و غربالگری چندان سختگیرانه نبوده است!
🔢 چند مقاله را بررسی کنیم؟ از ۵ تا ۱۰۰۰!
در بیشتر مطالعات، ۱۰۰ مقاله پراستناد بررسی میشود. اما تنوع جالبی در تعداد مقالات انتخابی وجود دارد:
تعداد مقالات نمونه عنوان مقاله
۱۰۰۰ Top 1000 Most Cited Papers in World Neurosurgery
۵۰۰ A Bibliometric Analysis of the 500 Most Cited Papers in Orthopaedic Oncology
۳۰۰ The 300 most cited articles published in periodontology
۲۰۰ Traumatic spinal cord and spinal column injuries: A bibliometric analysis of the 200 most cited articles
۱۰۰ The 100 most cited articles in [Journal/Field]
۵۰ The 50 most cited articles on soft tissue integration of dental implants
۲۵ The 25 Most Cited Articles in Pediatric Orthopaedic Sports Medicine
۲۰ A Bibliometric Analysis of the 20 Most Cited Articles on Sacrococcygeal Chordomas
۱۰ The top 10 most-cited articles on the management of fractured instruments
> برخی پژوهشگران با انتخاب تعداد بالا، به دنبال جلب توجه سردبیران هستند؛ برخی دیگر با انتخاب تعداد پایین، مسیر راحتتری را برمیگزینند!
📌 جمعبندی
مطالعات کتابسنجی بر مقالات پراستناد، ابزاری مفید برای شناسایی آثار تأثیرگذار در هر حوزه هستند. اما باید توجه داشت که:
- در اغلب موارد، غربالگری دقیق انجام نمیشود
- انتخاب تعداد مقالات، بیشتر سلیقهای است تا مبتنی بر استاندارد علمی
- استفاده از این مقالات باید با درک محدودیتهای روششناختی همراه باشد
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
تحلیلی بر الگوها، روشها و تنبلیهای پژوهشی!
🔍 مقدمه
در سالهای اخیر، مقالات کتابسنجی با عنوانهایی مانند:
> “X most-cited articles in/on [topic]”
> یا
> “A Bibliometric/Scientometric Analysis of the X Most Cited Articles in [discipline]”
بهشدت رایج شدهاند. این مقالات با هدف شناسایی آثار تأثیرگذار در یک حوزه خاص، از پایگاههایی مانند Scopus یا Web of Science (WOS) استفاده میکنند و مقالاتی را که بیشترین استناد را دریافت کردهاند، استخراج و تحلیل میکنند.
🧪 آیا غربالگری انجام میشود؟
پاسخ کوتاه: در اغلب موارد، خیر!
اما بیایید با ۴ سناریوی رایج آشنا شویم:
1. مقالات پراستناد یک مجله
📌 روش: جستجوی تمام مقالات یک مجله در Scopus/WOS و مرتبسازی بر اساس تعداد استناد
📌 غربالگری؟ ❌
📌 نمونه:
The 100 most cited articles in the Journal of NeuroInterventional Surgery
> “The top 100 articles were ranked according to their number of citations.”
2. مقالات پراستناد چندین مجله
📌 روش: انتخاب چند مجله مرتبط با یک حوزه و مرتبسازی بر اساس استناد
📌 غربالگری؟ ❌
📌 نمونه:
The top 100 most-cited papers in Paediatric Dentistry journals: A bibliometric analysis
3. مقالات پراستناد یک طبقه موضوعی
📌 روش: استفاده از دستهبندیهای موضوعی داخلی Scopus یا WOS
📌 غربالگری؟ ❌
📌 نمونه:
The Top 100 Most Cited Scientific Papers in the Public, Environmental & Occupational Health Category of Web of Science
4. مقالات پراستناد یک موضوع خاص
📌 روش: جستجوی آزاد با کلیدواژهها
📌 غربالگری؟ ✅
📌 نمونه:
A bibliometric study of the top 100 most-cited papers in neuroendocrine prostate cancer
> البته جستجوی آنها فقط در عنوان (TI) بوده و غربالگری چندان سختگیرانه نبوده است!
🔢 چند مقاله را بررسی کنیم؟ از ۵ تا ۱۰۰۰!
در بیشتر مطالعات، ۱۰۰ مقاله پراستناد بررسی میشود. اما تنوع جالبی در تعداد مقالات انتخابی وجود دارد:
تعداد مقالات نمونه عنوان مقاله
۱۰۰۰ Top 1000 Most Cited Papers in World Neurosurgery
۵۰۰ A Bibliometric Analysis of the 500 Most Cited Papers in Orthopaedic Oncology
۳۰۰ The 300 most cited articles published in periodontology
۲۰۰ Traumatic spinal cord and spinal column injuries: A bibliometric analysis of the 200 most cited articles
۱۰۰ The 100 most cited articles in [Journal/Field]
۵۰ The 50 most cited articles on soft tissue integration of dental implants
۲۵ The 25 Most Cited Articles in Pediatric Orthopaedic Sports Medicine
۲۰ A Bibliometric Analysis of the 20 Most Cited Articles on Sacrococcygeal Chordomas
۱۰ The top 10 most-cited articles on the management of fractured instruments
> برخی پژوهشگران با انتخاب تعداد بالا، به دنبال جلب توجه سردبیران هستند؛ برخی دیگر با انتخاب تعداد پایین، مسیر راحتتری را برمیگزینند!
📌 جمعبندی
مطالعات کتابسنجی بر مقالات پراستناد، ابزاری مفید برای شناسایی آثار تأثیرگذار در هر حوزه هستند. اما باید توجه داشت که:
- در اغلب موارد، غربالگری دقیق انجام نمیشود
- انتخاب تعداد مقالات، بیشتر سلیقهای است تا مبتنی بر استاندارد علمی
- استفاده از این مقالات باید با درک محدودیتهای روششناختی همراه باشد
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
👍2❤1
🤝🤖 همکاری انسان و هوش مصنوعی در مرورهای سیستماتیک؛ آیا دوران مرورگر دوم به پایان رسیده؟
در روند اجرای مرورهای سیستماتیک، سه مرحله کلیدی یعنی غربالگری مطالعات اولیه، ارزیابی کیفیت روششناسی (Risk of Bias)، و استخراج دادهها، طبق اصول متدولوژیک، باید توسط دو مرورگر انسانی بهصورت مستقل انجام شود.
