🌐 Data Science (علوم داده)
Data Science is a combination of multiple disciplines that uses statistics, data analysis, and machine learning to analyze data and extract knowledge and meaningful insights and develop strategies from it for business and industry. By the late 1990s, the term "data science" had gained broader recognition. In 2001, American computer scientist and professor William S. Cleveland outlined a broader vision for statistics that shifted from the traditional theoretical one to a more applied, data-centric focus. This way, a new field would emerge that integrates elements of machine learning, visualization, and computing. The emergence of big data in the early 21st century truly cemented data science as the discipline for working with and making sense of complex, large-scale information. Data Science aims at gaining insights about complex real-world effects through information from existing datasets. Modern data-centric approaches combine deep foundations in Statistics and Applied Mathematics with state-of-the-art algorithms and provide a basis for Computer Science, Artificial Intelligence (AI), and Machine Learning. Data-enabled discoveries, permitted only due to recent methods and the advent of modern computing power, accelerate innovation across the Sciences and Engineering and bridge together distant fields, giving rise to Information Engineering and Bioinformatics. Complex data problems require a mathematical disciplinary interplay to develop new theories and address interdisciplinary questions. For example, in recent years, there have been many new theoretical developments combining ideas from topology and geometry with statistical and machine learning methods, for data analysis, visualization, and dimensionality reduction. Applications range from classification and clustering in fields such as action recognition, handwriting analysis, natural language processing, and biology, to the analysis of complex systems.
📚 @topmathlearn 📚
The term data scientist was coined as recently as 2008, when companies first realized the need for data professionals skilled in organizing and analyzing massive amounts of data. Data scientists gather, organize, clean, and analyze data much like data analysts, but they are more forward-looking and prediction-oriented. They use the data to build machine learning models and use the resulting information to develop data-driven solutions to difficult challenges across a variety of industries. Combining tools, methods, and technology such as data analysis/modeling, human-machine interaction and algorithms, data scientists ask and answer questions like what happened, why did it happen, what will happen, and how can the results be extrapolated and used for planning and decision-making. Nowadays, there is an overwhelming amount of data generated and effective data scientists masterfully identify relevant questions, collect data from a multitude of different data sources, organize the information, translate results into solutions, and communicate their findings in a way that positively affects business decisions. These skills are now required in almost all industries, causing skilled data scientists to be increasingly valuable to companies. Data science continues to evolve as one of the most promising and in-demand career paths for skilled professionals with an aptitude for research, programming, mathematics, and computers. Today, successful data professionals understand they must advance past the traditional skills of analyzing large amounts of data, data mining, and programming skills. To uncover useful intelligence for their organizations, data scientists must master the full spectrum of the data science life cycle and possess a level of flexibility and understanding to maximize returns at each phase of the process.
📚 @topmathlearn 📚
#علوم_داده
Data Science is a combination of multiple disciplines that uses statistics, data analysis, and machine learning to analyze data and extract knowledge and meaningful insights and develop strategies from it for business and industry. By the late 1990s, the term "data science" had gained broader recognition. In 2001, American computer scientist and professor William S. Cleveland outlined a broader vision for statistics that shifted from the traditional theoretical one to a more applied, data-centric focus. This way, a new field would emerge that integrates elements of machine learning, visualization, and computing. The emergence of big data in the early 21st century truly cemented data science as the discipline for working with and making sense of complex, large-scale information. Data Science aims at gaining insights about complex real-world effects through information from existing datasets. Modern data-centric approaches combine deep foundations in Statistics and Applied Mathematics with state-of-the-art algorithms and provide a basis for Computer Science, Artificial Intelligence (AI), and Machine Learning. Data-enabled discoveries, permitted only due to recent methods and the advent of modern computing power, accelerate innovation across the Sciences and Engineering and bridge together distant fields, giving rise to Information Engineering and Bioinformatics. Complex data problems require a mathematical disciplinary interplay to develop new theories and address interdisciplinary questions. For example, in recent years, there have been many new theoretical developments combining ideas from topology and geometry with statistical and machine learning methods, for data analysis, visualization, and dimensionality reduction. Applications range from classification and clustering in fields such as action recognition, handwriting analysis, natural language processing, and biology, to the analysis of complex systems.
📚 @topmathlearn 📚
The term data scientist was coined as recently as 2008, when companies first realized the need for data professionals skilled in organizing and analyzing massive amounts of data. Data scientists gather, organize, clean, and analyze data much like data analysts, but they are more forward-looking and prediction-oriented. They use the data to build machine learning models and use the resulting information to develop data-driven solutions to difficult challenges across a variety of industries. Combining tools, methods, and technology such as data analysis/modeling, human-machine interaction and algorithms, data scientists ask and answer questions like what happened, why did it happen, what will happen, and how can the results be extrapolated and used for planning and decision-making. Nowadays, there is an overwhelming amount of data generated and effective data scientists masterfully identify relevant questions, collect data from a multitude of different data sources, organize the information, translate results into solutions, and communicate their findings in a way that positively affects business decisions. These skills are now required in almost all industries, causing skilled data scientists to be increasingly valuable to companies. Data science continues to evolve as one of the most promising and in-demand career paths for skilled professionals with an aptitude for research, programming, mathematics, and computers. Today, successful data professionals understand they must advance past the traditional skills of analyzing large amounts of data, data mining, and programming skills. To uncover useful intelligence for their organizations, data scientists must master the full spectrum of the data science life cycle and possess a level of flexibility and understanding to maximize returns at each phase of the process.
