Forwarded from HPE24 (Rasoul Masoumi)
◀️ مفهومپردازی پدیده سایش [قلدری] از منظر اعضای هیئت علمی دانشگاههای جامع شهر تهران؛ مطالعهای زمینهای
واژه Bullying که در برگردان فارسی آن از واژگانی چون قلدری و یا زورگویی استفاده میشود، در مفهوم به «دستهای از رفتارهای منفی که به شکل آزار کلامی یا فیزیکی، طرد اجتماعی و یا اثر منفی گذاشتن بر عملکرد فرد در محیط کاری و به صورت هدفمند در یک بازهی زمانی، تکرار شونده رخ میدهد»، اشاره دارد.
پدیده Bullying نشان دهنده رفتاری مخرب هر چند کوچک یا بزرگ است که در طول زمان تکرار شده و آسیبهای جدی با خود به همراه آورده است. به تعبیری، مانند همان قطره آبی است که وقتی در طولانی مدت و مداوم بر سنگی محکم، میچکد بالاخره راهی در آن مییابد و فرایند فرسایش را رقم میزند.
اگرچه سایش نوعی رفتار مخرب است، اما باید توجه داشت که، رفتارهای مخرب زیادی (خشونت در محل کار، بیادبی در محل کار، آزار و اذیت در محل کار، انحراف در محل کار، تضعیف اجتماعی و سوء استفاده عاطفی) در محیط کار هستند که گاه با سایش اشتباه گرفته میشوند. آنچه باعث تمایز این رفتارهای مخرب از سایش میشود، ذکر دو شرط (دوره زمانی و تکرار شوندگی) است.
در پژوهش حاضر با توجه به هدف؛ یعنی"مفهومپردازی پدیده سایش مبتنی بر تجربههای زیسته اعضای هیئت علمی دانشگاههای جامع دولتی شهر تهران" از روش نظریهپردازی داده بنیاد با نگاه ساختگرایانه چارمز و برایانت استفاده شد.
1️⃣ پدیده سایش
مفهوم پدیده سایش
الگوی رفتاری بلندمدت، تکراری، هدفمند، برنامهریزی شده، بازتولیدشونده، مخرب، آسیب زننده، سوء استفاده از قدرت
ابعاد پدیده سایش
- کلامی (توهین، تحقیر، تمسخر، طعنه و کنایه، ارعاب و تهدید به منظور آسیبزدن به روح و روان فرد)
- اجتماعی (مخدوش کردن روابط و وجهه اجتماعی فرد قربانی توسط عامل سایش از طریق شایعهپراکنی، تهمتزدن، نادیده گرفتن، طرد کردن و محروم کردن فرد قربانی)
سطوح پدیده سایش
- مدیریتی (میان اعضای هیئت علمی با مدیران)
- بین اعضای هیئت علمی
2️⃣ عوامل شکلگیری پدیده سایش
عوامل سازمانی
- قوانین و زیرساختها
- فرهنگ سازمانی
- تبعیض سازمانی
- مدیریت ناکارآمد
- ساختار حاکم بر دانشگاه
عوامل فردی
- ویژگیهای شخصیتی عامل سایش
3️⃣ ریشه پدیده سایش
فرهنگ عمومی
آموزش و پرورش
خانواده
4️⃣ راهبردهای مواجهه با سایش
اجتناب
تقابل
پذیرش
5️⃣ عوامل مؤثر بر انتخاب راهبردهای مقابله
پاسخگویی مسئولان
سطح تابآوری
باور رایج
6️⃣ پیامدهای پدیده سایش برای قربانی
آسیب شغلی
- از دست دادن شغل
- کاهش تعهد کاری
- سکوت سازمانی
- ناامنی و فرسودگی شغلی
آسیب فردی
- جسمانی
- روانی
آسیب اجتماعی
- جدایی
- انزوا
- انتقام
منبع: رشیدی زهرا، فراستخواه مقصود. مفهومپردازی پدیده سایش از منظر اعضای هیئت علمی دانشگاههای جامع شهر تهران؛ مطالعهای زمینهای. فصلنامه پژوهش و برنامه ریزی در آموزش عالی 1397؛ 24 (4) :123-150.
🆔 @hpe24 |کانال آموزش پزشکی
واژه Bullying که در برگردان فارسی آن از واژگانی چون قلدری و یا زورگویی استفاده میشود، در مفهوم به «دستهای از رفتارهای منفی که به شکل آزار کلامی یا فیزیکی، طرد اجتماعی و یا اثر منفی گذاشتن بر عملکرد فرد در محیط کاری و به صورت هدفمند در یک بازهی زمانی، تکرار شونده رخ میدهد»، اشاره دارد.
پدیده Bullying نشان دهنده رفتاری مخرب هر چند کوچک یا بزرگ است که در طول زمان تکرار شده و آسیبهای جدی با خود به همراه آورده است. به تعبیری، مانند همان قطره آبی است که وقتی در طولانی مدت و مداوم بر سنگی محکم، میچکد بالاخره راهی در آن مییابد و فرایند فرسایش را رقم میزند.