هرگونه اختلاف میان آنها، از طریق بحث و گفتوگو یا نظر مرورگر سوم حلوفصل میگردد تا در پایان، توافق صد درصدی حاصل شود.
اما اکنون، مطالعهای نوآورانه از Woelfle و همکاران که در سال ۲۰۲۴ در Journal of Clinical Epidemiology منتشر شده، این ساختار کلاسیک را به چالش کشیده و سؤالی مهم را مطرح میکند:
✨ آیا هوش مصنوعی میتواند بهعنوان مرورگر دوم وارد میدان شود؟
🧪 طراحی مطالعه چه بود؟
در این پژوهش، محققان عملکرد پنج مدل زبانی بزرگ (LLMs) شامل Claude-3-Opus، Claude-2، GPT-4، GPT-3.5 و Mixtral-8x22B را در کنار انسان بررسی کردند. برای این ارزیابی، از سه ابزار معتبر در حوزه مرور و طراحی مطالعات استفاده شد:
گزارشدهی مرورهای سیستماتیک است : PRISMA
سنجش کیفیت مرورهای سیستماتیک : AMSTAR
برای بررسی میزان عملگرایی کارآزماییهای بالینی : PRECIS-2
ابتدا دو مرورگر انسانی مجرب، چکلیستهای مربوطه را برای مجموعهای از مطالعات کامل کردند و از طریق اجماع، نتایج نهایی را تولید کردند که بهعنوان «استاندارد طلایی» در نظر گرفته شد.
سپس چهار سناریو مقایسهای اجرا شد تا میزان تطابق با این استاندارد بررسی شود:
عملکرد یک انسان تنها 👩⚕️
عملکرد هر مدل هوش مصنوعی بهتنهایی 🤖
عملکرد ترکیبی چند مدل LLM با هم 🔗
عملکرد ترکیبی یک انسان + یک مدل LLM 💡
📊 نتایج چه میگویند؟
🔸 عملکرد یک مرورگر انسانی بهتنهایی، از همه مدلهای هوش مصنوعی بهتر بود.
🔸 ترکیب چند مدل هوش مصنوعی نیز نتوانست از انسان پیشی بگیرد.
✅ اما نکته کلیدی اینجاست: وقتی یک انسان با یک مدل هوش مصنوعی قدرتمند (مثل Claude-3-Opus یا GPT-3.5) همکاری میکند، نتیجه به طرز قابلتوجهی بهبود مییابد.
برای مثال، در ابزارهایی مانند PRISMA و AMSTAR، این ترکیب به توافقهایی در حد ۹۵٪ تا ۹۶٪ با استاندارد طلایی رسید.
🔻 اما در ابزار پیچیدهتر PRECIS-2، حتی این همکاری نیز فقط به سطح توافق ۸۶٪ رسید که از نظر پژوهشگران برای جایگزینی مرورگر دوم کافی نیست.
📌 جمعبندی و پیام کلیدی:
🧠 عملکرد مدلهای زبانی همچنان فاصله قابلتوجهی با دقت انسان دارد،
اما همکاری هدفمند انسان و AI میتواند در برخی وظایف مرورهای سیستماتیک – مانند تکمیل PRISMA و AMSTAR – نقش مرورگر دوم را کاهش یا حتی حذف کند.
🚫 با این حال، در ابزارهای پیشرفتهتر و حساستری مانند PRECIS-2، فعلاً نمیتوان چنین جایگزینی را پیشنهاد کرد.
🛑 چند نکته مهم:
📍 این مطالعه تنها روی مرورهای حوزه جراحی کودکان انجام شده و ممکن است در سایر حوزهها نتایج متفاوت باشد.
📍 از مدلهای پیشرفتهتر مانند GPT-4o یا Claude 3.5 Sonnet استفاده نشده؛ در حالیکه این نسخهها طبق گزارشها، دقت و سرعت بهمراتب بالاتری دارند.
✅ نتیجهگیری نهایی:
هوش مصنوعی هنوز جای انسان را نگرفته...
اما با یک همکاری هوشمندانه، میتواند دستیار بینقصی برای متخصصان مرور سیستماتیک باشد.
🌐 آینده، ترکیبی از دانش انسانی و قدرت محاسباتی هوش مصنوعی خواهد بود!
https://www.sciencedirect.com/science/article/abs/pii/S0895435624002890
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
در روند اجرای مرورهای سیستماتیک، سه مرحله کلیدی یعنی غربالگری مطالعات اولیه، ارزیابی کیفیت روششناسی (Risk of Bias)، و استخراج دادهها، طبق اصول متدولوژیک، باید توسط دو مرورگر انسانی بهصورت مستقل انجام شود.
هرگونه اختلاف میان آنها، از طریق بحث و گفتوگو یا نظر مرورگر سوم حلوفصل میگردد تا در پایان، توافق صد درصدی حاصل شود.
اما اکنون، مطالعهای نوآورانه از Woelfle و همکاران که در سال ۲۰۲۴ در Journal of Clinical Epidemiology منتشر شده، این ساختار کلاسیک را به چالش کشیده و سؤالی مهم را مطرح میکند:
✨ آیا هوش مصنوعی میتواند بهعنوان مرورگر دوم وارد میدان شود؟
🧪 طراحی مطالعه چه بود؟
در این پژوهش، محققان عملکرد پنج مدل زبانی بزرگ (LLMs) شامل Claude-3-Opus، Claude-2، GPT-4، GPT-3.5 و Mixtral-8x22B را در کنار انسان بررسی کردند. برای این ارزیابی، از سه ابزار معتبر در حوزه مرور و طراحی مطالعات استفاده شد:
گزارشدهی مرورهای سیستماتیک است : PRISMA
سنجش کیفیت مرورهای سیستماتیک : AMSTAR
برای بررسی میزان عملگرایی کارآزماییهای بالینی : PRECIS-2
ابتدا دو مرورگر انسانی مجرب، چکلیستهای مربوطه را برای مجموعهای از مطالعات کامل کردند و از طریق اجماع، نتایج نهایی را تولید کردند که بهعنوان «استاندارد طلایی» در نظر گرفته شد.