📚 @topmathlearn 📚
#علوم_داده
❤4
🌐 Mathematics Education (آموزش ریاضی)
Mathematics Education is the field of knowledge and research that deals with theories, practices, policies, curriculum, and issues about the teaching and learning of mathematics meaningfully and considers how people think about mathematics, how they learn it, and how they teach it. One of its major goals is to develop theories of learning and teaching that will be foundational for strategies and curricular materials that improve the conceptual learning and use of mathematics. The field as an academic discipline involves systematic research into aspects of the learning and teaching of mathematics at all levels of education, with a focus on understanding, problem-solving, and the construction of mathematical knowledge and cognitive skills. It also involves designing effective teaching environments and creating innovative assessment methods aligned with the goals of mathematics education. It includes aspects of psychology, sociology, philosophy, and history - all studied through the lens of mathematics, and will be of interest to students who would like to better understand the way human beings think about mathematics and the place of mathematics in society. Mathematics Education concerns the relationship of mathematics and people, including comparisons of mathematics in different cultures, and how mathematics is used to make a difference in the world. Curriculum plays a significant role in mathematics education because it influences what students learn and when, and how well they learn it. Advocates of mathematics education reform often attempt to change classroom practice, and thereby students’ learning, by changing the curriculum. Historically, curriculum conveys what students should learn and, at the same time also serves as an agent for instructional improvement.
📚 @topmathlearn 📚
The field of mathematics education research lies at the intersection of pedagogy and mathematics. As this intersection is quite large, the field is quite broad in scope. Researchers might be interested in how students conceptualize transformations in linear algebra, different approaches to teaching proof by contradiction, curriculum design in an algebra course, the role of technology in middle school classrooms, or the influence of factors such as race or gender on the learning of mathematics. Researchers use a mixture of qualitative (interviews, ethnographies) and quantitative tools (data science, statistics) to explore phenomena from small scales (individual students) to large scales (school districts, states). Overall, the goal is to improve mathematics instruction using the tools of academic research. With such a broad knowledge base, teachers and mathematics enthusiasts always have something new to learn. For some decades now, research in mathematics education has been emerging as a field of study in its own right. After a long struggle for its identity, today one can say that mathematics education has become a full-fledged, interdisciplinary field of research and analysis, aiming at a better understanding of the processes underlying the acquisition and development of mathematical knowledge, skills, beliefs, and attitudes applied to the design of valuable tools and powerful environments for teaching and learning mathematics.
📚 @topmathlearn 📚
#آموزش_ریاضی
Mathematics Education is the field of knowledge and research that deals with theories, practices, policies, curriculum, and issues about the teaching and learning of mathematics meaningfully and considers how people think about mathematics, how they learn it, and how they teach it. One of its major goals is to develop theories of learning and teaching that will be foundational for strategies and curricular materials that improve the conceptual learning and use of mathematics. The field as an academic discipline involves systematic research into aspects of the learning and teaching of mathematics at all levels of education, with a focus on understanding, problem-solving, and the construction of mathematical knowledge and cognitive skills. It also involves designing effective teaching environments and creating innovative assessment methods aligned with the goals of mathematics education. It includes aspects of psychology, sociology, philosophy, and history - all studied through the lens of mathematics, and will be of interest to students who would like to better understand the way human beings think about mathematics and the place of mathematics in society. Mathematics Education concerns the relationship of mathematics and people, including comparisons of mathematics in different cultures, and how mathematics is used to make a difference in the world. Curriculum plays a significant role in mathematics education because it influences what students learn and when, and how well they learn it. Advocates of mathematics education reform often attempt to change classroom practice, and thereby students’ learning, by changing the curriculum. Historically, curriculum conveys what students should learn and, at the same time also serves as an agent for instructional improvement.
📚 @topmathlearn 📚
The field of mathematics education research lies at the intersection of pedagogy and mathematics. As this intersection is quite large, the field is quite broad in scope. Researchers might be interested in how students conceptualize transformations in linear algebra, different approaches to teaching proof by contradiction, curriculum design in an algebra course, the role of technology in middle school classrooms, or the influence of factors such as race or gender on the learning of mathematics. Researchers use a mixture of qualitative (interviews, ethnographies) and quantitative tools (data science, statistics) to explore phenomena from small scales (individual students) to large scales (school districts, states). Overall, the goal is to improve mathematics instruction using the tools of academic research. With such a broad knowledge base, teachers and mathematics enthusiasts always have something new to learn. For some decades now, research in mathematics education has been emerging as a field of study in its own right. After a long struggle for its identity, today one can say that mathematics education has become a full-fledged, interdisciplinary field of research and analysis, aiming at a better understanding of the processes underlying the acquisition and development of mathematical knowledge, skills, beliefs, and attitudes applied to the design of valuable tools and powerful environments for teaching and learning mathematics.
📚 @topmathlearn 📚
#آموزش_ریاضی
❤4
🌐 Mathematical Biology (زیست ریاضی)
Mathematical Biology (also known as Biomathematics or Mathematical and Theoretical Biology) is an interdisciplinary field that uses mathematics to understand biological processes and is concerned with the construction of mathematical models to describe and solve biological problems. The field involves the development of novel mathematical tools to provide insight into biological processes and uses mathematical models and analyses and representations of living organisms to examine the systems that govern the structure, development, and behaviour of and within biological systems. Mathematical Biology relies on a more theoretical approach and analysis to solve problems, rather than using experiments to prove theories like its experimental biology counterpart. Its scope of application ranges from the microscopic level, such as cellular processes and genetic networks, to the macroscopic level, including the dynamics of organisms, populations, ecosystems, and evolutionary biology. Indeed, given its ability to reveal otherwise invisible worlds in all kinds of biological systems, mathematics has been called the "new microscope in biology". To more easily theorize the impacts of environmental factors on living organisms, biologists and mathematicians sometimes combine forces to create mathematical models to identify, understand, and analyze how these factors might come into effect in the real world. In recent decades, an explosive synergy between biology and mathematics has greatly enriched and extended both fields. In turn, biology has stimulated the creation of new realms of mathematics.
📚 @topmathlearn 📚
Computational biology and bioinformatics develop and apply techniques from applied mathematics, statistics, computer science, physics and chemistry to study biological problems, from molecular to macro-evolutionary. This area of study seeks to model, analyze, interpret, and predict various biological phenomena by means of both novel and existing mathematical techniques. This is done in close collaboration with empirical researchers from biological sciences, medicine, engineering, and public health, among others. By drawing insights from biological systems, new directions in mathematics and other areas may emerge. By formulating mathematical models, mathematicians can describe biological systems, predict their behavior under different conditions, and gain insights into their underlying mechanisms. These models can take the form of ordinary and partial differential equations, stochastic processes, statistical models, and computational simulations, allowing for a quantitative understanding of complex biological interactions. The studies of complex social phenomena also belong under the scope of mathematical life sciences and include the modeling of evolution of language, learning, categorization, and human behavior in general.
