Telegram Web
▫️حدود 50 درصدِ پژوهشگران بعد از یک دهه، فعالیت علمی خود را متوقف می‌کنند

مطالعه‌ای در 23 آگوست 2024 در مجله آموزش عالی منتشر شده است و مجله Nature اخیراً به یافته‌های این مطالعه پرداخته است. در زیر خلاصه‌ای از گزارش نیچر را در خصوص این مقاله آورده‌ام:


مطالعه‌ بزرگی که در مجله Higher Education منتشر شده، نشان می‌دهد که تقریباً نیمی از پژوهشگران در طول یک دهه پس از انتشار اولین مقاله‌شان، حوزه علم را ترک می‌کنند. (ترک علم یعنی اینکه دیگر مقاله یا مدرک علمی منتشر نمی‌کنند).

این تحقیق که بر روی نزدیک به 400,000 پژوهشگر از 38 کشور مختلف انجام شده، نشان می‌دهد که یک سوم از این افراد در پنج سال اول و تقریباً نیمی از آنها در طول ده سال، فعالیت علمی خود را متوقف می‌کنند.

پژوهشگران با استفاده از داده‌های پایگاه استنادی Scopus، مسیر انتشارات علمی محققان را به عنوان شاخصی برای فعالیت پژوهشی آنها دنبال کردند. نتایج نشان می‌دهد که در مجموع، احتمال ترک علم در میان زنان بیشتر از مردان است، اگرچه میزان این تفاوت در رشته‌های مختلف متغیر است.

این مطالعه دو کوهورت از پژوهشگران را مورد بررسی قرار داد:

کوهورتی که در سال 2000 شروع به انتشار کردند (شامل 142,776 نفر که 52,115 نفر از آنها زن بودند) و کوهورتی که در سال 2010 آغاز به انتشار نمودند (شامل 232,843 نفر که 97,145 نفر از آنها زن بودند).

این پژوهشگران از 38 کشور عضو سازمان توسعه و همکاری اقتصادی (OECD) بودند و در حوزه‌های علوم، فناوری، مهندسی، ریاضیات و پزشکی فعالیت می‌کردند.

یافته‌های کلیدی این پژوهش عبارتند از:

1. در کوهورت سال 2000، یک سوم پژوهشگران در پنج سال اول، 50 درصد در ده سال اول، و تقریباً دو سوم آن‌ها تا سال 2019 انتشار را متوقف کردند.

2. زنان حدود 12% بیشتر از مردان احتمال داشت که پس از پنج یا ده سال علم را ترک کنند.

3. تا سال 2019، تنها 29% از زنان در کوهورت 2000 همچنان به انتشار ادامه می‌دادند، در حالی که این رقم برای مردان نزدیک به 34% بود.

4. در کوهورت 2010، شکاف جنسیتی کمتر بود: حدود 41% از زنان و 42% از مردان، نه سال پس از اولین مقاله‌شان همچنان به انتشار ادامه می‌دادند.

5. در برخی رشته‌های علمی، به ویژه علوم زیستی و پزشکی، تفاوت‌های چشمگیری بین مردان و زنان وجود داشت. برای مثال، در زیست‌شناسی، احتمال ترک علم پس از ده سال برای زنان 58% و برای مردان نزدیک به 49% بود.

6. در رشته‌هایی مانند فیزیک، ریاضیات، مهندسی و علوم کامپیوتر، تفاوت جنسیتی کمتری مشاهده شد.

پژوهشگران اذعان می‌کنند که این مطالعه محدودیت‌هایی دارد. از جمله اینکه داده‌های انتشارات ممکن است تصویر کاملی از مشارکت زنان در پژوهش‌ها را نشان ندهد، زیرا گاهی زنان به عنوان همکار در کارهای منتشر شده به رسمیت شناخته نمی‌شوند.

همچنین، این مطالعه دلایل ترک علم توسط پژوهشگران را به طور مستقیم بررسی نکرده است. عواملی مانند رفتن به موسساتی که اولویت آن‌ها پژوهش نیست، اشتغال در صنعت، یا گرفتن پست‌های اداری و مدیریتی می‌تواند در توقف انتشارات علمی مؤثر باشد.

مطالعه‌ای جداگانه در سال 2023 نشان داد که دلایل خانوادگی، وضعیت استخدام و حقوق و مزایا از عوامل مهم در تصمیم‌گیری برای ترک دانشگاه‌ها در آمریکا بوده‌اند.

پژوهشگران این مطالعه قصد دارند در آینده با استفاده از پیمایش‌های گسترده و نیز مصاحبه‌ها، دلایل خروج محققان از حرفه علمی را عمیق‌تر بررسی کنند.



#publishing
#nature

🆔 @irevidence
▫️تغییرات در پابمد سنترال

پابمد سنترال (PubMed Central) یا به اختصار PMC آرشیو رایگانی از متن کاملِ مقالات و مدارک از متون زیست پزشکی و علوم زیستی است. PMC در حال حاضر بیش از 10 میلیون و 330 هزار رکورد دارد.