سپس چهار سناریو مقایسهای اجرا شد تا میزان تطابق با این استاندارد بررسی شود:
عملکرد یک انسان تنها 👩⚕️
عملکرد هر مدل هوش مصنوعی بهتنهایی 🤖
عملکرد ترکیبی چند مدل LLM با هم 🔗
عملکرد ترکیبی یک انسان + یک مدل LLM 💡
📊 نتایج چه میگویند؟
🔸 عملکرد یک مرورگر انسانی بهتنهایی، از همه مدلهای هوش مصنوعی بهتر بود.
🔸 ترکیب چند مدل هوش مصنوعی نیز نتوانست از انسان پیشی بگیرد.
✅ اما نکته کلیدی اینجاست: وقتی یک انسان با یک مدل هوش مصنوعی قدرتمند (مثل Claude-3-Opus یا GPT-3.5) همکاری میکند، نتیجه به طرز قابلتوجهی بهبود مییابد.
برای مثال، در ابزارهایی مانند PRISMA و AMSTAR، این ترکیب به توافقهایی در حد ۹۵٪ تا ۹۶٪ با استاندارد طلایی رسید.
🔻 اما در ابزار پیچیدهتر PRECIS-2، حتی این همکاری نیز فقط به سطح توافق ۸۶٪ رسید که از نظر پژوهشگران برای جایگزینی مرورگر دوم کافی نیست.
📌 جمعبندی و پیام کلیدی:
🧠 عملکرد مدلهای زبانی همچنان فاصله قابلتوجهی با دقت انسان دارد،
اما همکاری هدفمند انسان و AI میتواند در برخی وظایف مرورهای سیستماتیک – مانند تکمیل PRISMA و AMSTAR – نقش مرورگر دوم را کاهش یا حتی حذف کند.
🚫 با این حال، در ابزارهای پیشرفتهتر و حساستری مانند PRECIS-2، فعلاً نمیتوان چنین جایگزینی را پیشنهاد کرد.
🛑 چند نکته مهم:
📍 این مطالعه تنها روی مرورهای حوزه جراحی کودکان انجام شده و ممکن است در سایر حوزهها نتایج متفاوت باشد.
📍 از مدلهای پیشرفتهتر مانند GPT-4o یا Claude 3.5 Sonnet استفاده نشده؛ در حالیکه این نسخهها طبق گزارشها، دقت و سرعت بهمراتب بالاتری دارند.
✅ نتیجهگیری نهایی:
هوش مصنوعی هنوز جای انسان را نگرفته...
اما با یک همکاری هوشمندانه، میتواند دستیار بینقصی برای متخصصان مرور سیستماتیک باشد.
🌐 آینده، ترکیبی از دانش انسانی و قدرت محاسباتی هوش مصنوعی خواهد بود!
https://www.sciencedirect.com/science/article/abs/pii/S0895435624002890
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤3👏3
📘 Systematic Approaches to a Successful Literature Review
نویسندگان: Andrew Booth, Anthea Sutton
ناشر: SAGE Publications
ویرایش سوم: 2022 | تعداد صفحات: 425 صفحه
🔍 نگاهی جامع به هنر مرور نظاممند متون علمی
کتاب ارزشمند Systematic Approaches to a Successful Literature Review یکی از جامعترین و تخصصیترین منابع در زمینه مرور نظاممند متون و سنتز شواهد علمی است. این کتاب که نخستین ویرایش آن در سال ۲۰۱۲ منتشر شد و پس از آن در سالهای ۲۰۱۶ (ویرایش دوم) و ۲۰۲۲ (ویرایش سوم) بهروزرسانی شده، توسط دو چهره شناختهشده در حوزه مرورهای نظاممند، Andrew Booth و Anthea Sutton تألیف شده است.
📚 اگر قصد انجام هر نوع مرور یا سنتز شواهد را دارید — از مرور سیستماتیک گرفته تا مرور اسکوپینگ، مرور سریع، مرور روایتی یا سایر اعضای «خانواده مرورها» — این کتاب ابزاری ضروری برای شماست. نویسندگان با رویکردی ساختارمند، گامبهگام فرآیند مرور ادبیات را از انتخاب روش تا تحلیل دادهها و نگارش نهایی آموزش میدهند.
📊 فهرست فصلهای کتاب:
1️⃣ آشنایی با خانواده مرورها
مروری کلی بر انواع مرورها و جایگاه هر یک در پژوهشهای علمی.
2️⃣ شروع مرور متون: از کجا باید آغاز کرد؟
مبانی و پیشنیازهای آغاز یک مرور مؤثر.
3️⃣ انتخاب روش مناسب مرور
راهنمایی در خصوص انتخاب دقیق نوع مرور متناسب با پرسش پژوهشی.
4️⃣ تعریف دامنه مطالعه
نحوه تعیین حدود، مرزها و چارچوب مرور.
5️⃣ جستوجوی نظاممند در منابع علمی
تکنیکهای پیشرفته جستوجوی ادبیات علمی و پایگاههای اطلاعاتی.
6️⃣ ارزیابی شواهد و مطالعات
ارزیابی کیفیت و قابلیت اعتماد دادهها.
7️⃣ تحلیل و سنتز مطالعات کمی
روشهای تلفیق دادههای عددی و متاآنالیز.
8️⃣ تحلیل و سنتز مطالعات کیفی
شیوههای بررسی و ترکیب دادههای توصیفی و تفسیری.
9️⃣ تحلیل دادههای ترکیبی (Mixed Methods)
ترکیب رویکردهای کمی و کیفی در سنتز شواهد.
🔟 نگارش، ارائه و انتشار مرور نهایی
راهنمایی برای نوشتن گزارش مرور، ارائه آن در کنفرانسها و چاپ در مجلات علمی.
📎 جمعبندی:
این کتاب بهعنوان راهنمایی همهجانبه برای پژوهشگران، دانشجویان تحصیلات تکمیلی، و حتی اساتید دانشگاهی، امکان ارتقای کیفیت مرور متون را بهشکل چشمگیری فراهم میسازد. ساختار دقیق، منابع بهروز، و مثالهای واقعی آن را به منبعی قابل اتکا در مطالعات مرور محور بدل کرده است.
