دوستان عزیز، سلام

قصد دارم یک کانال خصوصی راه‌اندازی کنم. در این کانال، تمام دوره‌ها و محتواهایی را که تاکنون تولید کرده‌ام و در آینده تولید خواهم کرد، آپلود می‌شوند. البته آموزش‌های رایگان همچنان در کانال فعلی ارائه خواهند شد و مشکلی برای این کانال، بوجود نخواهد آمد.

برای عضویت در این کانال، سالانه باید حق اشتراک پرداخته شود (شاید هم پرداخت فقط یکبار صورت بگیرد و بصورت مادام العمر باشد). بعد از پرداخت حق اشتراک، اعضا به تمام محتواهای قبلی و آینده (هر چند دوره که باشد) دسترسی خواهند داشت. با این روش، هزینه‌ها نسبت به خرید تک تک دوره‌ها بسیار کاهش پیدا خواهد کرد.

لطفاً نظرتان را در پست بعدی اعلام فرمایید. نظرسنجی بصورت ناشناس است. اگر نکته یا ایده دیگری هم دارید در زیر این پست یا بصورت خصوصی برای بنده اعلام فرمایید (‎@rasoul911). پیشاپیش از وقتی که صرف می‌کنید، سپاسگزارم.
‏

▫️ارزشیابی مدل‌های زبانی بزرگ (LLMs)

تعداد مدل‌های زبانی بزرگ (LLMs) در حال افزایش است. ارزشیابی و مقایسه آنها و تعیین بنچمارک یکی از دغدغه‌های مهم پژوهشگران این حوزه است. در راستای این مسئله، تیمی از اساتید و دانشجویان دانشگاه Berkeley دست به کار خلاقانه‌ای زده‌اند.

آن‌ها پروژه اوپن سورسی به نام Chatbot Arena را راه‌اندازی کرده‌اند که مأموریت آن ایجاد یک پلتفرم جمع‌سپاری باز (open crowdsourced platform) برای جمع‌آوری بازخوردهای کاربران و ارزشیابی LLM ها با استفاده از سناریوهای واقعی است. آن‌ها امکان چت و مقایسه در 33 مدل زبانی را مهیا کرده‌اند (مثل GPT، Cluade، Gemini، LLaMA و خیلی‌های دیگر)

🔗 برای استفاده از این پروژه به سایت زیر مراجعه کنید:

https://chat.lmsys.org

چند روش برای استفاده از این سرویس وجود دارد:

☑️ ‎Arena (Battle)

این گزینه در حقیقت نبرد بین LLM هاست! کافیست سؤال یا prompt خودتان را وارد کنید تا بصورت ناشناس، دو مدل زبانی به شما جواب بدهد. در آخر مشخص می‌کنید که جواب کدام مدل بهتر است: مدل A یا مدل B؟ اگر هر دو بد بودند گزینه Both are bad را انتخاب کنید و اگر هر دو برابر بودند و مدلی بر مدل دیگر غلبه نکرد، گزینه Tie را انتخاب کنید.

هر کدام از گزینه‌های فوق را انتخاب کنید، بلافاصله دو مدل زبانی که داشتند با هم مبارزه می کردند-و شما نمی‌دانستید کدام ها هستند-، اسمشان آشکار می‌شود.

☑️ Arena (side-by-side):

در این حالت شما دو مدل را از لیست مدل‌ها انتخاب می‌کنید و با prompt واحد آنها را به مبارزه می‌طلبید. بنابراین برخلاف گزینه اولی، شما از قبل نام مدل‌ها را می‌دانید.

☑️ Direct Chat:

در اینجا دیگر مبارزه‌ای در کار نیست و شما هر بار یکی از مدل‌ها را انتخاب و چت می‌کنید و در نهایت پاسخ داده شده را بر اساس نظر خودتان (نه در مقایسه با بقیه مدل‌ها) ارزشیابی می‌کنید.

☑️ Vision Direct Chat:

در این جا فقط سه ورژن از مدل LLaVA وجود دارد که قابلیت درک تصاویر را دارند. کافیست تصویر مد نظرتان را آپلود کنید و درباره تصویر از این مدل سؤال کنید!