اگرچه سایش نوعی رفتار مخرب است، اما باید توجه داشت که، رفتارهای مخرب زیادی (خشونت در محل کار، بیادبی در محل کار، آزار و اذیت در محل کار، انحراف در محل کار، تضعیف اجتماعی و سوء استفاده عاطفی) در محیط کار هستند که گاه با سایش اشتباه گرفته میشوند. آنچه باعث تمایز این رفتارهای مخرب از سایش میشود، ذکر دو شرط (دوره زمانی و تکرار شوندگی) است.
در پژوهش حاضر با توجه به هدف؛ یعنی"مفهومپردازی پدیده سایش مبتنی بر تجربههای زیسته اعضای هیئت علمی دانشگاههای جامع دولتی شهر تهران" از روش نظریهپردازی داده بنیاد با نگاه ساختگرایانه چارمز و برایانت استفاده شد.
1️⃣ پدیده سایش
مفهوم پدیده سایش
الگوی رفتاری بلندمدت، تکراری، هدفمند، برنامهریزی شده، بازتولیدشونده، مخرب، آسیب زننده، سوء استفاده از قدرت
ابعاد پدیده سایش
- کلامی (توهین، تحقیر، تمسخر، طعنه و کنایه، ارعاب و تهدید به منظور آسیبزدن به روح و روان فرد)
- اجتماعی (مخدوش کردن روابط و وجهه اجتماعی فرد قربانی توسط عامل سایش از طریق شایعهپراکنی، تهمتزدن، نادیده گرفتن، طرد کردن و محروم کردن فرد قربانی)
سطوح پدیده سایش
- مدیریتی (میان اعضای هیئت علمی با مدیران)
- بین اعضای هیئت علمی
2️⃣ عوامل شکلگیری پدیده سایش
عوامل سازمانی
- قوانین و زیرساختها
- فرهنگ سازمانی
- تبعیض سازمانی
- مدیریت ناکارآمد
- ساختار حاکم بر دانشگاه
عوامل فردی
- ویژگیهای شخصیتی عامل سایش
3️⃣ ریشه پدیده سایش
فرهنگ عمومی
آموزش و پرورش
خانواده
4️⃣ راهبردهای مواجهه با سایش
اجتناب
تقابل
پذیرش
5️⃣ عوامل مؤثر بر انتخاب راهبردهای مقابله
پاسخگویی مسئولان
سطح تابآوری
باور رایج
6️⃣ پیامدهای پدیده سایش برای قربانی
آسیب شغلی
- از دست دادن شغل
- کاهش تعهد کاری
- سکوت سازمانی
- ناامنی و فرسودگی شغلی
آسیب فردی
- جسمانی
- روانی
آسیب اجتماعی
- جدایی
- انزوا
- انتقام
منبع: رشیدی زهرا، فراستخواه مقصود. مفهومپردازی پدیده سایش از منظر اعضای هیئت علمی دانشگاههای جامع شهر تهران؛ مطالعهای زمینهای. فصلنامه پژوهش و برنامه ریزی در آموزش عالی 1397؛ 24 (4) :123-150.
🆔 @hpe24 |کانال آموزش پزشکی
Telegram
attach 📎
💠 کانالهای تلگرامی شبکه نخبگان ایران
✅ کانال اصلی شبکه نخبگان ایران:
🆔 @IranElitesNet
✅ مرکز المپیادهای علمی علوم پزشکی:
🆔 @Olympiad_TUMS
✅ باشگاه المپیادهای دانشآموزی:
🆔 @Olympiad_Club
✅ کانـون کتابخـــوانی:
🆔 @Book_TUMS
✅ انجمن علمی ارتــوپدی:
🆔 @Orthopedic_Association
✅ کانال آموزشی ارتــوپدی:
🆔 @Orthopedic_learning
✅ انجمن علمی جراحی مغز و اعصاب:
🆔 @Neurosurgery_association
✅ انجمن علمی رادیــولوژی:
🆔 @Radiology_association
✅ انجمن علمی مدیریت نظام سلامت:
🆔 @Management_association
✅ انجمن علمی دندانپـــزشکی:
🆔 @Dentistry_Association
✅ انجمن علمی داروســــازی:
🆔 @Pharmacy_Association
✅ انجمن علوم انسانی سلامت:
🆔 @Philosophy_TUMS
✅ انجمن علمی بیــوتکنـولــوژی:
🆔 @BioTech_Association
✅ انجمن علمی سلولهای بنیادی:
🆔 @StemCell_Association
✅ انجمن علمی فناوری نانــو:
🆔 @Nano_Association
✅ انجمن علوم داده (Data Science):
🆔 @DataScience_Association
✅ آکادمی MedAI (هوش مصنوعی و پزشکی):
🆔 @MedAI_academy
✅ آکادمی مِد استــارتاپ:
🆔 @Med_StartUp
✅ گروه جلسات انتقال تجربه به دستیاران :
🆔 @dastyaran1400
✅ کانال آموزشی مِدتَلنت:
🆔 @MedTalent
✅ کانال آموزشی بِیستلنت (علومپایه پزشکی و دندانپزشکی):
🆔 @Base_Talent
✅ باشگاه نشریات دانشجویی:
🆔 @Pub_Club
✅ گنجینه ادب پارسی:
🆔 @Ganjine_adab
🔸 Linkedin
🔸 aparat.com/IranElitesNet