🧠 پیشنهاد ویژه: اگر در ابتدای مسیر یک مرور سیستماتیک یا مرور اسکوپینگ هستید، این کتاب را بهعنوان مرجع اصلی خود در نظر بگیرید.
https://my.uupload.ir/dl/0j5MAOVo
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
نویسندگان: Andrew Booth, Anthea Sutton
ناشر: SAGE Publications
ویرایش سوم: 2022 | تعداد صفحات: 425 صفحه
🔍 نگاهی جامع به هنر مرور نظاممند متون علمی
کتاب ارزشمند Systematic Approaches to a Successful Literature Review یکی از جامعترین و تخصصیترین منابع در زمینه مرور نظاممند متون و سنتز شواهد علمی است. این کتاب که نخستین ویرایش آن در سال ۲۰۱۲ منتشر شد و پس از آن در سالهای ۲۰۱۶ (ویرایش دوم) و ۲۰۲۲ (ویرایش سوم) بهروزرسانی شده، توسط دو چهره شناختهشده در حوزه مرورهای نظاممند، Andrew Booth و Anthea Sutton تألیف شده است.
📚 اگر قصد انجام هر نوع مرور یا سنتز شواهد را دارید — از مرور سیستماتیک گرفته تا مرور اسکوپینگ، مرور سریع، مرور روایتی یا سایر اعضای «خانواده مرورها» — این کتاب ابزاری ضروری برای شماست. نویسندگان با رویکردی ساختارمند، گامبهگام فرآیند مرور ادبیات را از انتخاب روش تا تحلیل دادهها و نگارش نهایی آموزش میدهند.
📊 فهرست فصلهای کتاب:
1️⃣ آشنایی با خانواده مرورها
مروری کلی بر انواع مرورها و جایگاه هر یک در پژوهشهای علمی.
2️⃣ شروع مرور متون: از کجا باید آغاز کرد؟
مبانی و پیشنیازهای آغاز یک مرور مؤثر.
3️⃣ انتخاب روش مناسب مرور
راهنمایی در خصوص انتخاب دقیق نوع مرور متناسب با پرسش پژوهشی.
4️⃣ تعریف دامنه مطالعه
نحوه تعیین حدود، مرزها و چارچوب مرور.
5️⃣ جستوجوی نظاممند در منابع علمی
تکنیکهای پیشرفته جستوجوی ادبیات علمی و پایگاههای اطلاعاتی.
6️⃣ ارزیابی شواهد و مطالعات
ارزیابی کیفیت و قابلیت اعتماد دادهها.
7️⃣ تحلیل و سنتز مطالعات کمی
روشهای تلفیق دادههای عددی و متاآنالیز.
8️⃣ تحلیل و سنتز مطالعات کیفی
شیوههای بررسی و ترکیب دادههای توصیفی و تفسیری.
9️⃣ تحلیل دادههای ترکیبی (Mixed Methods)
ترکیب رویکردهای کمی و کیفی در سنتز شواهد.
🔟 نگارش، ارائه و انتشار مرور نهایی
راهنمایی برای نوشتن گزارش مرور، ارائه آن در کنفرانسها و چاپ در مجلات علمی.
📎 جمعبندی:
این کتاب بهعنوان راهنمایی همهجانبه برای پژوهشگران، دانشجویان تحصیلات تکمیلی، و حتی اساتید دانشگاهی، امکان ارتقای کیفیت مرور متون را بهشکل چشمگیری فراهم میسازد. ساختار دقیق، منابع بهروز، و مثالهای واقعی آن را به منبعی قابل اتکا در مطالعات مرور محور بدل کرده است.
🧠 پیشنهاد ویژه: اگر در ابتدای مسیر یک مرور سیستماتیک یا مرور اسکوپینگ هستید، این کتاب را بهعنوان مرجع اصلی خود در نظر بگیرید.
https://my.uupload.ir/dl/0j5MAOVo
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤5
از این پس، Rahen Science رو با این چهرهی تازه در سایت، شبکههای اجتماعی، و همهی پلتفرمها خواهید دید.
ممنون از اعتمادی که به ما دارید
همچنان با قدرت در مسیر علم کنار هم خواهیم بود 💙
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
ممنون از اعتمادی که به ما دارید
همچنان با قدرت در مسیر علم کنار هم خواهیم بود 💙
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤6
📚 شبکه LATITUDES: گنجینهای هوشمندانه برای ابزارهای ارزیابی کیفیت مطالعات در سنتز شواهد
🧭یکی از ارکان اساسی در اجرای مرورهای نظاممند و سایر انواع سنتز شواهد، ارزیابی کیفیت و دقت مطالعات اولیه است. این فرایند نه تنها به درک بهتر از میزان قابلیت اعتماد نتایج کمک میکند، بلکه نقش حیاتی در تفسیر یافتهها و تصمیمگیری مبتنی بر شواهد دارد.
🎯در این میان، شبکهی LATITUDES به عنوان یک مرجع تخصصی و جامع، نقش پررنگی در تسهیل دسترسی به ابزارهای ارزیابی مطالعات ایفا میکند. این شبکه، که حاصل همکاری متخصصان حوزه اپیدمیولوژی، روششناسی تحقیق و سنتز شواهد است، بستری یکپارچه برای معرفی، مقایسه و آموزش این ابزارها فراهم آورده است. 🌐🔬
✳️ چه چیزی در LATITUDES پیدا خواهید کرد؟
📌 برای هر ابزار ارزیابی، اطلاعات کاملی در دسترس است، از جمله:
نوع طراحی مطالعه (Study Design) مورد نظر ابزار (مداخلهای، مشاهدهای، کیفی و ...)
حوزه موضوعی کاربرد ابزار (سلامت، آموزش، سیاستگذاری و ...)
لینک مستقیم به مقاله اصلی ابزار و راهنمای استفاده
در دسترس بودن نسخههای قبلی ابزار (در صورت وجود)
معرفی ویژگیهای کلیدی، نقاط قوت و محدودیتها
دستهبندی ابزارها براساس هدف و نوع کاربرد
🧑🏫 همچنین، ویدئوهای آموزشی کاربردی نیز در وبسایت قرار داده شدهاند که نحوه استفاده از هر ابزار را بهصورت گامبهگام آموزش میدهند.