پابمد و پابمد سنترال

وقتی PubMed را با کلیدواژه‌های آزاد سرچ می‌کنیم در واقع بیش از 92 درصد رکوردهای PMC هم بصورت پیش فرض جستجو می‌شوند. به همین دلیل، خیلی از پژوهشگران نیازی نمی‌بینند که PMC را بصورت مستقل سرچ کنند. با این حال، PMC یک دیتابیس مستقل است و می‌توان در آن جستجو انجام داد به ویژه اینکه 8 درصد رکوردهای PMC در پابمد نیست.

با این که NLM از دیتابیس نامیدن PMC اکراه دارد و آن را آرشیو می‌نامد ولی اگر منصفانه نگاه کنیم همه ویژگی‌های یک دیتابیس را دارد. برخلاف مدلاین که یک دیتابیس کتابشناختی (Bibliographic batabase) است، PMC را می‌توان یک دیتابیس تمام متن (Full-text database) نامید.

تغییرات صورت گرفته در PMC


از چند روز قبل (16 اکتبر 2024) نسخه جدیدی از PMC ارائه شده است. هدف اصلی NLM از نسخه جدید، مدرن‌سازی رابط کاربری PMC و همراستا کردن آن با سایر محصولات NLM مخصوصاً پابمد است.

آدرس آن از:

https://www.ncbi.nlm.nih.gov/pmc

به

https://pmc.ncbi.nlm.nih.gov


تغییر پیدا کرده است. همچنین خواندن متن کامل مقالات بصورت HTML راحت‌تر شده است.

سایر تغییرات را در این لینک می‌توانید مطالعه کنید.

#PMC
#database

🆔 @irevidence
Please open Telegram to view this post
VIEW IN TELEGRAM
Evidence.ir
▫️کلود برای اتفاقات دیشب شعری سرود!

از هوش مصنوعی Claude خواستم اتفاقات دیشب را در قالب شعر و البته به زبان طنز بیان کند. چنین سرود:

قصه هوش مصنوعی ناشی

گفت روزی یک بزرگی با خودش
کار با کلود است راه و مقصدش

خواست از کلود متنی هشتصد تا
گفت آسان است این کار، بفرما!

هی شمرد و هی شمرد و هی شمرد
هی غلط کرد و خطا کرد و نبُرد

گه به پانصد گه به ششصد می‌رسید
گاه از هشتصد فراتر می‌پرید

کاربر حیران از این سرگشتگی
گفت آخر این چه وضع آشفتگی؟

یک شاگرد کلاس اول دبستان
می‌شمارد بهتر از تو، ای فلان!

هی بهانه، هی توجیه، هی دروغ
کرد کاربر را پر از درد و خروش

آخرش هم نشد آن هشتصد تمام
شد در این ره کل اعصابش حرام

قصه‌ی ما گشت تمثیلی قشنگ
که هنوز این هوش با آن بوق و بنگ

تا شود همپای انسان در شمار
راه دارد، راه دارد، صد هزار!


اهالی شعر و ادب و هنر لطفاً درباره کیفیت این شعر نظر بدهند.

#AI
#claude

🆔 @irevidence
Media is too big
VIEW IN TELEGRAM
▫️پیش دوره

همانطوری که قبلاً اطلاع رسانی شده، قرار است کتاب ارزشمند Systematic Approaches to a Successful Literature Review را در قالب یک دوره آموزشی ارائه نماییم.

امشب ثبت نام شروع خواهد شد و نحوه برگزاری دوره هم شرح داده می‌شود. قبل از ثبت نام، خواستم شما با ساختار، محتوا و ویژگی‌های کلیدی این کتاب آشنا شوید.

بنابراین بخش مقدمه کتاب را در قالب یک فیلم 36 دقیقه‌ای ارائه کردم. لطفاً در صورت تمایل آن را مشاهده فرمایید.

برای دانلود با سرعت بالا می‌توانید به این لینک مراجعه کنید.


اهداف و رویکرد کتاب 00:00

معرفی اجمالی فصول کتاب 00:09:53

ساختار و ویژگی‌های کلیدی فصل‌ها 00:19:54

چالش‌های مرور و نحوه کمک این کتاب 00:28:10

خلاصه و سوالات پرتکرار 00:32:36

در صورت نیاز بر روی تایم‌های فوق کلیک کنید تا آن بخش پخش شود.

#evidence_synthesis
#course
#systematic_review

🆔 @irevidence
▫️دوره پروژه محور "مرور متون با رویکرد سیستماتیک"

بر اساس کتاب:

Systematic Approaches to a Successful Literature Review


تاریخ شروع دوره: شنبه 12 آبان 1403

تاریخ اتمام دوره: دوشنبه 12 آذر 1403

مدرس: رسول معصومی

شرح دوره:

مرورهای سیستماتیک، فقط یکی از انواع خانواده مرور متون هستند. ده‌ها نوع مرور متون داریم که هر سال هم به تعداد آنها افزوده می‌شود. حتی در مطالعه‌ای بیش از 120 نوع مرور متون با برچسب‌های مختلف شناسایی شده است!