✅ درست است این سرویس برای ارزشیابی مدل‌ها ایجاد شده است، ولی شما می‌توانید برای اهداف دیگر هم از آن استفاده کنید. این سایت را پلتفرمی در نظر بگیرید که تعداد زیادی از مدل‌ها را در یکجا ارائه می‌کند و شما براحتی می‌توانید از هر کدام که خواستید، استفاده کنید. طبیعی است برخی از مدل‌های غیر رایگان محدودیت‌هایی دارند.

گزارشی از این پروژه در قالب preprint در سرور Arxiv آپلود شده است برای مطالعه به این لینک مراجعه فرمایید.

🆔 @irevidence

▫️معرفی سرویس Citrus Search

این روزها سرویس‌هایی ایجاد شده‌اند تحت عنوان نقشه‌برداری متون (Literature Mapping) که امکان جالبی را برای جستجو و بازیابی متون علمی فراهم کرده‌اند. کارکرد آنها متقاوت از دیتابیس‌ها و موتورهای جستجوی علمی است. کافیست در رابطه با موضوع پژوهشی‌تان، فقط یک مقاله مرتبط را از هر طریقی که بلدید، پیدا کنید و بقیه کارها را به این سرویس‌ها بسپارید تا مقالات مرتبط را برایتان پیدا کنند.

یکی از این سرویس‌ها، Citrus Search است که سازندگان موتور جستجوی علمی Semantic Scholar آن را راه‌اندازی کرده‌اند. استفاده از این سرویس بسیار ساده است. کافیست مراحل زیر را دنبال کنید:

1- ابتدا به وبسایت زیر مراجعه کنید:

https://citrus-search.com

2- اگر مقاله‌ای را از قبل پیدا کردید، عنوان یا DOI آن را وارد کنید یا بر اساس کلیدواژه یا نویسنده، جستجو را انجام دهید و مقاله مد نظرتان را انتخاب کنید. شما می‌توانید بیش از یک مقاله را هم وارد کنید. به این مقاله یا مقالات اصطلاحاً Seed Papers می‌گوییم. Seed یا دانه مقاله‌ای است که Citrus Search بر اساس آن، مقالات مرتبط دیگر را پیدا می‌کند (در حقیقت دون‌پاشی می‌کنیم!)

3- اقدام بعدی، انتخاب تعداد نتایج است. بصورت پیشفرض بر روی عدد 30 قرار گرفته است که شما بصورت دستی می‌توانید حداقل 10 و حداکثر 50 نتیجه یا همان مقاله مرتبط را انتخاب کنید. بعد از انتخاب تعداد نتایج، بر روی Search کلیک کنید.

4- چند ثانیه صبر کنید تا مقالات مرتبط نمایش داده شوند. ارتباط عمدتاً بر مبنای رفرنس‌ها و استنادات است و از یادگیری ماشین هم بهره گرفته می‌شود. در سمت چپ، مقالات مرتبط بصورت نقشه و گراف، نمایش داده می‌شوند که به دو صورت تایم‌لاین و خوشه‌ای قابل تنظیم هستند.

هر دایره زرد رنگ نشان دهنده یک مقاله است و اندازه دایره هر چقدر بیشتر باشد، یعنی مرتبط‌تر است. مقالات Seed هم با رنگ آبی مشخص می‌شوند. اگر بر روی هر دایره یا گراف کلیک کنید، ارتباطش با مقالات دیگر نمایش داده می‌شود.

در سمت راست هم اطلاعات کتابشناختی همان مقالات بصورت متنی قابل مشاهده هستند. با کلیک بر روی آنها تعداد رفرنس‌ها و استنادات آن‌ها را می‌بینید و اگر بر روی آنها کلیک کنید، به Semantic Scholar هدایت می‌شوید. اگر بر روی DOI هم کلیک کنید، صفحه مقاله در سایت مجله یا ناشر برایتان باز می‌شود. همچنین اطلاعات مقاله را هم می‌توانید به فرمت bib خروجی بگیرید.