📖 برای آشنایی عمیقتر با روند توسعه و اهداف این شبکه، مطالعهی مقاله منتشرشده توسط توسعهدهندگان سایت در مجله Journal of Clinical Epidemiology توصیه میشود (🔗 در لینک سایت موجود است).
🔗 دسترسی به وبسایت شبکه LATITUDES:
www.latitudes-network.org
📍اگر در مسیر طراحی مرور نظاممند یا سنتز شواهد هستید، مرور این وبسایت میتواند نقطه شروعی قوی و کاربردی برای انتخاب ابزار مناسب ارزیابی مطالعات باشد. استفاده از LATITUDES یعنی گام نهادن در مسیر شفافیت، دقت و علمیبودن تحلیلها.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
🧭یکی از ارکان اساسی در اجرای مرورهای نظاممند و سایر انواع سنتز شواهد، ارزیابی کیفیت و دقت مطالعات اولیه است. این فرایند نه تنها به درک بهتر از میزان قابلیت اعتماد نتایج کمک میکند، بلکه نقش حیاتی در تفسیر یافتهها و تصمیمگیری مبتنی بر شواهد دارد.
🎯در این میان، شبکهی LATITUDES به عنوان یک مرجع تخصصی و جامع، نقش پررنگی در تسهیل دسترسی به ابزارهای ارزیابی مطالعات ایفا میکند. این شبکه، که حاصل همکاری متخصصان حوزه اپیدمیولوژی، روششناسی تحقیق و سنتز شواهد است، بستری یکپارچه برای معرفی، مقایسه و آموزش این ابزارها فراهم آورده است. 🌐🔬
✳️ چه چیزی در LATITUDES پیدا خواهید کرد؟
📌 برای هر ابزار ارزیابی، اطلاعات کاملی در دسترس است، از جمله:
نوع طراحی مطالعه (Study Design) مورد نظر ابزار (مداخلهای، مشاهدهای، کیفی و ...)
حوزه موضوعی کاربرد ابزار (سلامت، آموزش، سیاستگذاری و ...)
لینک مستقیم به مقاله اصلی ابزار و راهنمای استفاده
در دسترس بودن نسخههای قبلی ابزار (در صورت وجود)
معرفی ویژگیهای کلیدی، نقاط قوت و محدودیتها
دستهبندی ابزارها براساس هدف و نوع کاربرد
🧑🏫 همچنین، ویدئوهای آموزشی کاربردی نیز در وبسایت قرار داده شدهاند که نحوه استفاده از هر ابزار را بهصورت گامبهگام آموزش میدهند.
📖 برای آشنایی عمیقتر با روند توسعه و اهداف این شبکه، مطالعهی مقاله منتشرشده توسط توسعهدهندگان سایت در مجله Journal of Clinical Epidemiology توصیه میشود (🔗 در لینک سایت موجود است).
🔗 دسترسی به وبسایت شبکه LATITUDES:
www.latitudes-network.org
📍اگر در مسیر طراحی مرور نظاممند یا سنتز شواهد هستید، مرور این وبسایت میتواند نقطه شروعی قوی و کاربردی برای انتخاب ابزار مناسب ارزیابی مطالعات باشد. استفاده از LATITUDES یعنی گام نهادن در مسیر شفافیت، دقت و علمیبودن تحلیلها.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
Latitudes Network
The LATITUDES Network
The LATITUDES Network collates tools and training resources for validity assessment in evidence synthesis.
❤2👍2
🎓 فاجعهای به نام «ترجمه علمی»؛ وقتی مترجمان ناآگاه علم را تحریف میکنند 📚🚫
در عرصه تولید و انتقال دانش، یکی از مهمترین پلهای ارتباطی میان زبانهای گوناگون، ترجمه علمی است. اما زمانی که این فرآیند حیاتی بهدرستی انجام نشود، نه تنها کمکی به فهم علمی نمیشود، بلکه میتواند مخاطب را به بیراهه کشانده و اصل پیام را تحریف نماید. نمونهای بسیار واضح از این مسئله را میتوان در ترجمه فارسی کتاب Scientific Writing: Thinking in Words مشاهده کرد؛ اثری از David Lindsay که نخستین ویرایش آن در سال ۲۰۱۱ منتشر شد و نسخه دوم آن در سال ۲۰۲۰ به چاپ رسید.
این کتاب، یکی از منابع معتبر و شناختهشده در زمینه آموزش نگارش علمی است. هدف اصلی نویسنده، آموزش تفکر ساختارمند در نگارش علمی بوده است؛ مهارتی که برای هر پژوهشگر و نویسنده دانشگاهی ضروری است.
در سال ۱۳۹۶، نسخه اول این کتاب با عنوان «نوشته علمی = تفکر درباره کلمات» به فارسی ترجمه و منتشر شد. اما متأسفانه این ترجمه، نه تنها با اهداف و محتوای اصلی کتاب همراستا نیست، بلکه در بسیاری از موارد، به شکل نگرانکنندهای نامفهوم، غلط و گمراهکننده است.
🔍 واژهنامهای پر از سوءبرداشت و تحریف مفهومی
یکی از بخشهای مهم این کتاب، واژهنامه انتهایی آن است که بهمنظور شفافسازی اصطلاحات تخصصی نگارش علمی تهیه شده است. اما در ترجمه فارسی، این بخش بهجای آنکه راهگشا باشد، به نمونهای از ترجمههای فاجعهبار بدل شده است. برخی از نمونههای عجیب و تأملبرانگیز عبارتاند از:
Brevity ← «ایجاد» ❌
Ad libbing in talk ← «زادی در گفتگوه» ❌
Acceptance of manunoscripts ← «پذیرش نسخههای خطی» ✅ (تنها ترجمه نسبتاً درست)
Citations ← «تقدیرهای رسمی» ❌
Coping with editors ← «کپیبرداری با ویراستاران» ❌
Coping with referees ← «کپیبرداری با داوران» ❌
Coping with reviewers ← «کپیبرداری با مرورکنندگان» ❌
Funding buddies ← «هئیتهای تأمین وجه» ❌
Proceedings ← «اقدامات» ❌
ترجمههایی که نه تنها نادرستاند، بلکه آشکارا نشان میدهند مترجم درک درستی از مفاهیم علمی و زبان مبدا نداشته است. بهعنوان مثال، Citations به هیچ وجه به معنای «تقدیر رسمی» نیست، بلکه به استنادها یا ارجاعهای علمی اشاره دارد. همچنین Coping with هرگز به معنای «کپیبرداری» نیست، بلکه بیشتر به معنای "مدیریت کردن" یا "کنار آمدن با" استفاده میشود.