هنر کتاب Systematic Approaches to a Successful Literature Review این است که طیف وسیعی از انواع مرور متون را پوشش داده است؛ از مرورهای سیستماتیک گرفته تا مرورهای سریع، اسکوپینگ، Mapping، سنتز شواهد کیفی، مرورهای ترکیبی و غیره.

همه مراحل برنامه‌ریزی (Planning)، انجام (Conducting) و انتشار (Publishing) مرورهای متون در این کتاب پوشش داده شده است. فصول 1 تا 4 به نحوه برنامه‌ریزی، فصول 5 تا 9 به نحوه انجام (Conducting) و فصل 10 به نحوه نوشتن و انتشار انواع مرورهای متون اختصاص دارد.

در ادامه عناوین فصول را مشاهده می‌کنید:

فصل 1- آشنایی با خانواده مرور متون
فصل 2- شروع مرور متون
فصل 3- انتخاب روشِ مرور متون
فصل 4- تعیین دامنه و محدوده مرور
فصل 5- جستجوی متون
فصل 6- ارزیابی کیفیت شواهد
فصل 7- سنتز و آنالیز مطالعات کمی (شامل متاآنالیز)
فصل 8- سنتز و آنالیز مطالعات کیفی
فصل 9- سنتز و آنالیز داده‌های ترکیبی
فصل 10- نگارش و انتشار مرور متون

✳️نحوه برگزاری:

برگزاری این دوره متفاوت از دوره‌های مرسوم است. بطور کلی فرایند برگزاری بدین ترتیب خواهد بود:

بخش آموزش:

1- تمام محتوای کتاب در قالب فیلم‌های آموزشی تدریس و در کانال تلگرام آپلود خواهند شد (یعنی بصورت آفلاین ارائه می‌شود و نه بصورت وبینار همزمان). فیلم‌ها بصورت کوتاه تولید می‌شوند تا مشاهده آنها برای شما آسان‌تر باشد. بنابراین هر فصل در قالب چندین فیلم کوتاه تدریس می‌شود.

2- امکان پرسش و پاسخ و رفع ابهامات در کانال تلگرام و در زیر هر ویدئو وجود خواهد داشت.

3- دو جلسه وبینار آنلاین برای رفع اشکال و پرسش و پاسخ در اواسط و اواخر دوره برگزار می‌شود که البته شرکت در آن اختیاری است.

بخش پروژه:

منظور از پروژه در این دوره، انتخاب یک سؤال شفاف و نوشتن پروتکل مرور است. بطور کلی انتظار می‌رود در پایان این دوره:

- سؤال واضح مرور خود را تدوین کنید و دامنه مرور را تعیین کنید.

- اهداف و سؤالات مرور را بنویسید.

- نوع مرور متون را انتخاب کنید (مرور سیستماتیک، مرور اسکوپوینگ، مرور چتری و ...)

- معیارهای ورود و خروج را بنویسید.

- منابع جستجو را لیست کنید و حداقل برای دو دیتابیس استراتژی جستجو تدوین و اجرا کنید.

- نحوه غربالگری را توضیح دهید

- ابزار یا ابزارهای ارزیابی کیفیتِ (یا ارزیابی خطر سوگرایی) مطالعات وارد شده را انتخاب کنید.

- فرم اولیه استخراج داده‌ها را طراحی کنید.

- نحوه سنتز و آنالیز داده‌ها را بر اساس نوع و هدف مرور مشخص کنید.

- پروتکل نوشته شده را در یک سامانه ثبت کنید (اختیاری)

بخش آموزش و بخش پروژه بطور همزمان پیش خواهد رفت. مثلاً انتظار می‌رود تا پایان فصل چهار، عنوان مرور، اهداف، معیارهای ورود و خروج و نوع مرور مشخص شده باشد.


🔗 برای شرکت در این دوره به لینک زیر مراجعه کنید.


https://zarinp.al/642322


برای دانشجویان عزیز 20 درصد تخفیف در نظر گرفته شده است. برای دریافت کد تخفیف لطفاً در پیام خصوصی اطلاعات خود را ارسال کنید (@rasoul911)

#evidence_synthesis
#course
#systematic_review

🆔 @irevidence
▫️موتور جستجوی علمی Matilda

موتور جستجوی علمی Google Scholar بعد از دو دهه فعالیت، همچنان پر استفاده است. اما این دلیل نمی‌شود که آن را بهترین موتور جستجوی علمی بدانیم. در چند سال اخیر رقبای خیلی قدرتمندی پا به عرصه جستجو گذاشته‌اند که امکانات بسیار زیادی نسبت به گوگل اسکالر دارند.