📚 @topmathlearn 📚
#زیست_ریاضی
Mathematical Biology (also known as Biomathematics or Mathematical and Theoretical Biology) is an interdisciplinary field that uses mathematics to understand biological processes and is concerned with the construction of mathematical models to describe and solve biological problems. The field involves the development of novel mathematical tools to provide insight into biological processes and uses mathematical models and analyses and representations of living organisms to examine the systems that govern the structure, development, and behaviour of and within biological systems. Mathematical Biology relies on a more theoretical approach and analysis to solve problems, rather than using experiments to prove theories like its experimental biology counterpart. Its scope of application ranges from the microscopic level, such as cellular processes and genetic networks, to the macroscopic level, including the dynamics of organisms, populations, ecosystems, and evolutionary biology. Indeed, given its ability to reveal otherwise invisible worlds in all kinds of biological systems, mathematics has been called the "new microscope in biology". To more easily theorize the impacts of environmental factors on living organisms, biologists and mathematicians sometimes combine forces to create mathematical models to identify, understand, and analyze how these factors might come into effect in the real world. In recent decades, an explosive synergy between biology and mathematics has greatly enriched and extended both fields. In turn, biology has stimulated the creation of new realms of mathematics.
📚 @topmathlearn 📚
Computational biology and bioinformatics develop and apply techniques from applied mathematics, statistics, computer science, physics and chemistry to study biological problems, from molecular to macro-evolutionary. This area of study seeks to model, analyze, interpret, and predict various biological phenomena by means of both novel and existing mathematical techniques. This is done in close collaboration with empirical researchers from biological sciences, medicine, engineering, and public health, among others. By drawing insights from biological systems, new directions in mathematics and other areas may emerge. By formulating mathematical models, mathematicians can describe biological systems, predict their behavior under different conditions, and gain insights into their underlying mechanisms. These models can take the form of ordinary and partial differential equations, stochastic processes, statistical models, and computational simulations, allowing for a quantitative understanding of complex biological interactions. The studies of complex social phenomena also belong under the scope of mathematical life sciences and include the modeling of evolution of language, learning, categorization, and human behavior in general.
📚 @topmathlearn 📚
#زیست_ریاضی
❤4
🌐 Mathematical Physics (فیزیک ریاضی)
Mathematical Physics includes the development of new mathematical methods for application to problems in physics, as well as the mathematically rigorous proofs of claims that physicists have only supported with nonrigorous arguments. Mathematics and Physics are traditionally tightly linked subjects, and many historical figures, such as Newton and Gauss, were both physicists and mathematicians. Traditionally Mathematical Physics has been quite closely associated to ideas in calculus, particularly those of differential equations. In recent years however, in part due to the rise of superstring theory, many more branches of mathematics have become major contributors to physics. Mathematical Physics works with topics and concepts such as vector spaces, matrix algebra, differential equations, integral equations, integral transforms, infinite series, and complex variables. It is a very broad topic that, in basic terms, applies mathematical ideas to physics and engineering problems. Mathematical Physics encompasses branches such as statistical mechanics, atomic and molecular physics, electromagnetism, quantum field theory, classical mechanics, and theoretical physics. The formulation of fundamental physical laws has always been tightly interwoven with the deepest mathematics available. This is even more evident today, with geometry providing the foundations of general relativity, gauge theories, string theory, and models of statistical physics. In turn, developments in these fields of physics have been instrumental in driving progress in various areas of mathematics, such as Riemann surface theory, quantum geometry, knot theory, mirror symmetry, representation theory, nonlinear partial differential equations, and differential geometry. Studying Mathematical Physics reveals the hidden intricacies of relativity and quantum theory. The cross-fertilization between mathematics and physics has perhaps never been richer.
📚 @topmathlearn 📚
There is a long history of fruitful exchanges between Probability Theory and Statistical Mechanics and Mathematical Physics. Models of physical systems present challenging and relevant problems to probabilists; ideas and techniques flow back and forth. A general problem is to understand how microscopic noise and local interactions generate random structures on the macroscopic scale, and to describe qualitatively and quantitatively these structures. While the formulation of basic models of physical phenomena, such as percolation, the Ising model, random growth models and interacting particle systems, is completely elementary, their analysis involves a wide array of techniques and concepts: combinatorics and graphs, complex analysis and algebraic curves, operators and representation theory, symmetric functions and integrable systems, Brownian motion, Gaussian fields, stochastic partial differential equations. The fact that current progress toward the understanding of these models involves such diverse ideas is a testimony to the vivacity and depth of the field. Mathematical research in physical modeling focuses on the formulation and analysis of mathematical representations of problems motivated by other branches of science and engineering. In addition to generating novel problems with new computational and analytical challenges, constructing accurate models for complex systems may uncover the need for fundamental extensions to the governing equations.
📚 @topmathlearn 📚
#فیزیک_ریاضی
Mathematical Physics includes the development of new mathematical methods for application to problems in physics, as well as the mathematically rigorous proofs of claims that physicists have only supported with nonrigorous arguments. Mathematics and Physics are traditionally tightly linked subjects, and many historical figures, such as Newton and Gauss, were both physicists and mathematicians. Traditionally Mathematical Physics has been quite closely associated to ideas in calculus, particularly those of differential equations. In recent years however, in part due to the rise of superstring theory, many more branches of mathematics have become major contributors to physics. Mathematical Physics works with topics and concepts such as vector spaces, matrix algebra, differential equations, integral equations, integral transforms, infinite series, and complex variables. It is a very broad topic that, in basic terms, applies mathematical ideas to physics and engineering problems. Mathematical Physics encompasses branches such as statistical mechanics, atomic and molecular physics, electromagnetism, quantum field theory, classical mechanics, and theoretical physics. The formulation of fundamental physical laws has always been tightly interwoven with the deepest mathematics available. This is even more evident today, with geometry providing the foundations of general relativity, gauge theories, string theory, and models of statistical physics. In turn, developments in these fields of physics have been instrumental in driving progress in various areas of mathematics, such as Riemann surface theory, quantum geometry, knot theory, mirror symmetry, representation theory, nonlinear partial differential equations, and differential geometry. Studying Mathematical Physics reveals the hidden intricacies of relativity and quantum theory. The cross-fertilization between mathematics and physics has perhaps never been richer.