🧨می‌خواستم در قالب فیلم، توضیحات را ارائه بدهم که در این صورت فقط صدای انفجار می‌شنیدید، بنابراین منصرف شدم. هر ساله هم شدت و صدای انفجارها متفاوت از سال قبل می‌شود. شاید باورتان نشود، یکی چیزی انداخت که بصورت قارچی شکل منفجر شد (شبیه بمب هسته‌ای). این اگر پیشرفت و خلاقیت نیست، پس چیست؟

🆔 @irevidence

▫️هوش مصنوعی اسکوپوس (Scopus AI): سلام بر عصر جدید دیتابیس‌های کتابشناختی

اسکوپوس در حال حاضر بیش از 95 میلیون رکورد (شامل مقالات مجلات، مقالات همایش‌ها و کتاب‌ها) دارد و از این لحاظ، بزرگ‌ترین دیتابیس استنادی و کتابشناختی بحساب می‌آید. (حتی بزرگتر از ده نمایه نامه استنادی موجود در دیتابیس Web of Science Core Collection).

این داده عظیم و با کیفیت، منبع بسیار خوبی برای آموزش مدل‌های زبانی بزرگ است. چت‌بات‌های همه کاره مثل ChatGPT و کوپایلوت از همه منابع اطلاعاتی (چه داوری شده چه نشده) برای آموزش مدل‌هایشان استفاده می‌کنند، بنابراین پاسخ‌های آن‌ها می‌تواند نادرست و گمراه کننده باشند.

اسکوپوس از هوش مصنوعی خود رونمایی کرد: Scopus AI

اسکوپوس یکی دو ماهی بود که بصورت پایلوت روی هوش مصنوعی خود مانور می‌داد و آن را برای برخی کاربران در دسترس قرار داده بود. اکانتی که من داشتم، از این امکان بی بهره بود تا اینکه امروز دیدم بالاخره فعال شده است. (ولی ظاهراً هنوز برای همه کاربران فعال نشده است.)

بصورت آزمایشی سوالاتی از آن پرسیدم و حقیقتاً از جواب‌های علمی و دقیق آن سورپرایز شدم. خیلی بهتر از آن چیزی بود که فکر می‌کردم. اسکرین‌شات را اینجا آپلود کردم.

پاسخ‌ها در قالب یک خلاصه (Summary) ارائه می‌شود. برای هر جمله یا پاراگراف، رفرنس یا رفرنس‌های مرتبط آورده می‌شود که در سمت چپ صفحه قابل مشاهده هستند و طبیعتاً اگر بر روی آنها کلیک کنید می‌توانید اطلاعات کامل رفرنس‌ها را در اسکوپوس ببینید.

اگر این پاسخ، کوتاه بود یا قانع کننده نبود، گزینه خلاصه گسترش یافته (Expanded summary) را کلیک کنید تا بر اساس رفرنس‌های مرتبط جواب کامل‌تری به شما تقدیم کند. این گزینه هم خیلی عالی کار می‌کند.

گزینه بعدی نقشه مفهومی (Concept Map) است. اگر بر روی آن کلیک کنید در قالب یک نقشه مفهومی، مفاهیم مرتبط با آن سؤال نمایش داده می‌شود.

در ادامه گزینه متخصص موضوعی (Topic Experts) را داریم که با کلیک بر روی آن، پژوهشگران فعال و پر کار در آن حوزه موضوعی برای شما نمایش داده می‌شود و می‌توانید به پروفایلشان دسترسی داشته باشید.

و بالاخره گزینه آخر، Go deeper است که بر اساس سؤال شما، سؤالات دیگری را نمایش می‌دهد که می‌توانید از هوش مصنوعی اسکوپوس بپرسید و بصورت عمیق‌تر وارد موضوع مورد علاقه‌تان شوید.

✅ خلاصه این که آنچه خوبان همه دارند، Scopus AI یکجا دارد.

🆔 @irevidence

▫️وقتی یادت بره اثر جرم را پاک کنی!

اخیراً مقاله‌ای از نویسندگان چینی در مجله Surfaces and Interfaces منتشر شده است که در محافل علمی سر و صدای زیادی به پا کرده است. نویسندگان برای نوشتن برخی از قسمت‌های مقاله از جمله مقدمه از هوش مصنوعی استفاده کرده‌اند ولی یادشان رفته است این قسمت را حذف کنند:

Certainly, here is a possible introduction for your topic

ظاهراً از هوش مصنوعی خواسته‌اند که آیا می‌تواند یک مقدمه در باره آن موضوع بنویسد و هوش مصنوعی هم گفته بله که می تونم. بفرما این هم مقدمه‌ات!