ماتیلدا

ماتیلدا جدیدترین موتور جستجوی علمی است که در یک سال اخیر، پیشرفت‌های زیادی کرده است. در حال حاضر بیش از 140 میلیون رکورد دارد. ماتیلدا خودش را ترکیبی از گوگل اسکالر و اسکوپوس و وب آو ساینس می‌داند.

فقط جستجوی ساده دارد. اما از عملگرهای بولی AND، OR و NOT پشتیبانی می‌کند و نیز امکان جستجوی عبارتی هم وجود دارد (اصطلاحات را داخل "" قرار دهید).

امکان محدود کردن نتایج به نوع مدرک، تاریخ، نویسنده و ... وجود دارد.

علاوه بر رفرنس‌های مدارک، Citation های آن‌ها را هم در اختیار کاربران قرار می‌دهد.

🔗 آدرس ماتیلدا (البته به دور از چشم فردیش نیچه):

https://matilda.science/

#search
#search_engines

🆔 @irevidence
Please open Telegram to view this post
VIEW IN TELEGRAM
▫️تبدیل‌گر و شتاب‌دهنده متاآنالیز

Meta-analysis accelerator

تبدیل داده‌ها یکی از مراحل مهم، وقت‌گیر و مستعد خطا در فرایند انجام متاآنالیز است.

سامانه‌ای به نام Meta-analysis accelerator طراحی شده است که این امکان را فراهم می‌کند که انواع تبدیل‌ها را به سادگی انجام دهید.

🔻در زیر این تبدیل‌ها و محاسبه‌گرها را ملاحظه می کنید:

Change in Mean and Standard Deviation (SD) from the Baseline

Standard Deviation (SD) to Correlation Coefficient (CC)

Interquartile Range (IQR) to Mean & Standard Deviation (SD)

Standard Error (SE) to Standard Deviation (SD)

(CI) to Standard Deviation (SD) in One Group

Median & Range to Mean & Standard Deviation (SD)

Range to Standard Deviation (SD)

Means & Standard Deviations (SDs) to Cohen's (d) & Effect Size Correlation (r)

T-value & Degree-of-Freedom (df) to Cohen's (d) & Effect Size Correlation (r)

P-value to Standard Deviation (SD) in 2 Groups

Combine Mean & Standard Deviation (SD) & Total for More than One Group into Single One

Confidence Interval (CI) to Standard Deviation (SD) 2 Groups

Mean & Standard Deviation (SD) for Single Patients' Data

Odds Ratio (OR) to Cohen's (d)

Unadjusted Odds Ratio (OR) Calculator

Unadjusted Risk Ratio (RR) Calculator

Unadjusted Risk Difference (RD) Calculator

Measurement Units Converter (g/L, µg/L, mg/dL)

Time Units Converter (Hours, Days, Months, Years)

Lipids from mmol/l to mg/dl or opposite (HDL, LDL, VLDL, Triglycerides, Total Cholesterol)

Convert Glucose from mmol/l to mg/dl or Opposite

▫️این تبدیل‌ها به پژوهشگران کمک می‌کند تا داده‌های آماری را به شکلی هماهنگ و ساده برای متاآنالیز آماده کنند.


▫️در حال حاضر نیاز به وارد کردن داده‌ها به صورت دستی وجود دارد که ممکن است برای داده‌های بزرگ زمان‌بر باشد.

▫️طراحان این سامانه اعلام کردند که در آینده قابلیت‌های کاربردی و امکانات بیشتری را اضافه خواهند کرد.

معرفی کامل این سامانه اخیراً در قالب مقاله‌ای در مجله BMC Medical Research Methodology منتشر شده است که از لینک زیر می‌توانید بصورت رایگان آن را مطالعه کنید:

https://doi.org/10.1186/s12874-024-02356-6

🔗 آدرس دسترسی به سامانه

https://meta-converter.com

#meta_analysis
#tool

🆔 @irevidence
▫️مرور مُرد از بس که نظام ندارد.

خصوصی‌سازی آموزش عالی با رویکرد علوم پزشکی: مروری نظام‌مند

مجله طب و تزکیه، دوره 33، شماره 31، صفحات 24 تا 36، سال 1403

🛠در روش بررسی این مقاله می‌خوانیم:

این پژوهش کیفی و به روش مرور نظام مند انجام شده و مطالعات منتشر شده در سالهای ۲۰۰۸ تا ۲۰۲۳ (15 سال اخیر) مورد بررسی قرار می گیرد.

بررسی سیستماتیک یا نظام مند پژوهشی علمی است که از نشریات پژوهشی اصلی استفاده می کند.

با این روش می توان به صراحت از طریق فرایند نظام مند برای به حداقل رساندن اشتباهات تصادفی به سؤالات پژوهشی پاسخ داد.