✅ نتیجهگیری: مسئولیتپذیری در ترجمه علمی، ضرورتی اخلاقی و حرفهای
مقوله ترجمه علمی، تنها انتقال واژهها نیست، بلکه نیازمند فهم عمیق، تخصص موضوعی، تسلط زبانی، و تعهد حرفهای است. ترجمههای نادرست نهتنها به اعتبار علمی لطمه میزنند، بلکه میتوانند فهم عمومی را نیز دچار بحران کنند.
در نتیجه، لازم است:
ناشران علمی از مترجمان متخصص استفاده کنند؛
دانشگاهیان پیش از انتشار ترجمهها، از ارزیابی کیفی آنها اطمینان حاصل کنند؛
و جامعه علمی، نسبت به ترجمههای سطحی و گمراهکننده، هوشیار و منتقد باشد.
📝 ترجمه خوب، پلی برای دسترسی به علم است؛ اما ترجمه بد، دیواریست در برابر فهم آن.
https://www.marilia.unesp.br/Home/Instituicao/Docentes/RosangelaCaldas/topicosdesenvolvimentodoensaiocientifico/book---scientific-writing.pdf
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
در عرصه تولید و انتقال دانش، یکی از مهمترین پلهای ارتباطی میان زبانهای گوناگون، ترجمه علمی است. اما زمانی که این فرآیند حیاتی بهدرستی انجام نشود، نه تنها کمکی به فهم علمی نمیشود، بلکه میتواند مخاطب را به بیراهه کشانده و اصل پیام را تحریف نماید. نمونهای بسیار واضح از این مسئله را میتوان در ترجمه فارسی کتاب Scientific Writing: Thinking in Words مشاهده کرد؛ اثری از David Lindsay که نخستین ویرایش آن در سال ۲۰۱۱ منتشر شد و نسخه دوم آن در سال ۲۰۲۰ به چاپ رسید.
این کتاب، یکی از منابع معتبر و شناختهشده در زمینه آموزش نگارش علمی است. هدف اصلی نویسنده، آموزش تفکر ساختارمند در نگارش علمی بوده است؛ مهارتی که برای هر پژوهشگر و نویسنده دانشگاهی ضروری است.
در سال ۱۳۹۶، نسخه اول این کتاب با عنوان «نوشته علمی = تفکر درباره کلمات» به فارسی ترجمه و منتشر شد. اما متأسفانه این ترجمه، نه تنها با اهداف و محتوای اصلی کتاب همراستا نیست، بلکه در بسیاری از موارد، به شکل نگرانکنندهای نامفهوم، غلط و گمراهکننده است.
🔍 واژهنامهای پر از سوءبرداشت و تحریف مفهومی
یکی از بخشهای مهم این کتاب، واژهنامه انتهایی آن است که بهمنظور شفافسازی اصطلاحات تخصصی نگارش علمی تهیه شده است. اما در ترجمه فارسی، این بخش بهجای آنکه راهگشا باشد، به نمونهای از ترجمههای فاجعهبار بدل شده است. برخی از نمونههای عجیب و تأملبرانگیز عبارتاند از:
Brevity ← «ایجاد» ❌
Ad libbing in talk ← «زادی در گفتگوه» ❌
Acceptance of manunoscripts ← «پذیرش نسخههای خطی» ✅ (تنها ترجمه نسبتاً درست)
Citations ← «تقدیرهای رسمی» ❌
Coping with editors ← «کپیبرداری با ویراستاران» ❌
Coping with referees ← «کپیبرداری با داوران» ❌
Coping with reviewers ← «کپیبرداری با مرورکنندگان» ❌
Funding buddies ← «هئیتهای تأمین وجه» ❌
Proceedings ← «اقدامات» ❌
ترجمههایی که نه تنها نادرستاند، بلکه آشکارا نشان میدهند مترجم درک درستی از مفاهیم علمی و زبان مبدا نداشته است. بهعنوان مثال، Citations به هیچ وجه به معنای «تقدیر رسمی» نیست، بلکه به استنادها یا ارجاعهای علمی اشاره دارد. همچنین Coping with هرگز به معنای «کپیبرداری» نیست، بلکه بیشتر به معنای "مدیریت کردن" یا "کنار آمدن با" استفاده میشود.
✅ نتیجهگیری: مسئولیتپذیری در ترجمه علمی، ضرورتی اخلاقی و حرفهای
مقوله ترجمه علمی، تنها انتقال واژهها نیست، بلکه نیازمند فهم عمیق، تخصص موضوعی، تسلط زبانی، و تعهد حرفهای است. ترجمههای نادرست نهتنها به اعتبار علمی لطمه میزنند، بلکه میتوانند فهم عمومی را نیز دچار بحران کنند.
در نتیجه، لازم است:
ناشران علمی از مترجمان متخصص استفاده کنند؛
دانشگاهیان پیش از انتشار ترجمهها، از ارزیابی کیفی آنها اطمینان حاصل کنند؛
و جامعه علمی، نسبت به ترجمههای سطحی و گمراهکننده، هوشیار و منتقد باشد.
📝 ترجمه خوب، پلی برای دسترسی به علم است؛ اما ترجمه بد، دیواریست در برابر فهم آن.
https://www.marilia.unesp.br/Home/Instituicao/Docentes/RosangelaCaldas/topicosdesenvolvimentodoensaiocientifico/book---scientific-writing.pdf
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤2👍2
🔍 نقش ابزارهای اتوماسیون در تسهیل مرورهای اسکوپینگ: از تیمسازی تا نگارش نهایی
در عصر انفجار اطلاعات و رشد سریع دادههای علمی، ضرورت انجام مرورهای نظاممند و اسکوپینگ بهعنوان ابزارهایی برای سنتز دانش، بیش از پیش احساس میشود. اما این فرایندها اغلب وقتگیر، پرهزینه و مستعد خطای انسانی هستند. مقالهی اخیر Khalil و همکاران که در ژوئن 2024 در مجله معتبر Research Synthesis Methods منتشر شده، گامی مهم در جهت رفع این چالشها برداشته است. نویسندگان این مقاله با رویکردی نظاممند به معرفی و دستهبندی ابزارهای دیجیتال و سامانههای هوشمند پرداختهاند که میتوانند به اتوماسیون یا نیمهاتوماسیون مراحل مختلف مرورهای اسکوپینگ کمک کنند.