این مجله توسط انتشارات الزویر منتشر می‌شود. ایمپکت فاکتور آن 6.2 است و بر این اساس در حوزه موضوعی "علوم مواد" جزو مجلات Q1 و در حوزه "شیمی، فیزیک" جزو مجلات Q2 است.

سؤال اصلی اینجاست که گیریم نویسندگان سوتی دادند، ولی سردبیر و داوران محترم چرا متوجه این گاف نشده‌اند. اصلاً آیا داوری شده است؟

⚠️خلاصه اینکه ناشر معروف (الزویر)، نمایه‌سازی در بهترین نمایه‌سازها (نمایه استنادی علوم و اسکوپوس)، ایمپکت فاکتور بالا، Q1 بودن و ادعای انجام داوری همتا، هیچکدام تضمین کننده کیفیت مقاله چاپ شده نیست. به نظر می‌رسد چشم‌ها را باید شست و فکر دیگری به حال Peer Review کرد.

🆔 @irevidence

🔷 عنوان آموزش: معرفی Core Discovery: افزونه‌ای برای دانلود رایگان مقالات

🟢 مدت زمان آموزش: 3 دقیقه و 47 ثانیه

👨‍🏫 مدرس: رسول معصومی

✅ توضیحات

دانشگاه آزاد بریتانیا (Open University)، دیتابیسی درست کرده است به نام Core که بیش از 277 میلیون مدرک دارد و به ادعای خودش بزرگترین مجموعه آثار اوپن اکسس در دنیاست.


یکی از خدمات آن توسعه افزونه‌ای برای گوگل کروم تحت عنوان Core Discovery است. با استفاده از این افزونه می‌توانید فقط با یک کلیک به PDF مقالات دسترسی پیدا کنید.

🔗 آدرس سرویس:

https://core.ac.uk/services/discovery

🆔 @irevidence

فرا رسیدن سال جدید و عید نوروز را خدمت همه شما عزیزان تبریک عرض می‌کنم. امیدوارم سالی توأم با موفقیت و بهروزی در پیش رو داشته باشید. انشاءالله بتوانم در سال پیش رو آموزش‌ها و مطالب با کیفیت و بهتری را تهیه و تقدیم‌تان کنم. از همراهی‌تان خیلی سپاسگزارم.
‏
🆔 @irevidence

🔷 عنوان آموزش: با افزونه Google Scholar PDF Reader خواندن PDF ها جذاب‌تر می‌شود

🟢 مدت زمان آموزش: 6 دقیقه و 24 ثانیه

👨‍🏫 مدرس: رسول معصومی

✅ توضیحات

همه مرورگرها یک PDF خوان پیش‌فرض دارند که البته امکانات آنها خیلی کمتر است. فرمت PDF در عین که ساده و محبوب است ولی مشکلات خاص خودش را هم دارد.

برای رفع این مشکلات، گوگل افزونه‌ای به نام Google Scholar PDF Reader را برای مرورگر کروم ارائه کرده است که امکانات زیادی دارد. برای آشنایی با این امکانات، لطفاً فیلم را مشاهده فرمایید.

🔗 برای دسترسی به افزونه، اینجا را کلیک کنید.

🆔 @irevidence

▫️دستنامه سنتز شواهد JBI بروزرسانی شد

موسسه جووانا بریگز (JBI) همانند کاکرین یک سازمان فعال در حوزه مراقبت‌های بهداشتی مبتنی بر شواهد است و با بیش از 90 دانشگاه و موسسه در سراسر جهان کار می‌کند و با تولید و انتشار شواهد پژوهشی بر بهبود پیامدهای سلامت در سطح جهان تمرکز دارد.

اولین دستنامه این موسسه در سال 2017 تحت عنوان دستنامه JBI برای سنتز شواهد (JBI Manual for Evidence Synthesis) بصورت کتاب منتشر شد ولی ویرایش‌های بعدی در قالب ویکی و بصورت آنلاین منتشر شدند. یکی از ویژگی‌های این موسسه و دستنامه‌اش، پوشش طیف وسیعی از انواع روش‌های سنتز شواهد است.