مراحل مختلفی برای روش مرور نظام مند وجود دارد. در این مطالعه از روش مرور سیستماتیک اوکولی و شابرام (۲۰۱۰) استفاده شده است.

پایگاه گوگل‌اسکولار به عنوان پایگاه معتبر نشریات جهت جستجو و بررسی مقالات انتخاب شد. (فقط یه دونه؟)

کلیدواژه های اصلی (و همچنین ترکیب های مختلف کلیدواژه های استخراج شده ضمن اصلاحات درحین جستجو) شامل خصوصی سازی آموزش عالی و خصوصی سازی آموزش عالی علوم پزشکی، خصوصی سازی در مالزی، خصوصی سازی در ترکیه و همچنین مزایا و معایب خصوصی سازی آموزش عالی می باشد.

همچنین کلیدواژه های انگلیسی شامل

Privatization of higher education , privatization of highereducation in medical, privatization in Malaysia, privatization of Turkey higher education, and also advantages and disadvantages in privatization

می باشد.

در متن مقاله، کلیدواژها به دلیل صفحه آرایی نامناسب، بهم ریخته‌اند. من سعی کردم درستش کنم. also چی میگه این وسط؟

⭕️ دو نفر از نویسندگان این مقاله، استاد تمام هستند و مسئولیت‌های علمی و اجرایی سطح بالایی داشتند و دارند. انتظار از یک استاد تمام دانشگاه این است که اسم خودش را همه جا خرج نکند.


ضمناً به نظر می‌رسد مجله طب و تزکیه خودش نیاز به تزکیه و پاک‌سازی درونی و بیرونی دارد. منظورم این است که باید توجه بیشتری به کیفیت مقالات چاپ شده داشته باشد. در این شماره اخیر، حداقل دو مقاله دیگر وجود دارد که ضعف‌های روش‌شناسی زیادی دارند که در پست‌های بعدی به نقد آنها خواهم پرداخت.

🆔 @irevidence
▫️استدلال اتفاقی و بهداشت شرمگاهی: افزایش غلط‌های املایی رایج، چه چیزی درباره وضعیت فرهنگ پژوهش به ما می‌گوید؟

Casual inference and pubic health – What a rise in common spelling errors says about the state of research culture

بر اساس تحلیلی از بیش از ۳۲ میلیون چکیده که در پنجاه سال گذشته منتشر شده‌اند، " Adrian Barnett" و " Nicole White" دریافته‌اند که اشتباهات املایی در مقالات علمی به‌طور چشم‌گیری افزایش یافته است. این مسئله به اعتقاد آن‌ها نشان‌دهنده فرهنگی است که به کمیت بیشتر از کیفیت اهمیت می‌دهد.

در حال حاضر، بسیاری از پژوهشگران تحت فشارند تا هر سال تعداد زیادی مقاله منتشر کنند، زیرا اثبات بهره‌وری (productivity ) آن‌ها برای حفظ شغل و گرفتن ارتقاء ضروری است. یک نمونه از این فشار را می‌توان در حرف‌های Peter Higgs، برنده جایزه نوبل دید که در سال ۲۰۱۳ گفته بود: "اگر قرار بود در سیستم دانشگاهی امروز کار کنم، به اندازه کافی بهره‌وری نداشتم."

این فشار ممکن است به این معنا باشد که افرادی مانند هیگز، که با دقت و وسواس کار می‌کنند، در مقابل پژوهشگران پرکارتر اما شاید کم‌دقت‌تر عقب بمانند. نگران‌کننده‌تر آنکه، به نظر می‌رسد بعضی پژوهشگران برای اینکه سریع‌تر مقاله منتشر کنند، از برخی مراحل مهم پژوهشی صرف‌نظر می‌کنند؛ مراحلی مثل بررسی صحت نتایج با تحلیل‌های دقیق یا دریافت بازخورد از همکاران.

این روند به این معناست که تعداد مقالات زیاد می‌شود اما کیفیت آن‌ها پایین می‌آید و باعث می‌شود که متون علمی با کارهای کم‌ارزش پر شود. یکی از نتایج این انبوه اطلاعات بی‌کیفیت این است که دسترسی به بهترین و جدیدترین یافته‌ها برای پژوهشگران دشوارتر می‌شود.

افزایش خطاهای املایی

برای شناسایی این کم‌کاری‌ها ، خطاهای املایی را به عنوان یک نشانه بررسی کردیم. گرچه خطاهای املایی نسبت به مشکلاتی مثل سرقت علمی یا اغراق (spin) در نتایج اهمیت کمتری دارند، اما می‌توان آن‌ها را در تعداد زیادی مقاله به‌راحتی جستجو کرد.