📚 @topmathlearn 📚
There is a long history of fruitful exchanges between Probability Theory and Statistical Mechanics and Mathematical Physics. Models of physical systems present challenging and relevant problems to probabilists; ideas and techniques flow back and forth. A general problem is to understand how microscopic noise and local interactions generate random structures on the macroscopic scale, and to describe qualitatively and quantitatively these structures. While the formulation of basic models of physical phenomena, such as percolation, the Ising model, random growth models and interacting particle systems, is completely elementary, their analysis involves a wide array of techniques and concepts: combinatorics and graphs, complex analysis and algebraic curves, operators and representation theory, symmetric functions and integrable systems, Brownian motion, Gaussian fields, stochastic partial differential equations. The fact that current progress toward the understanding of these models involves such diverse ideas is a testimony to the vivacity and depth of the field. Mathematical research in physical modeling focuses on the formulation and analysis of mathematical representations of problems motivated by other branches of science and engineering. In addition to generating novel problems with new computational and analytical challenges, constructing accurate models for complex systems may uncover the need for fundamental extensions to the governing equations.
📚 @topmathlearn 📚
#فیزیک_ریاضی
❤4
🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃
👩💻🧑💻 دوستان گرامی، برای معرفی گرایشها و زیرشاخههای مختلف رشته ریاضی به هشتگهای زیر مراجعه کنید.
✅ لازم به ذکر است که توضیحات هر شاخه و زیرشاخه بهمنظور یادگیری اصطلاحات و کلمات کلیدی و درک بهتر آنها به زبان انگلیسی میباشد.
#جبر
#ترکیبیات
#نظریه_اعداد
#نظریه_نمایش
#منطق_ریاضی
#توپولوژی
#توپولوژی_جبری
#آنالیز
#معادلات_دیفرانسیل_جزئی
#هندسه
#هندسه_دیفرانسیل
#هندسه_جبری
#ریاضی_کاربردی
#آمار
#ریاضی_مالی
#علوم_کامپیوتر
#علوم_داده
#آموزش_ریاضی
#زیست_ریاضی
#فیزیک_ریاضی
📚 @topmathlearn 📚
🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃
👩💻🧑💻 دوستان گرامی، برای معرفی گرایشها و زیرشاخههای مختلف رشته ریاضی به هشتگهای زیر مراجعه کنید.
✅ لازم به ذکر است که توضیحات هر شاخه و زیرشاخه بهمنظور یادگیری اصطلاحات و کلمات کلیدی و درک بهتر آنها به زبان انگلیسی میباشد.
#جبر
#ترکیبیات
#نظریه_اعداد
#نظریه_نمایش
#منطق_ریاضی
#توپولوژی
#توپولوژی_جبری
#آنالیز
#معادلات_دیفرانسیل_جزئی
#هندسه
#هندسه_دیفرانسیل
#هندسه_جبری
#ریاضی_کاربردی
#آمار
#ریاضی_مالی
#علوم_کامپیوتر
#علوم_داده
#آموزش_ریاضی
#زیست_ریاضی
#فیزیک_ریاضی
📚 @topmathlearn 📚
🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃
Research & Teaching in Mathematics pinned «🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃🌸🍃 👩💻🧑💻 دوستان گرامی، برای معرفی گرایشها و زیرشاخههای مختلف رشته ریاضی به هشتگهای زیر مراجعه کنید. ✅ لازم به ذکر است که توضیحات هر شاخه و زیرشاخه بهمنظور یادگیری اصطلاحات و کلمات کلیدی و درک بهتر آنها به زبان انگلیسی میباشد. #جبر #ترکیبیات…»
〰〰〰〰〰〰〰🍃🌺🍃〰〰〰〰〰〰〰
💠 آشنایی با پایگاههای اطلاعاتی و استنادی علمی
تحقیق و پژوهش و انتشار کتاب و مقاله علمی مستلزم آشنایی با ناشران و پایگاههای اطلاعاتی و استنادی معتبر میباشد. امروزه با وجود فناوریهای نوین ارتباطی و اطلاعاتی از منابع علمی الکترونیکی تحت وب بهطور فزایندهای استفاده میشود. عمدهترین منابع وب مورد استفاده، پایگاههای اطلاعاتی (Information Databases) میباشند. پایگاههای اطلاعاتی معتبر و مهمی در کشورهای مختلف وجود دارند که در حوزههای مختلف علوم به چاپ و انتشار تعداد زیادی مقاله و کتاب میپردازند و برخی از آنها بهصورت تخصصی در حوزههای خاصی فعالیت دارند.
در ادامه برخی از بزرگترین و مهمترین پایگاههای اطلاعاتی و استنادی علمی جهان را بررسی میکنیم که مورد استفاده پژوهشگران، اساتید و دانشجویان سراسر جهان میباشند.
〰〰〰〰〰〰〰🍃🌺🍃〰〰〰〰〰〰〰
📚 @topmathlearn 📚
💠 آشنایی با پایگاههای اطلاعاتی و استنادی علمی
تحقیق و پژوهش و انتشار کتاب و مقاله علمی مستلزم آشنایی با ناشران و پایگاههای اطلاعاتی و استنادی معتبر میباشد. امروزه با وجود فناوریهای نوین ارتباطی و اطلاعاتی از منابع علمی الکترونیکی تحت وب بهطور فزایندهای استفاده میشود. عمدهترین منابع وب مورد استفاده، پایگاههای اطلاعاتی (Information Databases) میباشند. پایگاههای اطلاعاتی معتبر و مهمی در کشورهای مختلف وجود دارند که در حوزههای مختلف علوم به چاپ و انتشار تعداد زیادی مقاله و کتاب میپردازند و برخی از آنها بهصورت تخصصی در حوزههای خاصی فعالیت دارند.