✅ طبقهبندی ابزارها بر اساس مراحل کلیدی مرورهای اسکوپینگ
نویسندگان ابزارهای بررسیشده را بر اساس گامهای هشتگانه مرور اسکوپینگ تقسیمبندی کردهاند. در ادامه، نگاهی دقیقتر به این مراحل و ابزارهای پیشنهادی برای هر یک خواهیم داشت:
👥 1. تشکیل تیم (Team Establishment)
فرایند تشکیل تیم تحقیقاتی، شامل دعوت از پژوهشگران، توزیع نقشها و تسهیل همکاری است. ابزارهایی مانند Covidence، Rayyan و EPPI-Reviewer قابلیت تعریف کاربران، تخصیص وظایف و کنترل کیفیت همکاریها را فراهم میکنند.
📌 مزایا: تسهیل ارتباطات، شفافسازی نقشها، ردیابی فعالیتها
📌 شواهد: بر اساس مطالعهای در Journal of Clinical Epidemiology، استفاده از ابزارهای مدیریت تیم، بهرهوری را تا ۳۰٪ افزایش داده است (Lisy et al., 2023).
🧾 2. تدوین پروتکل (Protocol Development)
تدوین یک پروتکل شفاف، بنیاد مرور اسکوپینگ است. ابزارهایی مانند PROSPERO و Open Science Framework (OSF) امکان ثبت، ویرایش و بهاشتراکگذاری پروتکلها را فراهم کردهاند.
📌 اهمیت: تضمین شفافیت، کاهش سوگیری، امکان بازتولید مطالعه
📌 مثال کاربردی: OSF با قابلیت ثبت نسخههای مختلف، امکان بازبینی و ارزیابی تغییرات را فراهم میسازد.
🔍 3. جستجوی مطالعات (Searches)
مرحلهی جستجوی منابع علمی از پایگاههای مختلف، یکی از پرچالشترین مراحل است. ابزارهایی مانند PubMed Tools, Embase Auto Alerts, و CADTH’s Grey Matters برای افزایش دقت و پوشش جستجو کاربرد دارند.
📌 نکته مهم: استفاده از Boolean operators به همراه جستجوی خودکار و تکرارشونده، باعث بهینهسازی نتایج میشود.
🗃 4. حذف رکوردهای تکراری (Deduplication)
وجود رکوردهای تکراری در نتایج جستجو میتواند تحلیل را مختل کند. ابزارهایی مانند EndNote, Zotero, و Mendeley الگوریتمهای مؤثری برای شناسایی و حذف موارد تکراری ارائه میدهند.
📌 پیشنهاد: ترکیب EndNote با Covidence برای یکپارچهسازی و پاکسازی رکوردها، بهترین نتیجه را دارد.
🧪 5. غربالگری (Screening)
فرایند انتخاب مطالعات مرتبط، از طریق بررسی عنوان، چکیده و متن کامل، بسیار زمانبر است. ابزارهایی مانند Rayyan, Abstrackr, و ASReview با استفاده از الگوریتمهای یادگیری ماشین به اولویتبندی و سرعتبخشی به غربالگری کمک میکنند.
📌 مطالعه موردی: ASReview توانسته زمان غربالگری را تا 60٪ کاهش دهد، بدون تأثیر منفی بر حساسیت انتخاب (van de Schoot et al., 2021).
📤 6. استخراج دادهها (Data Extraction)
جمعآوری دادهها از مقالات منتخب میتواند با کمک ابزارهایی مانند SRDR+, Excel-based templates, یا DistillerSR انجام شود.
📌 مزایا: کاهش خطای انسانی، ایجاد ساختار قابلتحلیل برای دادهها
📌 ویژگی مهم: بسیاری از این ابزارها امکان ورود دادهها به صورت نیمهخودکار با API را دارند.
📊 7. چارتینگ دادهها (Data Charting)
در مرورهای اسکوپینگ، چارتینگ به معنای سازماندهی اطلاعات استخراجشده در قالب جدولها و الگوهای تحلیلی است. NVivo, Tableau, و R (با پکیجهای مثل ggplot2) ابزارهایی برای تجسم دادهها و تحلیل تمها هستند.
📌 پیشنهاد: استفاده از NVivo برای دستهبندی کیفی اطلاعات در کنار Tableau برای تحلیل بصری کمی، نتایج دقیقتری فراهم میکند.
📝 8. نگارش گزارش نهایی (Report Writing)
در مرحله نهایی، نگارش گزارش نهایی با رعایت چارچوبهای PRISMA-ScR ضروری است. ابزارهایی نظیر RevMan, SR Accelerator, و Grammarly for Science میتوانند به ساختاردهی نگارش علمی، بررسی زبان، و قالببندی کمک کنند.
📌 مزیت: خودکارسازی منابع، پیشنهاد ساختارهای علمی و تولید جداول خودکار.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
در عصر انفجار اطلاعات و رشد سریع دادههای علمی، ضرورت انجام مرورهای نظاممند و اسکوپینگ بهعنوان ابزارهایی برای سنتز دانش، بیش از پیش احساس میشود. اما این فرایندها اغلب وقتگیر، پرهزینه و مستعد خطای انسانی هستند. مقالهی اخیر Khalil و همکاران که در ژوئن 2024 در مجله معتبر Research Synthesis Methods منتشر شده، گامی مهم در جهت رفع این چالشها برداشته است. نویسندگان این مقاله با رویکردی نظاممند به معرفی و دستهبندی ابزارهای دیجیتال و سامانههای هوشمند پرداختهاند که میتوانند به اتوماسیون یا نیمهاتوماسیون مراحل مختلف مرورهای اسکوپینگ کمک کنند.