در شبــکه نخبـــگان ایــران با ما همراه باشید 🌱
| @IranElitesNet |
✅ کانال اصلی شبکه نخبگان ایران:
🆔 @IranElitesNet
✅ مرکز المپیادهای علمی علوم پزشکی:
🆔 @Olympiad_TUMS
✅ باشگاه المپیادهای دانشآموزی:
🆔 @Olympiad_Club
✅ کانـون کتابخـــوانی:
🆔 @Book_TUMS
✅ انجمن علمی ارتــوپدی:
🆔 @Orthopedic_Association
✅ کانال آموزشی ارتــوپدی:
🆔 @Orthopedic_learning
✅ انجمن علمی جراحی مغز و اعصاب:
🆔 @Neurosurgery_association
✅ انجمن علمی رادیــولوژی:
🆔 @Radiology_association
✅ انجمن علمی مدیریت نظام سلامت:
🆔 @Management_association
✅ انجمن علمی دندانپـــزشکی:
🆔 @Dentistry_Association
✅ انجمن علمی داروســــازی:
🆔 @Pharmacy_Association
✅ انجمن علوم انسانی سلامت:
🆔 @Philosophy_TUMS
✅ انجمن علمی بیــوتکنـولــوژی:
🆔 @BioTech_Association
✅ انجمن علمی سلولهای بنیادی:
🆔 @StemCell_Association
✅ انجمن علمی فناوری نانــو:
🆔 @Nano_Association
✅ انجمن علوم داده (Data Science):
🆔 @DataScience_Association
✅ آکادمی MedAI (هوش مصنوعی و پزشکی):
🆔 @MedAI_academy
✅ آکادمی مِد استــارتاپ:
🆔 @Med_StartUp
✅ گروه جلسات انتقال تجربه به دستیاران :
🆔 @dastyaran1400
✅ کانال آموزشی مِدتَلنت:
🆔 @MedTalent
✅ کانال آموزشی بِیستلنت (علومپایه پزشکی و دندانپزشکی):
🆔 @Base_Talent
✅ باشگاه نشریات دانشجویی:
🆔 @Pub_Club
✅ گنجینه ادب پارسی:
🆔 @Ganjine_adab
🔸 aparat.com/IranElitesNet
در شبــکه نخبـــگان ایــران با ما همراه باشید 🌱
| @IranElitesNet |
بزرگترین گردهمآیی “هوش مصنوعی در ایران”
با تدریس یکی از ماهرترین اساتید این حوزه
“خانم دکتر الناز امانزاده”
سری کلاس های “Neuro-AI؛گامی به سوی آیندهای روشنتر”
🔰در ۱۰ جلسه به شرح زیر تدوین شده است.
۱)جلسه ی اول شامل معرفی ومقدمات
۲)سه جلسه شامل هوش مصنوعی در تشخیص
۳)سه جلسه شامل هوش مصنوعی در درمان
۴)سه جلسه شامل هوش مصنوعی در پیشآگاهی
🔰اهدافدوره:
الف)آشنایی با مفاهیم مقدماتی وکاربردی
ب)آشنایی کامل با BigData
ج)آشنایی با مدل های پیشبینی
د)افزایش توانمندی در حوزهی طراحی پروژهی تحقیقاتی
🔰مزایا:
الف)فراگیری مطالب فوقمهم که در دنیای امروز از ضروریات است
ب)دریافت گواهی انگلیسی معتبر شرکت دوره
ج)دریافت مجوز حضور در سری دوم کلاس ها که باهمکاری دانشگاه واشنگتن برگزار میشود.
د) ۵درصد برتر آزموننهایی وارد کارهای پژوهشی میشوند.
برای ثبت نام از طریق این لینک اقدام بفرمایید.
🔰مراکزهمکار:
۱)انجمن جراحی مغز و اعصاب به عنوان مرکز برگزار کننده
۲)مرکز تحقیقات عملکردی جراحی مغز و اعصاب
۳)شبکهی نخبگان ایران
ایدی ارتباطی:
🆔@Neurosurgery_association_admin
🆔@Neurosurgery_association
🆔@IranElitesNet
با تدریس یکی از ماهرترین اساتید این حوزه
“خانم دکتر الناز امانزاده”
سری کلاس های “Neuro-AI؛گامی به سوی آیندهای روشنتر”
🔰در ۱۰ جلسه به شرح زیر تدوین شده است.
۱)جلسه ی اول شامل معرفی ومقدمات
۲)سه جلسه شامل هوش مصنوعی در تشخیص
۳)سه جلسه شامل هوش مصنوعی در درمان
۴)سه جلسه شامل هوش مصنوعی در پیشآگاهی
🔰اهدافدوره:
الف)آشنایی با مفاهیم مقدماتی وکاربردی
ب)آشنایی کامل با BigData
ج)آشنایی با مدل های پیشبینی
د)افزایش توانمندی در حوزهی طراحی پروژهی تحقیقاتی
🔰مزایا:
الف)فراگیری مطالب فوقمهم که در دنیای امروز از ضروریات است
ب)دریافت گواهی انگلیسی معتبر شرکت دوره
ج)دریافت مجوز حضور در سری دوم کلاس ها که باهمکاری دانشگاه واشنگتن برگزار میشود.
د) ۵درصد برتر آزموننهایی وارد کارهای پژوهشی میشوند.
برای ثبت نام از طریق این لینک اقدام بفرمایید.