در ادامه برخی از بزرگترین و مهمترین پایگاههای اطلاعاتی و استنادی علمی جهان را بررسی میکنیم که مورد استفاده پژوهشگران، اساتید و دانشجویان سراسر جهان میباشند.
〰〰〰〰〰〰〰🍃🌺🍃〰〰〰〰〰〰〰
📚 @topmathlearn 📚
1⃣ Elsevier (اِلزِویر)
اِلزِویر (Elsevier) یکی از بزرگترین و معتبرترین ناشران علمی در جهان است که به نشر منابع دیجیتالی و انتشار مقالات و کتاب های علمی با کیفیت بالا در حوزه های مختلف علمی میپردازد. اِلزِویر یک ناشر چندرسانهای پیشرو است و با داشتن سابقهای طولانی در عرصه انتشار علمی و ارائه خدمات گسترده، نقش بسیار مهمی در ارتقاء دانش و پژوهشهای علمی ایفا میکند و در این راه نامدارانی همچون اسکالیجر، گالیله، اراسموس و دکارت با این موسسه همکاری داشته اند. این ناشر علمی مرجع معتبر و جامع در زمینههای مطالعاتی برای بسیاری از پژوهشگران، دانشجویان و اساتید دانشگاه در سراسر جهان است.
اِلزِویر در سال 1880 میلادی به عنوان یک شرکت چاپ و نشر در کشور هلند تاسیس شد و عنوان آن برگرفته از نام لوییس اِلزِویر بنیانگذار آن است. دفتر این ناشر در شهر آمستردام واقع شده است، اما فعالیت موسسه به کشور مبدا محدود نیست، بلکه در کشورهای آمریکا و انگلستان هم فعالیتهای مهمی را دنبال میکند. مقالات الزویر به 13 زبان منتشر شده که شامل زبان فارسی نیست. ناشر اِلزِویر بیش از 200000 محصول و خدمات ارائه میدهد که شامل مجلات، کتابها، محصولات و خدمات الکترونیکی و پایگاههای اطلاعاتی میباشد و هر سال بیش از 1600 نشریه و 1200 کتاب را منتشر مینماید. تصویر لوگوی کنونی انتشارات الزویر را آیزاک اِلزِویر فرزند موسس اِلزِویر در سال 1620 میلادی طراحی کرد و در تمامی مستندات این شرکت آن را درج نمود. بر سر معنا و مفهوم دقیق این لوگو توافق جامعی وجود ندارد. این تصویر درخت نارونی را نشان میدهد که درخت تاکی بر دور آن پیچیده است و عبارت لاتین «Non Solus» که به معنی «عدم تنها بودن» است از آن آویزان است.
🌐 https://www.elsevier.com/
اِلزِویر مجموعهای از پایگاههای اطلاعاتی و استنادی علمی را ارائه میدهد که به پژوهشگران، دانشجویان و اساتید کمک میکند تا به اطلاعات علمی بهروز و معتبر دسترسی پیدا کنند. این پایگاهها شامل مجموعهای از مقالات، کتب، گزارشها و دادههای علمی است که در زمینههای مختلف علمی، فنی و پزشکی منتشر شدهاند. ساینس دایرکت (Science Direct) و اسکوپوس (Scopus) هر دو پایگاههای اطلاعاتی و استنادی علمی با دسترسی اشتراکی هستند که صاحب آنها انتشارات اِلزِویر است.
📚 @topmathlearn 📚
ساینس دایرکت در سال 1997 راهاندازی شد و از آن زمان تاکنون با ارائه دسترسی به میلیونها مقاله علمی، کتاب الکترونیکی و سایر منابع معتبر، به عنوان ابزاری ضروری برای تحقیق و آموزش در زمینههای مختلف علمی شناخته میشود. این وبسایت امکان دسترسی به همه مجلههای انتشارات اِلزِویر در چهار گروه علوم پایه و مهندسی، علوم زیستی، علوم بهداشت و علوم اجتماعی و انسانی و دانلود مقالات آنها را به کاربران ارائه میدهد. همچنین، این پایگاه دادهای هم اکنون دسترسی آنلاین به 3800 مجله، 37000 کتاب الکترونیکی و کتابهای مرجع و بیش از 13 میلیون مقاله را امکانپذیر میکند. یادآوری این نکته ضروری است که موسسه علمی تامسون رویترز اغلب مجلات این پایگاه علمی را نمایهگذاری میکند و به همین دلیل بیشتر مقالات ساینس دایرکت جزء مقالات آیاِسآی (ISI) هستند.
🌐 https://www.sciencedirect.com/
اسکوپوس در سال 2004 راهاندازی شد که یک پایگاه داده استنادی جامع است و علاوه بر چکیده مقالات، دارای فهرست منابع هر مقاله نیز بوده و بدین ترتیب امکان محاسبه تعداد استنادات به هر مقاله را فراهم میکند. این پایگاه استنادی مشهور و معتبر در زمینههای مختلف علمی فعالیت دارد که به پژوهشگران امکان میدهد تا به مقالات علمی، کنفرانسها، کتابها و پتنتها دسترسی پیدا کنند و استنادات علمی را تحلیل و ارزیابی کنند. اسکوپوس بیش از 22800 عنوان دنبالهدار، 150000 کتاب و و 5000 ناشر بینالمللی را تحت پوشش خود دارد و اطلاعات کتابشناختی حدود 25 میلیون سند را گردآوری کرده است. مجلات اسکوپوس بر اساس امتیازاتی با حرف Q دستهبندی میشوند و این پایگاه استنادی مقالات پیش از سال 1995 را ندارد.
🌐 https://www.scopus.com/
به طور کلی مهمترین و اصلیترین تفاوت ساینس دایرکت و اسکوپوس این است که ساینس دایرکت یک سایت انتشار است که مجلات در آن مقالات اصلی کامل و پایانی خود را قرار میدهند اما اسکوپوس یک سایت نمایهسازی است که فقط شامل چکیدههاست. لازم به ذکر است از آنجایی که اطلاعات به صورت روزانه آپدیت میشود، لذا اعداد مذکور تغییر میکنند.