در این بررسی، بیش از ۳۲ میلیون چکیده منتشر شده بین سال‌های ۱۹۷۰ تا ۲۰۲۳ را در PubMed جستجو کردیم. 11 مورد از 15 خطای املایی شناسایی شده در طول زمان به شدت افزایش یافته‌اند. نرخ کل خطاها از ۰.۱ در هر ده هزار چکیده در سال ۱۹۷۰، به ۸.۷ در هر ده هزار چکیده در سال ۲۰۲۳ رسیده است.

خطاهای املایی نشانه‌ای از این است که پژوهشگران، بیشتر به تعداد مقاله اهمیت می‌دهند تا دقت و کیفیت. هرچند نرخ خطاها نسبتاً پایین است، اما ما تنها پانزده نوع خطا را بررسی کردیم و احتمالاً اشتباهات املایی بیشتری هم وجود دارد.

آیا خطاهای املایی مهم‌اند؟

خطای املایی، محتوای مقاله را بی‌اعتبار نمی‌کند و تقریباً می‌توان گفت که همه ما ممکن است مقاله‌هایی با خطاهای املایی منتشر کرده باشیم. اما این خطاها به‌راحتی قابل اجتناب‌اند و می‌توان با استفاده از نرم‌افزارهای واژه‌پرداز آن‌ها را برطرف کرد.

برخی خطاها ممکن است در بازبینی خودکار شناسایی نشوند؛ مثلاً وقتی "odds ratio" به اشتباه «odds ration» نوشته شود. با این حال، این اشتباهات باید با بازخوانی دقیق رفع شوند. افزایش خطاها ممکن است به دلیل کمبود بودجه و کاهش هزینه‌های ویرایش حرفه‌ای باشد، یا اینکه برخی پژوهشگران فکر می‌کنند ناشران این خطاها را اصلاح خواهند کرد.

نویسندگان باید خودشان تمایل داشته باشند که اشتباهات املایی را اصلاح کنند، چون مقالاتی که پر از اشتباه هستند به اعتبار نویسنده لطمه می‌زنند و ممکن است در فرآیند داوری رد شوند.

پژوهشگران غیر انگلیسی زبان

یکی از دلایل افزایش خطاهای املایی می‌تواند این باشد که پژوهشگران بیشتری از کشورهایی هستند که زبان مادری آن‌ها انگلیسی نیست. این افزایش تنوع در تحقیقات علمی مفید است و دیدگاه‌های متفاوتی را به همراه می‌آورد. از طرفی، پژوهشگران غیر انگلیسی زبان می‌توانند از ابزارهای هوش مصنوعی برای بهبود نگارش و کاهش خطاها استفاده کنند. البته این ابزارها ممکن است به جای بهبود کیفیت، فقط سرعت نگارش را افزایش دهند و مشکلاتی مثل متون مبهم و تکراری را تشدید کنند.

پژوهش کمتر، پژوهش بهتر

افزایش خطاهای املایی نشان می‌دهد که تعادل میان دقت و سرعت انتشار مقالات به هم خورده است. باید تلاش‌هایی صورت گیرد تا پژوهشگران برای انجام تحقیقات وقت کافی بگذارند و فرهنگ پژوهشی به سمت کیفیت بیشتر سوق داده شود.

داگ آلتمن (Doug Altman) در سال ۱۹۹۴ بر "پژوهش کمتر، پژوهش بهتر" تأکید کرد. سی سال بعد، نیاز به این نگرش بیش از پیش احساس می‌شود: پژوهش کمتر، اما پژوهشی با کیفیت‌تر. آنچه به آن نیاز نداریم، reserach (رزِرچ) بی‌کیفیت است!


▫️15 غلط املایی رایج و روند آنها را در تصویر پیوست شده ببینید. دو تا از آنها در عنوان این مقاله استفاده شده است!

#publishing

🆔 @irevidence
▫️جذب هیئت علمی تعهدی بر اساس H-Index: بررسی موردی دانشگاه علوم پزشکی ایران

مرکز تحقیقات سلامت روان سالمندی دانشگاه علوم پزشکی ایران فراخوانی زده است و قصد دارد یک نفر را به عنوان هیئت علمی تعهداتی جذب کند.

شرایط لازم برای متقاضیان بدین صورت است:

▫️ دکتری تخصصی وزارت بهداشت (ترجیحاً دکتری سالمندی یا پرستاری سالمندی)

▫️ اچ-ایندکس اسکوپوس: حداقل 6


▫️ آشنایی و علاقه مندی به پژوهش در حوزه سالمندی

فرض کنیم داشتن H-Index حداقل 6، معیار خوبی برای جذب هیئت علمی است. بر این اساس می‌خواهیم بررسی کنیم چه تعداد از اساتید فعلی این دانشگاه، این شرط را دارا هستند:

بر اساس سامانه علم سنجی اعضای هیئت علمی، در حال حاضر 1112 نفر به عنوان عضو هئیت علمی در این دانشگاه مشغول به خدمت هستند.

▫️در کل شاخص اچ 693 عضو هیئت علمی این دانشگاه، عدد 6 و به بالاست.