✅ طبقهبندی ابزارها بر اساس مراحل کلیدی مرورهای اسکوپینگ
نویسندگان ابزارهای بررسیشده را بر اساس گامهای هشتگانه مرور اسکوپینگ تقسیمبندی کردهاند. در ادامه، نگاهی دقیقتر به این مراحل و ابزارهای پیشنهادی برای هر یک خواهیم داشت:
👥 1. تشکیل تیم (Team Establishment)
فرایند تشکیل تیم تحقیقاتی، شامل دعوت از پژوهشگران، توزیع نقشها و تسهیل همکاری است. ابزارهایی مانند Covidence، Rayyan و EPPI-Reviewer قابلیت تعریف کاربران، تخصیص وظایف و کنترل کیفیت همکاریها را فراهم میکنند.
📌 مزایا: تسهیل ارتباطات، شفافسازی نقشها، ردیابی فعالیتها
📌 شواهد: بر اساس مطالعهای در Journal of Clinical Epidemiology، استفاده از ابزارهای مدیریت تیم، بهرهوری را تا ۳۰٪ افزایش داده است (Lisy et al., 2023).
🧾 2. تدوین پروتکل (Protocol Development)
تدوین یک پروتکل شفاف، بنیاد مرور اسکوپینگ است. ابزارهایی مانند PROSPERO و Open Science Framework (OSF) امکان ثبت، ویرایش و بهاشتراکگذاری پروتکلها را فراهم کردهاند.
📌 اهمیت: تضمین شفافیت، کاهش سوگیری، امکان بازتولید مطالعه
📌 مثال کاربردی: OSF با قابلیت ثبت نسخههای مختلف، امکان بازبینی و ارزیابی تغییرات را فراهم میسازد.
🔍 3. جستجوی مطالعات (Searches)
مرحلهی جستجوی منابع علمی از پایگاههای مختلف، یکی از پرچالشترین مراحل است. ابزارهایی مانند PubMed Tools, Embase Auto Alerts, و CADTH’s Grey Matters برای افزایش دقت و پوشش جستجو کاربرد دارند.
📌 نکته مهم: استفاده از Boolean operators به همراه جستجوی خودکار و تکرارشونده، باعث بهینهسازی نتایج میشود.
🗃 4. حذف رکوردهای تکراری (Deduplication)
وجود رکوردهای تکراری در نتایج جستجو میتواند تحلیل را مختل کند. ابزارهایی مانند EndNote, Zotero, و Mendeley الگوریتمهای مؤثری برای شناسایی و حذف موارد تکراری ارائه میدهند.
📌 پیشنهاد: ترکیب EndNote با Covidence برای یکپارچهسازی و پاکسازی رکوردها، بهترین نتیجه را دارد.
🧪 5. غربالگری (Screening)
فرایند انتخاب مطالعات مرتبط، از طریق بررسی عنوان، چکیده و متن کامل، بسیار زمانبر است. ابزارهایی مانند Rayyan, Abstrackr, و ASReview با استفاده از الگوریتمهای یادگیری ماشین به اولویتبندی و سرعتبخشی به غربالگری کمک میکنند.
📌 مطالعه موردی: ASReview توانسته زمان غربالگری را تا 60٪ کاهش دهد، بدون تأثیر منفی بر حساسیت انتخاب (van de Schoot et al., 2021).
📤 6. استخراج دادهها (Data Extraction)
جمعآوری دادهها از مقالات منتخب میتواند با کمک ابزارهایی مانند SRDR+, Excel-based templates, یا DistillerSR انجام شود.
📌 مزایا: کاهش خطای انسانی، ایجاد ساختار قابلتحلیل برای دادهها
📌 ویژگی مهم: بسیاری از این ابزارها امکان ورود دادهها به صورت نیمهخودکار با API را دارند.
📊 7. چارتینگ دادهها (Data Charting)
در مرورهای اسکوپینگ، چارتینگ به معنای سازماندهی اطلاعات استخراجشده در قالب جدولها و الگوهای تحلیلی است. NVivo, Tableau, و R (با پکیجهای مثل ggplot2) ابزارهایی برای تجسم دادهها و تحلیل تمها هستند.
📌 پیشنهاد: استفاده از NVivo برای دستهبندی کیفی اطلاعات در کنار Tableau برای تحلیل بصری کمی، نتایج دقیقتری فراهم میکند.
📝 8. نگارش گزارش نهایی (Report Writing)
در مرحله نهایی، نگارش گزارش نهایی با رعایت چارچوبهای PRISMA-ScR ضروری است. ابزارهایی نظیر RevMan, SR Accelerator, و Grammarly for Science میتوانند به ساختاردهی نگارش علمی، بررسی زبان، و قالببندی کمک کنند.
📌 مزیت: خودکارسازی منابع، پیشنهاد ساختارهای علمی و تولید جداول خودکار.
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤4
Media is too big
VIEW IN TELEGRAM
📜✨ پروپوزال، فقط یک سند نیست؛
نقطهی آغاز یک مسیر علمی پرماجراست که با هر مرحلهاش، درک شما از پژوهش ژرفتر میشه 🔍📚
از تعیین ایده 🎯 تا دریافت تأیید نهایی ✅، آگاهی از نکات کلیدی میتونه مسیر رو هموارتر، سریعتر و حرفهایتر کنه 🛤️💼
گاهی توجه به جزئیات به ظاهر ساده ولی حیاتی، تفاوت بین تأیید بیدردسر و چالشهای طولانیه ⏳⚠️
For more information: DM 📥
Tel Admin: rahen_science
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
نقطهی آغاز یک مسیر علمی پرماجراست که با هر مرحلهاش، درک شما از پژوهش ژرفتر میشه 🔍📚
از تعیین ایده 🎯 تا دریافت تأیید نهایی ✅، آگاهی از نکات کلیدی میتونه مسیر رو هموارتر، سریعتر و حرفهایتر کنه 🛤️💼
گاهی توجه به جزئیات به ظاهر ساده ولی حیاتی، تفاوت بین تأیید بیدردسر و چالشهای طولانیه ⏳⚠️
For more information: DM 📥
Tel Admin: rahen_science
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
راه های ارتباط با ما👇🏼
Tel channel: @RahenScience
Admin: @rahen_science
Instagram: rahen.science
Bot: @RahenScienceBot
⚡️راهین: مشاوره و همکاری در پروژه های علوم پزشکی و زیستی⚡️
❤5