اخیراً ویرایش مارس 2024 با تغییراتی منتشر شده است. از جمله این تغییرات حذف 3 فصل زیر است:

Systematic reviews of prevalence and incidence

Systematic reviews of Diagnostic test accuracy

Systematic reviews of Measurement properties

محققان برای انجام این نوع از مرورها باید به راهنماهای دیگر-که مورد تأیید JBI هستند-مراجعه کنند. بدین صورت که برای انجام مرورهای نظام‌مند شیوع و بروز، راهنمای PERSyst، برای انجام مرورهای نظام‌مند دقت تست‌های تشخیصی، دستنامه کاکرین و برای انجام مرورهای نظام‌مند ویژگی‌های اندازه‌گیری، راهنمای COSMIN مورد تأیید JBI هستند.

یک فصل (فصل دوم) تحت عنوان ملاحظات روش شناسی در ویرایش جدید اضافه شده است. برخی فصل‌ها هم بصورت اساسی ویرایش شده‌اند.

بطور کلی ویرایش جدید شامل 10 فصل است که هر کدام از فصول 3 تا 10 به یکی از روش‌های سنتز شواهد می‌پردازد:

فصل 1: مرورهای نظام‌مند JBI
فصل 2: ملاحظات روش‌شناختی
فصل 3: مرورهای نظام‌مند شواهد کیفی
فصل 4: مرورهای نظام‌مند اثربخشی
فصل 5: مرورهای نظام‌مند شواهد متنی، روایتی، نظرات متخصصین یا سیاستی
فصل 6: مرورهای نظام‌مند شواهد اقتصادی
فصل 7: مرورهای نظام‌مند علت‌شناسی و ریسک
فصل 8: مرورهای نظام‌مند روش‌های ترکیبی
فصل 9: مرورهای چتری (Umbrella Reviews)
فصل 10: مرورهای دامنه‌ای (Scoping Reviews)

این موسسه مجله‌ای تحت عنوان JBI Evidence Synthesis دارد. پروتکل‌ها و مرورهایی که تحت حمایت و نظارت این موسسه انجام می‌شوند، در این مجله به چاپ می‌رسند. در این مجله همچنین مقالات روش‌شناسی سنتز شواهد منتشر می‌شوند.

لازم به ذکر است هنوز برخی از بخش‌های این راهنما-از جمله نحوه سرچ- در دست نگارش است و به زودی در دسترس قرار خواهند گرفت.

🔗 آدرس دسترسی آنلاین به راهنما:

https://jbi-global-wiki.refined.site/space/MANUAL

همچنین👇

دانلود نسخه PDF

نسخه آنلاین نسبت به نسخه PDF زود به زود آپدیت می‌شود.

🆔 @irevidence

ترجمه انگلیسی کتاب "خطاهای متداول در تحقیقات علوم پزشکی و کنترل آن‌ها" توسط انتشارات اشپرینگر منتشر شد.

قبلاً متن کامل نسخه فارسی این کتاب را در کانال آپلود کرده بودم. دکتر حمید سوری-اپیدمیولوژیست- بعد از بازنشستگی در دانشگاه علوم پزشکی شهید بهشتی، ظاهراً به کشور قبرس مهاجرت کرده‌اند و در دانشکده پزشکیِ دانشگاه بین‌المللی قبرس مشغول به کار شده‌اند.

اکنون با افیلیشن آن دانشگاه، ترجمه انگلیسی کتاب خطاهای متداول در تحقیقات علوم پزشکی و کنترل آن‌ها با همکاری انتشارات اشپرینگر منتشر شده است.

عنوان کتاب به انگلیسی:

Errors in Medical Science Investigations

در نسخه فارسی، خانم معصومه ثناگو به عنوان نویسنده دوم حضور داشته است ولی در ترجمه انگلیسی تنها اسم حمید سوری در کتاب قید شده است.