▫️ بنابراین شاخص اچ 419 عضو هیئت علمی این دانشگاه زیر عدد 6 (پنج و به پایین) است.

جالب آنکه شاخص اچ 1 استاد تمام و 44 دانشیار این دانشگاه هم زیر 6 است.

نتیجه آنکه به فرض مرتبط بودن رشته این عزیزان، 419 نفر از اعضای محترم هیئت علمی این دانشگاه، شرط دوم جذب را احراز نمی‌کنند که در بین آنها استاد تمام و دانشیار هم وجود دارند.

قصدم این نبود که بگویم چرا شاخص H اساتید محترم پایین است، بلکه هدفم این بود که نشان دهم عدد 6، بسیار غیر واقع‌بینانه و ظالمانه است.

▫️یک دانشجو چقدر باید کار کند تا به محض فارغ‌التحصیلی، دارای اچ بالای 6 باشد تا بتواند حداقل شرایط جذب را پیدا کند؟

▫️ضمن اینکه بارها گفته شده استناد و سنجه‌های حاصل از آن کاملاً وابسته به رشته و حوزه پژوهشی هستند. چرا عدد 6 باید مبنای همه مراکز تحقیقاتی باشد؟ (البته ظاهراً یکسری تبصره‌هایی برای برخی مراکز خاص وجود دارد که اتفاق خوبی است)

▫️با اینکه این مراکز، هیئت علمی پژوهشی جذب می‌کنند، با این حال در اصل قضیه تفاوتی ایجاد نمی‌کند.

اما سؤال خیلی اساسی:


چرا فکر می‌کنید کسی که H بالای 6 دارد، یعنی پژوهشگر باکیفیتی است؟!

#critique
#h_index

🆔 @irevidence
Please open Telegram to view this post
VIEW IN TELEGRAM
▫️درباره مرورهای سیستماتیک خالی، تکراری یا بی‌فایده

On empty, redundant or pointless systematic reviews

خانم دکتر Sally Thorne سردبیر مجله Nursing Inquiry در شماره دوم از دوره 31 ام این مجله (2024) و در قالب یک ادیتوریال (سرمقاله) نگاه دیگری به مرورهای سیستماتیک داشته است.

از نظر وی، برخی پژوهشگران- و عمدتاً دانشجویان تحصیلات تکمیلی- بجای بررسی عمیق، نقادانه و جامع متون موجود، اقدام به انجام مرورهای سیستماتیکی می‌کنند که بسیار سطحی هستند و دانش جدیدی به متون اضافه نمی‌کنند.

خواندن این ادیتوریال خالی از لطف نیست.


بخش اول:

در این سرمقاله، به این موضوع می‌پردازم که چه شرایطی باید فراهم باشد تا یک مرور سیستماتیک بتواند سهمی اصیل و ارزشمند در متون علمی داشته باشد. مانند بسیاری از سردبیران مجلات پرستاری، مقالات زیادی دریافت می‌کنم که بر پایه انواع مختلف مرورهای سیستماتیک نوشته شده‌اند (مانند مرورهای اسکوپینگ، مطالعات متاسنتز، تحلیل‌های کتاب‌سنجی و غیره). هر یک از این مقالات ادعا می‌کنند اثری علمی و اصیل هستند و اهمیت خود را این‌گونه توجیه می‌کنند: یا مرورهای قبلی را به‌روز می‌کنند یا آنها را گسترش می‌دهند یا با مرورهای موجود تفاوت دارند و یا شکاف‌های دانشی را پر می‌کنند. البته برخی از این مرورهای سیستماتیک واقعاً به هدف خود می‌رسند، اما بسیاری از آنها موفق نمی‌شوند. مهم است که دلایل این ناکامی را بررسی کنیم.

امروزه که پایان‌نامه‌های مبتنی بر مقاله (manuscript-based dissertations) محبوبیت یافته‌اند، تبدیل مرور متون به یک محصول سیستماتیک، راهی شده است برای مشروعیت بخشیدن به این نوع مرورها به عنوان آثار علمیِ مستقل و قابل انتشار. این روش، جایگزین مرورهای روایتی (narrative) یا تلفیقی (integrative) شده است که پیش‌تر، بخشی ضروری از پایان‌نامه‌ها یا پژوهش‌های جدید بودند، اما معمولاً نمی‌شد آنها را به تنهایی منتشر کرد. برخلاف گذشته که پژوهشگران باید کار گسترده‌ای برای ورود به یک موضوع پژوهشی جدید انجام می‌دادند، برخی پژوهشگران امروزی گمان می‌کنند صرفِ نوشتن یک مرور سیستماتیک برای «شناخت» متون حوزه‌شان کافی است و از مطالعه عمیق و تفکر درباره طیف گسترده منابع چشم‌پوشی می‌کنند.