🔰مراکزهمکار:
۱)انجمن جراحی مغز و اعصاب به عنوان مرکز برگزار کننده
۲)مرکز تحقیقات عملکردی جراحی مغز و اعصاب
۳)شبکهی نخبگان ایران
ایدی ارتباطی:
🆔@Neurosurgery_association_admin
🆔@Neurosurgery_association
🆔@IranElitesNet
بیماری آلزایمر (AD) اختلالی است که باعث تخریب سلولهای مغز میشود و عامل اصلی زوال عقل است که با کاهش تفکر و استقلال در فعالیتهای روزانه شخص مشخص میشود. AD به عنوان یک بیماری چند عاملی در نظر گرفته می شود: دو فرضیه اصلی به عنوان علت AD ارائه شده است، فرضیه کولینرژیک و آمیلوئید.علاوه بر این، چندین عامل دیگر مانند افزایش سن، عوامل ژنتیکی، تروماهای سر، بیماریهای عروقی، عفونتها و عوامل محیطی در بروز این بیماری نقش دارند.در حال حاضر، تنها دو دسته از داروهای تایید شده برای درمان AD وجود دارد: مهارکنندههای آنزیم کولین استراز و آنتاگونیستهای N-methyl d-aspartate (NMDA) که فقط در درمان علائم AD موثر هستند، اما درمان یا پیشگیری نمیکنند. امروزه، پژوهش هایی برای درک پاتولوژی AD با هدف قرار دادن مکانیسمهای مختلف، مانند متابولیسم غیرطبیعی پروتئین تاو، β-آمیلوئید، پاسخ های التهابی، و آسیب کولینرژیک و رادیکالهای آزاد، به منظور کشف درمانهای موفقی که قادر به توقف پیشرفت بیماری باشند، صورت می گیرد.
لینک مقاله
#Neurodegenerative_diseases #AD
📝گرد آورنده: هانیه امینی
🆔@src_p_umsu
🆔LinkedIn
🆔 https://src.umsu.ac.ir
لینک مقاله
#Neurodegenerative_diseases #AD
📝گرد آورنده: هانیه امینی
🆔@src_p_umsu
🆔 https://src.umsu.ac.ir
👍2
Media is too big
VIEW IN TELEGRAM
🧠برای یادگیری بیشتر میتوانید این ویدئو از مجموعه Osmosis را تماشا کنید.
#Neurodegenerative_Diseases
#AD
#Neurodegenerative_Diseases
#AD
👍4
💡وبینار مجازی «آموزش مبتنی بر کیس برای دروس داخلی با محوریت آب و الکترولیت»
👩🏫 مدرس: سرکار خانم دکتر خدیجه مخدومی
💊 فوق تخصص نفرولوژی؛ متخصص داخلی
💉 عضو هیئت علمی پژوهشکده تحقیقات بالینی
🖥 پلتفرم برگزاری: Google Meet
🕰 زمان برگزاری: پنجشنبه ۲۰ بهمن ۱۴۰۱
ساعت ۲۰
📡 برگزار کننده: دفتر منتورینگ دانشجویان پزشکی ارومیه
🌐 لینک ورود به کلاس:
http://meet.google.com/qwg-pmss-zmn
🔵#آموزش
#رویدادها
#CBL
🆔@SCMED_Kalan2
👩🏫 مدرس: سرکار خانم دکتر خدیجه مخدومی
💊 فوق تخصص نفرولوژی؛ متخصص داخلی
💉 عضو هیئت علمی پژوهشکده تحقیقات بالینی
🖥 پلتفرم برگزاری: Google Meet
🕰 زمان برگزاری: پنجشنبه ۲۰ بهمن ۱۴۰۱
ساعت ۲۰
📡 برگزار کننده: دفتر منتورینگ دانشجویان پزشکی ارومیه
🌐 لینک ورود به کلاس:
http://meet.google.com/qwg-pmss-zmn
🔵#آموزش
#رویدادها
#CBL
🆔@SCMED_Kalan2
❤2👍1
تفاوت یادگیری ماشین با برنامه نویسی سنتی
در برنامه نویسی سنتی، برنامه نویس، برنامه را به طور کامل به کامپیوتر میداد و دقیقا به رایانه می گفت که چه کار کند، در واقع فرآیند کاملا دستی بود، و برنامه نویس برنامه را خلق میکرد. پس می توان گفت در برنامه نویسی سنتی، فرآیند به شکل زیر بوده است:
خروجی = برنامه + ورودی
اما در یادگیری ماشین یا ماشین لرنینگ، فرآیند کاملا اتوماتیک است، به این شکل که ما دیگر به کامپیوتر برنامه ای نمیدهیم و در عوض ورودی و خروجی را می دهیم و برنامه را میگیریم؛ پس فرآیند ماشین لرنینگ به این صورت است:
برنامه = ورودی + خروجی
#artificial_intelligence
#pt_2
منبع
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔LinkedIn
🆔 https://src.umsu.ac.ir
در برنامه نویسی سنتی، برنامه نویس، برنامه را به طور کامل به کامپیوتر میداد و دقیقا به رایانه می گفت که چه کار کند، در واقع فرآیند کاملا دستی بود، و برنامه نویس برنامه را خلق میکرد. پس می توان گفت در برنامه نویسی سنتی، فرآیند به شکل زیر بوده است:
خروجی = برنامه + ورودی
اما در یادگیری ماشین یا ماشین لرنینگ، فرآیند کاملا اتوماتیک است، به این شکل که ما دیگر به کامپیوتر برنامه ای نمیدهیم و در عوض ورودی و خروجی را می دهیم و برنامه را میگیریم؛ پس فرآیند ماشین لرنینگ به این صورت است:
برنامه = ورودی + خروجی
#artificial_intelligence
#pt_2
منبع
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔 https://src.umsu.ac.ir
👍6❤2
پست قبلی را با یک مثال تکمیل می کنیم.