🆔 @irevidence

سه مقاله دیگر برای انجام مرورهای سریع (Rapid Reviews)

گروه مربوط به مرورهای سریع در کاکرین (Cochrane Rapid Reviews Methods Group) از سال گذشته اقدام به انتشار سری مقالاتی درباره نحوه انجام مرورهای سریع کرده است. در یکی از پست‌ها، متن کامل 4 مقاله را ارسال کرده بودم.

از آن زمان تاکنون سه مقاله دیگر هم بصورت اوپن اکسس در مجله BMJ Evidence-Based Medicine منتشر شده است که عناوین آنها را در زیر مشاهده می‌کنید:

Rapid review methods series: Guidance on the use of supportive software (Link)

Rapid reviews methods series: guidance on rapid qualitative evidence synthesis (Link)

Rapid reviews methods series: assessing the appropriateness of conducting a rapid review (Link)

پس با این حساب فعلاً 7 مقاله از این سری منتشر شده است و البته نمی‌دانم باز هم قرار است مقاله‌ای منتشر شود یا نه؟

⌛️ به زودی بر اساس این سری از مقالات و چند راهنما و مقاله دیگر یک وبینار دو جلسه‌ای برگزار خواهم کرد که تاریخ دقیق آن را بعداً اطلاع‌رسانی می‌کنم.
🆔 @irevidence

▫️آشنایی مختصر با چند نظام بین‌المللی رتبه‌بندی دانشگاه‌ها به همراه بررسی رتبه دانشگاه علوم پزشکی تهران


ما در قالب گزارشی سعی کردیم رتبه دانشگاه علوم پزشکی تهران را در هفت نظام رتبه‌بندی دانشگاه‌ها در سطح جهان بررسی کنیم. همین امر بهانه‌ای شد تا این نظام‌ها را هم بصورت مختصر معرفی کنیم. گزارش کامل ما-که شامل 10 صفحه است- بصورت PDF در پیوست این پست قابل دریافت است.

در اینجا نتایج این بررسی و توضیحات ما ارائه می‌شود:

اگر آخرین مرحله رتبه‌بندی نظام‌های مختلف را در نظر بگیریم (بدون در نظر گرفتن بازه زمانی تحت پوشش آنها)، رتبه دانشگاه علوم پزشکی تهران در 3 نظام رتبه‌بندی شامل Shanghai، Nature Index و ISC افت داشته است. از منظر رتبه‌بندی Times، رتبه این دانشگاه بدون تغییر مانده است و در سه نظام رتبه‌بندی دیگر شامل Leiden، SCImago و QS، بهبود رتبه دیده می‌شود.


بنابراین قضاوت در مورد بهبود و یا افت رتبه دانشگاه، به نظام رتبه‌بندی مد نظر بستگی دارد. مثلاً اگر، رتبه‌بندی ISC مبنا قرار بگیرد، رتبه دانشگاه علوم پزشکی تهران افت پیدا کرده است. از طرف دیگر اگر رتبه‌بندی SCImago و QS (در حوزه پزشکی) مبنا قرار بگیرد، رتبه دانشگاه بهبود یافته است.

علاوه بر متفاوت بودن معیارها و زیرمعیارها در هر نظام رتبه‌بندی، باید به این نکته مهم یعنی بازه زمانی تحت پوشش نظام‌های رتبه‌بندی هم توجه داشت. مثلاً در رتبه‌بندی Leiden که برای سال 2023 گزارش شده است، عملاً عملکرد پژوهشی دانشگاه بین سال‌های 2018 تا 2021 مد نظر قرار گرفته است و یا رتبه‌بندی ۲۰۲۴ برای SCImago برای سال‌های ۲۰۱۸ تا ۲۰۲۲ است و اکثر شاخص‌های مورد بررسی مربوط به این دوره است. در نتیجه از این جهت شاید نظام‌هایی مثل Shanghai و Times شامل بازه‌های زمانی نزدیک‌تر به زمان فعلی باشند. بهتر این است که وقتی یک رتبه از منظر یک سیستم اعلام می‌شود، بازه زمانی آن‌ها اعلام شود.