#الزویر
#ساینس_دایرکت
#اسکوپوس
اِلزِویر (Elsevier) یکی از بزرگترین و معتبرترین ناشران علمی در جهان است که به نشر منابع دیجیتالی و انتشار مقالات و کتاب های علمی با کیفیت بالا در حوزه های مختلف علمی میپردازد. اِلزِویر یک ناشر چندرسانهای پیشرو است و با داشتن سابقهای طولانی در عرصه انتشار علمی و ارائه خدمات گسترده، نقش بسیار مهمی در ارتقاء دانش و پژوهشهای علمی ایفا میکند و در این راه نامدارانی همچون اسکالیجر، گالیله، اراسموس و دکارت با این موسسه همکاری داشته اند. این ناشر علمی مرجع معتبر و جامع در زمینههای مطالعاتی برای بسیاری از پژوهشگران، دانشجویان و اساتید دانشگاه در سراسر جهان است.
اِلزِویر در سال 1880 میلادی به عنوان یک شرکت چاپ و نشر در کشور هلند تاسیس شد و عنوان آن برگرفته از نام لوییس اِلزِویر بنیانگذار آن است. دفتر این ناشر در شهر آمستردام واقع شده است، اما فعالیت موسسه به کشور مبدا محدود نیست، بلکه در کشورهای آمریکا و انگلستان هم فعالیتهای مهمی را دنبال میکند. مقالات الزویر به 13 زبان منتشر شده که شامل زبان فارسی نیست. ناشر اِلزِویر بیش از 200000 محصول و خدمات ارائه میدهد که شامل مجلات، کتابها، محصولات و خدمات الکترونیکی و پایگاههای اطلاعاتی میباشد و هر سال بیش از 1600 نشریه و 1200 کتاب را منتشر مینماید. تصویر لوگوی کنونی انتشارات الزویر را آیزاک اِلزِویر فرزند موسس اِلزِویر در سال 1620 میلادی طراحی کرد و در تمامی مستندات این شرکت آن را درج نمود. بر سر معنا و مفهوم دقیق این لوگو توافق جامعی وجود ندارد. این تصویر درخت نارونی را نشان میدهد که درخت تاکی بر دور آن پیچیده است و عبارت لاتین «Non Solus» که به معنی «عدم تنها بودن» است از آن آویزان است.
🌐 https://www.elsevier.com/
اِلزِویر مجموعهای از پایگاههای اطلاعاتی و استنادی علمی را ارائه میدهد که به پژوهشگران، دانشجویان و اساتید کمک میکند تا به اطلاعات علمی بهروز و معتبر دسترسی پیدا کنند. این پایگاهها شامل مجموعهای از مقالات، کتب، گزارشها و دادههای علمی است که در زمینههای مختلف علمی، فنی و پزشکی منتشر شدهاند. ساینس دایرکت (Science Direct) و اسکوپوس (Scopus) هر دو پایگاههای اطلاعاتی و استنادی علمی با دسترسی اشتراکی هستند که صاحب آنها انتشارات اِلزِویر است.
📚 @topmathlearn 📚
ساینس دایرکت در سال 1997 راهاندازی شد و از آن زمان تاکنون با ارائه دسترسی به میلیونها مقاله علمی، کتاب الکترونیکی و سایر منابع معتبر، به عنوان ابزاری ضروری برای تحقیق و آموزش در زمینههای مختلف علمی شناخته میشود. این وبسایت امکان دسترسی به همه مجلههای انتشارات اِلزِویر در چهار گروه علوم پایه و مهندسی، علوم زیستی، علوم بهداشت و علوم اجتماعی و انسانی و دانلود مقالات آنها را به کاربران ارائه میدهد. همچنین، این پایگاه دادهای هم اکنون دسترسی آنلاین به 3800 مجله، 37000 کتاب الکترونیکی و کتابهای مرجع و بیش از 13 میلیون مقاله را امکانپذیر میکند. یادآوری این نکته ضروری است که موسسه علمی تامسون رویترز اغلب مجلات این پایگاه علمی را نمایهگذاری میکند و به همین دلیل بیشتر مقالات ساینس دایرکت جزء مقالات آیاِسآی (ISI) هستند.
🌐 https://www.sciencedirect.com/
اسکوپوس در سال 2004 راهاندازی شد که یک پایگاه داده استنادی جامع است و علاوه بر چکیده مقالات، دارای فهرست منابع هر مقاله نیز بوده و بدین ترتیب امکان محاسبه تعداد استنادات به هر مقاله را فراهم میکند. این پایگاه استنادی مشهور و معتبر در زمینههای مختلف علمی فعالیت دارد که به پژوهشگران امکان میدهد تا به مقالات علمی، کنفرانسها، کتابها و پتنتها دسترسی پیدا کنند و استنادات علمی را تحلیل و ارزیابی کنند. اسکوپوس بیش از 22800 عنوان دنبالهدار، 150000 کتاب و و 5000 ناشر بینالمللی را تحت پوشش خود دارد و اطلاعات کتابشناختی حدود 25 میلیون سند را گردآوری کرده است. مجلات اسکوپوس بر اساس امتیازاتی با حرف Q دستهبندی میشوند و این پایگاه استنادی مقالات پیش از سال 1995 را ندارد.
🌐 https://www.scopus.com/
به طور کلی مهمترین و اصلیترین تفاوت ساینس دایرکت و اسکوپوس این است که ساینس دایرکت یک سایت انتشار است که مجلات در آن مقالات اصلی کامل و پایانی خود را قرار میدهند اما اسکوپوس یک سایت نمایهسازی است که فقط شامل چکیدههاست. لازم به ذکر است از آنجایی که اطلاعات به صورت روزانه آپدیت میشود، لذا اعداد مذکور تغییر میکنند.
📚 @topmathlearn 📚
#الزویر
#ساینس_دایرکت
#اسکوپوس
www.elsevier.com
Elsevier | A global leader for advanced information and decision support in science and healthcare
Elsevier provides advanced information and decision support to accelerate progress in science and healthcare worldwide.