در این مثال میخواهیم با استفاده از تصاویر دیجیتال از نمونه بافت تومور مثانه به عنوان ورودی (سمت چپ تصویر بالا)، خطر گسترش سرطان به غدد لنفاوی مجاور را پیش بینی کنیم (سمت راست تصویر بالا).
رویکرد برنامه نویسی سنتی: پیاده سازی این مدل با استفاده از برنامه نویسی سنتی تقریبا غیرممکن به نظر میرسد. زیرا مستلزم پیاده سازی شروط بسیار در برنامه بوده و در نهایت ممکن است مدل طراحی شده، با دقت غیرقابل قبولی پیش بینی بکند.
رویکرد یادگیری ماشینی: در یادگیری ماشین مجموعه داده ای تحت عنوان مجموعه train یا آموزش به الگوریتم ارائه میشود.
در این مدل، به عنوان مثال 1000 نمونه عکس از بافت تومور مثانه که توسط چندین متخصص حوزه سرطان به دو دسته " ریسک گسترش بالا" و "ریسک گسترش پایین" تقسیم شده اند به عنوان داده آموزشی به الگوریتم داده میشود. کامپیوتر با استفاده از داده های مجموعه آموزش، به اصطلاح یاد میگیرد که کدام عکس مربوط به "تومور با ریسک گسترش بالا" و کدام عکس مربوط به "تومور با ریسک گسترش پایین" است. با انتخاب ویژگی های مناسب و تنظیم هایپرپارامترهای الگوریتم، میتوانیم شاهد پیشبینی هایی حتی دقیق تر از پزشکان باشیم. پس از تنظیم مدل نوبت آزمایش یا تست مدل است. داده های ورودی ما شامل عکس های بدون برچسب هستند. مدل احتمال ریسک گسترش سرطان به غدد لنفاوی مجاور را برای ما پیش بینی خواهد کرد!
*توضیحات ارائه شده در این مثال برای درک آسان تر پیاده سازی یک مدل در یادگیری ماشین بوده و از این عکس برای درک بهتر استفاده شده است. لینک وبسایت این عکس جهت مطالعه بیشتر: لینک
#artificial_intelligence
#pt_2
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔LinkedIn
🆔 https://src.umsu.ac.ir
در این مثال میخواهیم با استفاده از تصاویر دیجیتال از نمونه بافت تومور مثانه به عنوان ورودی (سمت چپ تصویر بالا)، خطر گسترش سرطان به غدد لنفاوی مجاور را پیش بینی کنیم (سمت راست تصویر بالا).
رویکرد برنامه نویسی سنتی: پیاده سازی این مدل با استفاده از برنامه نویسی سنتی تقریبا غیرممکن به نظر میرسد. زیرا مستلزم پیاده سازی شروط بسیار در برنامه بوده و در نهایت ممکن است مدل طراحی شده، با دقت غیرقابل قبولی پیش بینی بکند.
رویکرد یادگیری ماشینی: در یادگیری ماشین مجموعه داده ای تحت عنوان مجموعه train یا آموزش به الگوریتم ارائه میشود.
در این مدل، به عنوان مثال 1000 نمونه عکس از بافت تومور مثانه که توسط چندین متخصص حوزه سرطان به دو دسته " ریسک گسترش بالا" و "ریسک گسترش پایین" تقسیم شده اند به عنوان داده آموزشی به الگوریتم داده میشود. کامپیوتر با استفاده از داده های مجموعه آموزش، به اصطلاح یاد میگیرد که کدام عکس مربوط به "تومور با ریسک گسترش بالا" و کدام عکس مربوط به "تومور با ریسک گسترش پایین" است. با انتخاب ویژگی های مناسب و تنظیم هایپرپارامترهای الگوریتم، میتوانیم شاهد پیشبینی هایی حتی دقیق تر از پزشکان باشیم. پس از تنظیم مدل نوبت آزمایش یا تست مدل است. داده های ورودی ما شامل عکس های بدون برچسب هستند. مدل احتمال ریسک گسترش سرطان به غدد لنفاوی مجاور را برای ما پیش بینی خواهد کرد!
*توضیحات ارائه شده در این مثال برای درک آسان تر پیاده سازی یک مدل در یادگیری ماشین بوده و از این عکس برای درک بهتر استفاده شده است. لینک وبسایت این عکس جهت مطالعه بیشتر: لینک
#artificial_intelligence
#pt_2
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔 https://src.umsu.ac.ir
www.cancer.gov
Can Artificial Intelligence Help See Cancer in New Ways?
Artificial intelligence (AI) could make cancer imaging faster, more accurate, and more informative. But is it ready for everyday use in the clinic?