شاید بهتر باشد از وابستگی کامل به این نظام‌ها، پیروی کلی از فقط یک نظام رتبه‌بندی و یا حذف کلی همه آنها پرهیز شود. به جای آن می‌توان نظام‌های مختلف را باتوجه به معیارها و زیر معیارهای مختلف آنها در نظر گرفت و برای برنامه ریزی جهت بهبود عملکرد در آینده از آنها استفاده کرد.

نکته پایانی این که اگر در وضعیت یک دانشگاه بهبود و یا افت رتبه مشاهده شد، بهتر است رتبه دیگر دانشگاه‌ها و یا وضعیت پژوهشی کلی کشور نیز بررسی شود؛ چرا که اگر روند مشابه برای بقیه هم مشاهده شد، احتمالاً این به ما از وجود یک وضعیت کلی مشابه در کشور خبر می‌دهد که دیگر فقط متعلق به یک دانشگاه نیست.

لطفاً متن کامل گزارش (تهیه شده توسط کانال‌های تلگرامی @scientometric و @irevidence) را مطالعه فرمایید.

🆔 @irevidence

🔷 عنوان آموزش: دسترسی رایگان به مدارک غیر رایگان

🟢 مدت زمان آموزش:1 ساعت و 18 دقیقه

👨‍🏫 مدرس: رسول معصومی

✅ توضیحات

متن کامل بیشتر مقالات، کتاب ها و سایر منابع علمی بصورت رایگان در دسترس نیستند. راه قانونی، خرید از ناشران این منابع یا به اصطلاح تهیه اشتراک آنهاست. اما به عقیده برخی از صاحبنظران، مقالات علمی حاصل دسترنج پژوهشگران است و هزینه های مستقیم و غیر مستقیم آن را همین پژوهشگران و البته دانشگاه ها و موسسات علمی می پردازند. از طرف دیگر ناشران بابت چاپ مقاله در مجلات شان، هیچ حق الزحمه ای  را به نویسندگان مقالات، داوران، سردبیران و هیئت تحریریه مجلات نمی پردازند. با این حال همان مقاله را به قیمت گزافی می فروشند.

در این بازار برده پرور، پژوهشگران نقش بردگان را بازی می کنند، البته بردگانی که علمی هستند و مودب: بردگانِ علمیِ مودب. از طرف دیگر ناشران هم به عنوان ارباب در حال استثمار این پژوهشگران هستند. با این نگاه، دانلود متن کامل مقالات منتشر شده در مجلات ناشران تجاری با هر روشی-قانونی یا غیرقانونی-توجیه منطقی و عقلانی دارد.

در این فیلم روش های قانونی و غیرقانونی (غیر قانونی از دید ناشران!) دانلود متن کامل مقالات، کتاب ها و سایر منابع علمی را شرح داده ام. امیدوارم مورد استفاده شما قرار بگیرد.

این وبینار با همکاری کتابخانه پزشکی دانشگاه علوم پزشکی تهران در 27 آذر 1402 برگزار شده است و الان فیلم ضبط شده آن-با اصلاحاتی- تقدیم شما می شود.

🔗 برای مشاهده یا دانلود فیلم به این صفحه در سایت اویدنس مراجعه فرمایید.

🆔 @irevidence

🔘 عنوان وبینار: کاربردهای هوش مصنوعی در پژوهش

⌛️ تاریخ برگزاری: پنجشنبه 27 اردیبهشت 1403

⏰ ساعت برگزاری: 17 تا 19

👨🏻‍🏫 مدرس: رسول معصومی


هدف اصلی این وبینار، معرفی مهم ترین و کاربردی ترین ابزارهایِ مبتنی بر هوش مصنوعی برای مراحل مختلف پژوهش علمی است. در حقیقت از هوش مصنوعی می توان در تمام مراحل پژوهش از جمله موضوع یابی، جستجوی متون و پیدا کردن مقالات مرتبط، خلاصه سازی متون، تحلیل داده ها، بصری سازی و نگارش علمی استفاده کرد. در این وبینار، برای هر مرحله پژوهش، ابزارهای مناسب معرفی می شوند و اصول کار با آنها توضیح داده می شود.


🔗برای کسب اطلاعات بیشتر و ثبت نام به صفحه زیر مراجعه فرمایید.

https://evidence.ir/product/ai-in-research/

🆔 @irevidence