2⃣ Springer (اِشپرینگر)
اِشپرینگر (Springer) یکی از ناشران بزرگ بینالمللی و یکی از پایگاههای اطلاعاتی اصلی میباشد که کتابهای آکادمیک و مقالات تخصصی علمی را با کیفیت بالا منتشر میکند و نام کامل آن Springer Science+Business Media است. انتشارات اِشپرینگر در سال 1842 توسط ژولیوس اِشپرینگر در برلین آلمان تاسیس شد و در سال 2015 با شرکت Springer Nature ادغام شد و به عنوان قسمتی از این ناشر بزرگ جهانی به شمار میآید. هدف این مجموعه انتشاراتی پیشرفت علم و دسترسپذیر ساختن نتایج پژوهشها برای جامعه علمی به منظور پیشرفت علمی و فناوری است. لوگوی اِشپرینگر اسب شطرنج است. علت انتخاب این نماد این است که کلمه آلمانی اِشپرینگر که نام فامیلی بنیانگذار اِشپرینگر است، به معنی اسب شطرنج میباشد.
📚 @topmathlearn 📚
این انتشارات در حال حاضر بزرگترین ناشر کتابهای علمی به شمار میرود و همچنین، دومین پایگاه اطلاعاتی بزرگ علمی پس از اِلزِویر در سطح جهان است و در حوزههای مختلف علمی، فنی و پزشکی به نشر مقالات میپردازد. یک دلیل مهم موفقیت شرکت اِشپرینگر کیفیت بالای خدمات آن است. اِشپرینگر مسئولیت انتشار حدود 2200 مجله انگلیسی زبان را بر عهده دارد و مجلاتی که توسط این ناشر چاپ میشوند جزو مجلات پیشرو در جهان علم و اکثرا دارای ضریب اثر بسیار بالایی هستند. یکی دیگر از علل موفقیت این ناشر همکاری آن با بزرگان علم جهان است. موسسه اِشپرینگر با 150 برنده جایزه نوبل همکاری داشته است که رقمی حیرت آور است. پایگاه اطلاعاتی اِشپرینگرلینك (SpringerLink) به عنوان یکی از مهمترین پلتفرمهای انتشارات اِشپرینگر، محیطی را فراهم کرده است که در آن کاربران میتوانند به مجموعهای گسترده از منابع علمی در رشتههای مختلف دسترسی پیدا کنند. این پایگاه امکان مشاهده و دانلود مقالات علمی، کتابهای تخصصی و مقالات کنفرانسی را فراهم میکند و از این نظر، یکی از پرکاربردترین منابع علمی برای پژوهشگران، دانشجویان و اساتید دانشگاه در سطح بینالمللی محسوب میشود.
🌐 https://www.springer.com/
🌐 https://www.link.springer.com/
#اشپرینگر
اِشپرینگر (Springer) یکی از ناشران بزرگ بینالمللی و یکی از پایگاههای اطلاعاتی اصلی میباشد که کتابهای آکادمیک و مقالات تخصصی علمی را با کیفیت بالا منتشر میکند و نام کامل آن Springer Science+Business Media است. انتشارات اِشپرینگر در سال 1842 توسط ژولیوس اِشپرینگر در برلین آلمان تاسیس شد و در سال 2015 با شرکت Springer Nature ادغام شد و به عنوان قسمتی از این ناشر بزرگ جهانی به شمار میآید. هدف این مجموعه انتشاراتی پیشرفت علم و دسترسپذیر ساختن نتایج پژوهشها برای جامعه علمی به منظور پیشرفت علمی و فناوری است. لوگوی اِشپرینگر اسب شطرنج است. علت انتخاب این نماد این است که کلمه آلمانی اِشپرینگر که نام فامیلی بنیانگذار اِشپرینگر است، به معنی اسب شطرنج میباشد.
📚 @topmathlearn 📚
این انتشارات در حال حاضر بزرگترین ناشر کتابهای علمی به شمار میرود و همچنین، دومین پایگاه اطلاعاتی بزرگ علمی پس از اِلزِویر در سطح جهان است و در حوزههای مختلف علمی، فنی و پزشکی به نشر مقالات میپردازد. یک دلیل مهم موفقیت شرکت اِشپرینگر کیفیت بالای خدمات آن است. اِشپرینگر مسئولیت انتشار حدود 2200 مجله انگلیسی زبان را بر عهده دارد و مجلاتی که توسط این ناشر چاپ میشوند جزو مجلات پیشرو در جهان علم و اکثرا دارای ضریب اثر بسیار بالایی هستند. یکی دیگر از علل موفقیت این ناشر همکاری آن با بزرگان علم جهان است. موسسه اِشپرینگر با 150 برنده جایزه نوبل همکاری داشته است که رقمی حیرت آور است. پایگاه اطلاعاتی اِشپرینگرلینك (SpringerLink) به عنوان یکی از مهمترین پلتفرمهای انتشارات اِشپرینگر، محیطی را فراهم کرده است که در آن کاربران میتوانند به مجموعهای گسترده از منابع علمی در رشتههای مختلف دسترسی پیدا کنند. این پایگاه امکان مشاهده و دانلود مقالات علمی، کتابهای تخصصی و مقالات کنفرانسی را فراهم میکند و از این نظر، یکی از پرکاربردترین منابع علمی برای پژوهشگران، دانشجویان و اساتید دانشگاه در سطح بینالمللی محسوب میشود.
🌐 https://www.springer.com/
🌐 https://www.link.springer.com/
📚 @topmathlearn 📚
#اشپرینگر
3⃣ Wiley (وایلی)
وایلی (Wiley) یکی از پایگاههای اطلاعاتی علمی معتبر در سطح بینالمللی است که با انتشار محتوای ارزشمند آکادمیک و ارائه مقالات پژوهشی، کتابهای تخصصی و مجلات علمی به صورت چاپی و الکترونیک در زمینههای متنوع، بستری برای توسعه تحقیقات در سطح جهانی فراهم کرده است. این ناشر محصولات بسیار متنوعی از قبیل کتاب، مقاله و دایرهالمعارف را به صورت چاپی و الکترونیک منتشر میکند و با همکاری انجمنهای علمی و دانشگاهها، محتوای پژوهشی و یافتههای علمی گستردهای را در اختیار پژوهشگران، اساتید و دانشجویان قرار میدهد.