👍12
🔵🔵🔵 پنل دانشجویی شانزدهمین كنگره بين المللي ایمونولوژی و آلرژی و كميته تحقيقات دانشجويى و فناوری دانشگاه علوم پزشكى ایران برگزار میکند....
Iran Mapping 16
🎯مسابقه ای سراسر هیجان
🪩مناظره هایی جذاب
🏆همراه با جوایزی باور نکردنی برای تیم های برتر🥇🥈
⏰زمان: ۷ تا ۹ اردیبهشت ماه ۱۴۰۲
📋مکان: تهران، مرکز همایش های رازی
دانشگاه علوم پزشکی ایران
📌اطلاعات بیشتر درمورد ثبت نام و شرکت در مسابقه بزودی در سایت و کانال کنگره اعلام میشود.
🔷🔷🔷🔷
گروه مسابقه
⭕️@S_ICIA
وب سایت کنگره
🌐 https://www.icia.ir/
▫️▫️▫️▫️▫️▫️▫️
ارتباط با ما
🗨@Pariioxx
🗨@abedi_1402
🔹🔹🔹🔹🔹🔹🔹🔹🔹
@iums_src
src.iums.ac.ir
🔹🔹🔹🔹🔹🔹🔹🔹🔹
#کمیته_تحقیقات_و_فناوری_دانشجویی_دانشگاه_علوم_پزشکی_ایران
#روابط_عمومی
#خبر
#کانسپت_مپ
Iran Mapping 16
🎯مسابقه ای سراسر هیجان
🪩مناظره هایی جذاب
🏆همراه با جوایزی باور نکردنی برای تیم های برتر🥇🥈
⏰زمان: ۷ تا ۹ اردیبهشت ماه ۱۴۰۲
📋مکان: تهران، مرکز همایش های رازی
دانشگاه علوم پزشکی ایران
📌اطلاعات بیشتر درمورد ثبت نام و شرکت در مسابقه بزودی در سایت و کانال کنگره اعلام میشود.
🔷🔷🔷🔷
گروه مسابقه
⭕️@S_ICIA
وب سایت کنگره
🌐 https://www.icia.ir/
▫️▫️▫️▫️▫️▫️▫️
ارتباط با ما
🗨@Pariioxx
🗨@abedi_1402
🔹🔹🔹🔹🔹🔹🔹🔹🔹
@iums_src
src.iums.ac.ir
🔹🔹🔹🔹🔹🔹🔹🔹🔹
#کمیته_تحقیقات_و_فناوری_دانشجویی_دانشگاه_علوم_پزشکی_ایران
#روابط_عمومی
#خبر
#کانسپت_مپ
📣 کمیته تحقیقات دانشجویی دانشگاه علوم پزشکی ارومیه و منطقه آمایشی شمال غرب کشور تقدیم میکند:
🔸مدرسه پژوهشی زمستانه کشوری:
دوره متدولوژی و آمار با اجرای دانشگاه علوم پزشکی ارومیه
🔸زمان برگزاری: ۲۳ تا ۲۶ بهمن ساعت ۱۴
به صورت حضوری (واقع در سالن RTDC در ستاد دانشگاه) و مجازی (لینک متعاقبا ارسال میشود)
🔸مدرسین:
دکتر جواد رسولی، دکتر وحید علینژاد، خانم سعیده داور، دکتر سیما مسعودی
🔸محتوای دوره:
انواع مطالعه
محاسبه حجم نمونه
تحلیل داده های سلامت
مطالعات کارآزمایی بالینی
تحلیل داده ها و نتایج
🔸لینک ثبت نام:
http://workshop.umsu.ac.ir/StudentWorkshop/Index/?workshopId=232
@src_umsu
🔸مدرسه پژوهشی زمستانه کشوری:
دوره متدولوژی و آمار با اجرای دانشگاه علوم پزشکی ارومیه
🔸زمان برگزاری: ۲۳ تا ۲۶ بهمن ساعت ۱۴
به صورت حضوری (واقع در سالن RTDC در ستاد دانشگاه) و مجازی (لینک متعاقبا ارسال میشود)
🔸مدرسین:
دکتر جواد رسولی، دکتر وحید علینژاد، خانم سعیده داور، دکتر سیما مسعودی
🔸محتوای دوره:
انواع مطالعه
محاسبه حجم نمونه
تحلیل داده های سلامت
مطالعات کارآزمایی بالینی
تحلیل داده ها و نتایج
🔸لینک ثبت نام:
http://workshop.umsu.ac.ir/StudentWorkshop/Index/?workshopId=232
@src_umsu
🔔🔔 واحد یوسرن امور بین الملل با همکاری کمیته تحقیقات دانشکدهی پزشکی ع.پ اهواز برگزار میکنند:
📝 دوره جامع ۶ روزه مقاله نویسی📊
🔰محور ها :
✅ اصول نگارش مقالات اورجینال
✅ اصول نگارش مقالات مروری روایی
✅ اصول نگارش مقالات سیستماتیک ریویو
✅ اصول نگارش مقالات مروری متاآنالیز
✅آموزش کامل نرم افزار CMA
✨مدرسین:
🔸️دكتر افسانه بهرامی
(عضو هیات علمی دانشگاه ع.پ مشهد)
🔸️دکتر مرتضی عرب زوزنی
(عضو هیات علمی دانشگاه ع.پ بیرجند وجزء دانشمندان یک درصد برتر جهان در سال ۲۰۲۲)
📍تاريخ برگزاري كارگاه:
۱۸،۱۹،۲۳،۲۴،۲۵ بهمن ماه و یکم اسفندماه 1401
✨جهت ثبت نام و کسب اطلاعات بیشتر فرم زیر را تکمیل فرمایید:
https://docs.google.com/forms/d/e/1FAIpQLSeEy-A4FVNEzOEwOb9lpdYdIsmhCSskMEx6SPtv3h3fwQctiA/viewform?usp=sf_link
راه هاي ارتباطي:
Usernahvaz@ajums.ac.ir
@src_medajums
@JUSERN
@amraeiM
📝 دوره جامع ۶ روزه مقاله نویسی📊
🔰محور ها :
✅ اصول نگارش مقالات اورجینال
✅ اصول نگارش مقالات مروری روایی
✅ اصول نگارش مقالات سیستماتیک ریویو
✅ اصول نگارش مقالات مروری متاآنالیز
✅آموزش کامل نرم افزار CMA
✨مدرسین:
🔸️دكتر افسانه بهرامی
(عضو هیات علمی دانشگاه ع.پ مشهد)
🔸️دکتر مرتضی عرب زوزنی
(عضو هیات علمی دانشگاه ع.پ بیرجند وجزء دانشمندان یک درصد برتر جهان در سال ۲۰۲۲)
📍تاريخ برگزاري كارگاه:
۱۸،۱۹،۲۳،۲۴،۲۵ بهمن ماه و یکم اسفندماه 1401
✨جهت ثبت نام و کسب اطلاعات بیشتر فرم زیر را تکمیل فرمایید:
https://docs.google.com/forms/d/e/1FAIpQLSeEy-A4FVNEzOEwOb9lpdYdIsmhCSskMEx6SPtv3h3fwQctiA/viewform?usp=sf_link
راه هاي ارتباطي:
Usernahvaz@ajums.ac.ir
@src_medajums
@JUSERN
@amraeiM
کمیته تحقیقات دانشجویی دانشکده پزشکی دانشگاه علوم پزشکی ارومیه برگزار میکند:
📌کارگاه روش تحقیق
👩💼 مدرس: دکتر مریم بابازاده
استادیار پزشکی اجتماعی
گروه بهداشت و پزشکی اجتماعی،
دانشکده پزشکی دانشگاه علوم پزشکی ارومیه
🧩 سرفصلها:
۱.تعریف تحقیق
۲.اهداف و اهمیت آن
۳.مراحل انجام یک تحقیق
۴.پایگاههای داده
📣توجه: حضور در این کارگاه برای دانشجویان تحصیلات تکمیلی اجباری است.
🕰 تاریخ و زمان برگزاری: چهارشنبه ۲۶ بهمن ۱۴۰۱
ساعت ۱۴ تا ۱۶
📍مکان برگزاری: آمفیتئاتر دانشکده پزشکی
🔗 لینک ثبت نام:
http://workshop.umsu.ac.ir/StudentWorkshop/Index/?workshopId=236
@src_p_umsu
📌کارگاه روش تحقیق
👩💼 مدرس: دکتر مریم بابازاده
استادیار پزشکی اجتماعی
گروه بهداشت و پزشکی اجتماعی،
دانشکده پزشکی دانشگاه علوم پزشکی ارومیه
🧩 سرفصلها:
۱.تعریف تحقیق
۲.اهداف و اهمیت آن
۳.مراحل انجام یک تحقیق
۴.پایگاههای داده
📣توجه: حضور در این کارگاه برای دانشجویان تحصیلات تکمیلی اجباری است.
🕰 تاریخ و زمان برگزاری: چهارشنبه ۲۶ بهمن ۱۴۰۱
ساعت ۱۴ تا ۱۶
📍مکان برگزاری: آمفیتئاتر دانشکده پزشکی
🔗 لینک ثبت نام:
http://workshop.umsu.ac.ir/StudentWorkshop/Index/?workshopId=236
@src_p_umsu
در حوزه علوم پزشکی مثل سایر حوزه های علمی، کار تحقیقاتی ما با ظهور یک ایده به ذهنمون شروع میشه. در مورد طرحمون در منابع داده ای مختلف جست و جو میکنیم، با متخصصین و اساتید مرتبط با ایده مون مشورت میکنیم و بعد از مطالعه منابع مختلف آماده میشیم که طرح و ایده خودمون رو عملی کنیم. مسیر انجام یک کار تحقیقاتی سختی ها خودش رو داره و برای یک طرح موفق، بهتره از همون اول کار مسیر درست رو انتخاب بکنیم. "انتخاب نوع مطالعه" نقش مهمی رو در موفقیت ایده پژوهش داره. بنابرین با شناخت انواع مطالعات پژوهشی در علوم پزشکی، میتونیم نوع مطالعه ای رو که طرح پژوهشی مارو به نتیجه دلخواهمون میرسونه انتخاب کنیم.
در مجموعه پست هایی که با هشتگ #study_design در کانال کمیته تحقیقات دانشجویی دانشکده پزشکی ارومیه قرار داده میشه، با انواع مطالعات در علوم پزشکی به عنوان قدمی مهم در شروع یک کار پژوهشی آشنا میشیم.