📚 @topmathlearn 📚
انتشارات جان وایلی و پسران (John Wiley & Sons) که به اختصار وایلی (Wiley) نیز نامیده میشود، در سال 1807 میلادی توسط چارلز وایلی در شهر منهتن تاسیس شد. دفتر مرکزی این پایگاه در کشور ایالات متحده و در ایالت نیوجرسی واقع است. در ابتدا انتشارات وایلی فقط کتابهای ادبیات و رمان را منتشر میکرد. در سال 1826 هنگامی که چارلز وایلی درگذشت مدیریت انتشارات توسط فرزند او جان وایلی بر عهده گرفته شد. در سال 1876 زمانی که ویلیام وایلی به برادر خود چارلز پیوست نام فعلی وایلی را بر روی انتشارات خانوادگی خود گذاشت و فعالیت خود را به انتشار کتابهای علمی در حوزههای علوم فنی و مهندسی و پزشکی و دیگر حوزههای علمی تغییر دادند.
📚 @topmathlearn 📚
انتشارات وایلی همزمان با برگزاری جشن 175 سالگی خود در سال 1982، با خرید «شرکت آموزشی ویلسون» به حوزهی آموزش و تحصیلات آکادمیک وارد شد. پس از این در سالهای 1989، 1996 و 2007، اقدام به خرید و ادغام چندین ناشر آکادمیک نمود که انتشارات انگلیسی «Blackwell» که پیش از این یکی از شرکای تجاری وایلی بهشمار میرفت، جزو این دسته محسوب میشود. انتشارات وایلی-بلکول (Wiley-Blackwell) به عنوان یکی از گستردهترین پایگاههای علمی جهان، طیف وسیعی از مقالات پژوهشی را در رشتههای مختلف منتشر میکند. ظهور اینترنت بالاخره به شرکت وایلی این امکان را داد که گسترهی وسیعی از محصولات و خدمات خود را بههمراه پلتفرم علمی، فنی، پزشکی و حرفهای شرکت به نام «کتابخانهی آنلاین وایلی» (Wiley Online Library) را بهصورت آنلاین به مشتریان خود عرضه نماید. این پایگاه دسترسی یکپارچه بدون مرز به بیش از 1600 مجله، 250 منابع مرجع و 22000 کتاب الکترونیکی و صدها پروتکلهای آزمایشگاهی و پایگاههای اطلاعاتی را فراهم میکند. پوشش موضوعی انتشارات وایلی بسیار گسترده بوده و طیف وسیعی از موضوعات علمی را در حوزه های علوم انسانی، فنی و مهندسی، علوم پزشکی و پیراپزشکی و علوم پایه را شامل میشود.
🌐 https://www.wiley.com/
#وایلی
وایلی (Wiley) یکی از پایگاههای اطلاعاتی علمی معتبر در سطح بینالمللی است که با انتشار محتوای ارزشمند آکادمیک و ارائه مقالات پژوهشی، کتابهای تخصصی و مجلات علمی به صورت چاپی و الکترونیک در زمینههای متنوع، بستری برای توسعه تحقیقات در سطح جهانی فراهم کرده است. این ناشر محصولات بسیار متنوعی از قبیل کتاب، مقاله و دایرهالمعارف را به صورت چاپی و الکترونیک منتشر میکند و با همکاری انجمنهای علمی و دانشگاهها، محتوای پژوهشی و یافتههای علمی گستردهای را در اختیار پژوهشگران، اساتید و دانشجویان قرار میدهد.
📚 @topmathlearn 📚
انتشارات جان وایلی و پسران (John Wiley & Sons) که به اختصار وایلی (Wiley) نیز نامیده میشود، در سال 1807 میلادی توسط چارلز وایلی در شهر منهتن تاسیس شد. دفتر مرکزی این پایگاه در کشور ایالات متحده و در ایالت نیوجرسی واقع است. در ابتدا انتشارات وایلی فقط کتابهای ادبیات و رمان را منتشر میکرد. در سال 1826 هنگامی که چارلز وایلی درگذشت مدیریت انتشارات توسط فرزند او جان وایلی بر عهده گرفته شد. در سال 1876 زمانی که ویلیام وایلی به برادر خود چارلز پیوست نام فعلی وایلی را بر روی انتشارات خانوادگی خود گذاشت و فعالیت خود را به انتشار کتابهای علمی در حوزههای علوم فنی و مهندسی و پزشکی و دیگر حوزههای علمی تغییر دادند.
📚 @topmathlearn 📚
انتشارات وایلی همزمان با برگزاری جشن 175 سالگی خود در سال 1982، با خرید «شرکت آموزشی ویلسون» به حوزهی آموزش و تحصیلات آکادمیک وارد شد. پس از این در سالهای 1989، 1996 و 2007، اقدام به خرید و ادغام چندین ناشر آکادمیک نمود که انتشارات انگلیسی «Blackwell» که پیش از این یکی از شرکای تجاری وایلی بهشمار میرفت، جزو این دسته محسوب میشود. انتشارات وایلی-بلکول (Wiley-Blackwell) به عنوان یکی از گستردهترین پایگاههای علمی جهان، طیف وسیعی از مقالات پژوهشی را در رشتههای مختلف منتشر میکند. ظهور اینترنت بالاخره به شرکت وایلی این امکان را داد که گسترهی وسیعی از محصولات و خدمات خود را بههمراه پلتفرم علمی، فنی، پزشکی و حرفهای شرکت به نام «کتابخانهی آنلاین وایلی» (Wiley Online Library) را بهصورت آنلاین به مشتریان خود عرضه نماید. این پایگاه دسترسی یکپارچه بدون مرز به بیش از 1600 مجله، 250 منابع مرجع و 22000 کتاب الکترونیکی و صدها پروتکلهای آزمایشگاهی و پایگاههای اطلاعاتی را فراهم میکند. پوشش موضوعی انتشارات وایلی بسیار گسترده بوده و طیف وسیعی از موضوعات علمی را در حوزه های علوم انسانی، فنی و مهندسی، علوم پزشکی و پیراپزشکی و علوم پایه را شامل میشود.
🌐 https://www.wiley.com/
📚 @topmathlearn 📚
#وایلی