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔LinkedIn
🆔 https://src.umsu.ac.ir
در مجموعه پست هایی که با هشتگ #study_design در کانال کمیته تحقیقات دانشجویی دانشکده پزشکی ارومیه قرار داده میشه، با انواع مطالعات در علوم پزشکی به عنوان قدمی مهم در شروع یک کار پژوهشی آشنا میشیم.
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔 https://src.umsu.ac.ir
👍2
به صورت ساده دو دسته بندی کلی در انواع مطالعات پژوهشی داریم.
1. مطالعات اولیه: در این مطالعات محقق به صورت فعال به دنبال جمع آوری اطلاعات بوده و خود این دسته شامل شاخه های ریزتری هست که در پست های بعدی بهشون میپردازیم.
2. مطالعات ثانویه: در این نوع مطالعات، محقق به صورت فعال به دنبال جمع آوری اطلاعات نیست بلکه روی مطالعات دیگران کار میکنه و به نوعی مطالعات محققین دیگه رو جمع بندی میکنه.
#study_design
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔LinkedIn
🆔 https://src.umsu.ac.ir
1. مطالعات اولیه: در این مطالعات محقق به صورت فعال به دنبال جمع آوری اطلاعات بوده و خود این دسته شامل شاخه های ریزتری هست که در پست های بعدی بهشون میپردازیم.
2. مطالعات ثانویه: در این نوع مطالعات، محقق به صورت فعال به دنبال جمع آوری اطلاعات نیست بلکه روی مطالعات دیگران کار میکنه و به نوعی مطالعات محققین دیگه رو جمع بندی میکنه.
#study_design
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔 https://src.umsu.ac.ir
👍4🔥1
"سلامت هوشمند:
سیستم های هوشمند مراقبت های بهداشتی در متاورس، هوش مصنوعی و عصر علم داده"
این مقاله به بررسی مطالعات مورد متعدد و یادداشت های مربوط به هوش مصنوعی و کاربردهای علم داده در مدیریت بیمارستان می پردازد. همچنین سوالات و چالش های تحقیقاتی حل نشده در زمینه کاربردهای متاورس، هوش مصنوعی و علم داده را ارائه می دهد.
مواردی که در این مقاله خواهید یافت:
نقش مهم علم داده در مدیریت بیمارستان ها:
• استفاده از علم داده برای افزایش کارایی اتاق عمل
• کاهش زمان انتظار برای بیماران در بخش اورژانس
• کاهش زمان انتظار در بخش تزریقات
• ترخیص کارآمد بیماران
• برنامه ریزی و اختصاص تخت های بستری برای بیماران
• تحت نظر گرفتن سلامتی بیمار
چالش های استفاده از متاورس، هوش مصنوعی و علم داده در سلامت هوشمند:
• سیستم های قابل توضیح: تشخیص های ارائه شده توسط سیستم های یادگیری عمیق (که شامل الگوریتم های کلاسیک همانند درخت تصمیم نمیشوند) توسط پزشکان انسانی قابل توضیح نمی باشند که این اتفاق منجر به درک ضعیف و عدم اعتماد بیماران به این سیستم ها می شود.
• اعتماد: کمبود احساسات انسانی مانند حس همدردی یا دلسوزی در سیستم های هوش مصنوعی و بهداشت و درمان رباتیک موجب اعتماد کمتر بیماران به این فناوری ها می شود.
#artificial_intelligence
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔LinkedIn
🆔 https://src.umsu.ac.ir
سیستم های هوشمند مراقبت های بهداشتی در متاورس، هوش مصنوعی و عصر علم داده"
این مقاله به بررسی مطالعات مورد متعدد و یادداشت های مربوط به هوش مصنوعی و کاربردهای علم داده در مدیریت بیمارستان می پردازد. همچنین سوالات و چالش های تحقیقاتی حل نشده در زمینه کاربردهای متاورس، هوش مصنوعی و علم داده را ارائه می دهد.
مواردی که در این مقاله خواهید یافت:
نقش مهم علم داده در مدیریت بیمارستان ها:
• استفاده از علم داده برای افزایش کارایی اتاق عمل
• کاهش زمان انتظار برای بیماران در بخش اورژانس
• کاهش زمان انتظار در بخش تزریقات
• ترخیص کارآمد بیماران
• برنامه ریزی و اختصاص تخت های بستری برای بیماران
• تحت نظر گرفتن سلامتی بیمار
چالش های استفاده از متاورس، هوش مصنوعی و علم داده در سلامت هوشمند:
• سیستم های قابل توضیح: تشخیص های ارائه شده توسط سیستم های یادگیری عمیق (که شامل الگوریتم های کلاسیک همانند درخت تصمیم نمیشوند) توسط پزشکان انسانی قابل توضیح نمی باشند که این اتفاق منجر به درک ضعیف و عدم اعتماد بیماران به این سیستم ها می شود.
• اعتماد: کمبود احساسات انسانی مانند حس همدردی یا دلسوزی در سیستم های هوش مصنوعی و بهداشت و درمان رباتیک موجب اعتماد کمتر بیماران به این فناوری ها می شود.
#artificial_intelligence
📝گرد آورنده: آرمان قره باغی
🆔@src_p_umsu
🆔 https://src.umsu.ac.ir
👍3🔥1