جذابیت روش سیستماتیک قابل درک است. هر دانشجوی تحصیلات تکمیلی با دو اصل مهم آشنا می‌شود: نخست اینکه ۱۷ سال طول می‌کشد تا یافته‌های علمی در عمل (practice) به کار گرفته شوند، و دوم اینکه مقالات مروری همواره بیشتر از مقالات پژوهشی اصلی مورد استناد قرار می‌گیرند. اگر با دید انتقادی به موضوع نگاه نکنیم، ممکن است به این باور نادرست برسیم که مقالات مرور سیستماتیک، صرف نظر از کیفیت یا ماهیت‌شان، خود به خود نقشی کلیدی در انتقال یافته‌ها به عرصه عمل دارند. وقتی اساتید راهنما از دانشجویان می‌خواهند تمام مرورهای پیشین در موضوع‌شان را جستجو و گزارش کنند، این تصور غلط تقویت می‌شود.

با پذیرش مرور سیستماتیک به عنوان یک کار علمی ارزشمند، استفاده از معیارهای خروج (exclusion criteria) سختگیرانه برای کاهش حجم زیاد مطالعات به تعداد اندکی مطالعه مشابه نیز رواج یافته است. در بدترین حالت، نویسنده مرور سیستماتیک تنها این مطالعات محدود را فهرست می‌کند و بدون تفکر عمیق درباره ارتباط آنها با مطالعات حذف شده، صرفاً نتایج مشترک آنها را گزارش می‌دهد. مرورهای خالی (empty reviews) - که نتیجه می‌گیرند هیچ دانشی درباره موضوع وجود ندارد (به جای آنکه بگویند هیچ مطالعه‌ای معیارهای سختگیرانه‌شان را برآورده نکرده) - نیز کم نیستند. برخی مرورها هم فقط با افزودن چند مطالعه جدید، همان نتایج سطحی مرورهای قبلی را تکرار می‌کنند.

بدتر از همه آنکه، گاهی نویسندگان این مرورها طوری می‌نویسند که گویی یافته‌هایشان از تمام پژوهش‌های پیشین معتبرتر است. این مشکل زمانی حادتر می‌شود که پژوهشگران تازه‌کار به جای مطالعه عمیق منابع اصلی، صرفاً به این مرورها تکیه می‌کنند. همان‌طور که پیش‌تر نیز در این مجله استدلال کرده‌ام، با گذشت زمان، مباحث علمی از واقعیت و کاربرد عملی فاصله می‌گیرند.

می‌دانم که این قضاوت سختگیرانه است. اما این مشکل را مطرح می‌کنم تا نشان دهم وقتی مرورهای سیستماتیک را بیش از مرورهای انتقادیِ تلفیقی و روایتی ارج می‌نهیم، در واقع تصویری نادرست از دانش موجود ارائه می‌دهیم. اگر این روند را به چالش نکشیم، ممکن است به سوی فرهنگی علمی حرکت کنیم که در آن روش‌های خشک و فنی جایگزین تفکر انتقادی می‌شوند.

#evidence_synthesis
#systematic_review
#critique

🆔 @irevidence
▫️درباره مرورهای سیستماتیک خالی، تکراری یا بی‌فایده

بخش دوم:

اخیراً دو گروه از کتابداران دانشگاهی حوزه سلامت از من خواستند دیدگاهم را درباره ارزش و اهمیت مرورهای سیستماتیک بیان کنم. تجربه آنها نشان می‌دهد که مرتباً درخواست‌هایی از سوی اساتید و دانشجویان برای کمک در تدوین پروتکل مرور سیستماتیک دریافت می‌کنند. در بسیاری موارد، آن‌ها می‌خواهند این درخواست‌ها را رد کنند - نه برای مانع‌تراشی، بلکه چون معتقدند برخی موضوعات به جای یک مرور محدود و فنی، نیازمند مروری گسترده و انتقادی هستند. این کتابداران از روند کنونی در پژوهش‌های پرستاری و سلامت شگفت‌زده شده‌اند و می‌کوشند علت گرایش فزاینده به سمت مرورهای سیستماتیک را درک کنند.

این پرسش‌ها به من نشان داد که ما دانشگاهیان باید این موضوع را جدی بگیریم، روند کنونیِ تبدیل پژوهش‌های سلامت به مجموعه‌ای از محصولات فنی را به چالش بکشیم و از کار پژوهشگرانی که واقعاً در پی درک عمیق متون حوزه‌شان هستند، حمایت کنیم. باید بپرسیم: مطالعه در این زمینه کی و چرا آغاز شد؟ پیشگامان این حوزه چه کسانی بودند و آیا هنوز به آثارشان استناد می‌شود؟ آیا اندیشه‌های جدیدی جایگزین شده‌اند و چرا؟ چه الگوهایی در این نوع پژوهش از نظر رشته تحصیلی یا ملیت پژوهشگران وجود دارد؟ کدام نظریه‌ها و روش‌ها در شکل‌گیری درک کنونی ما نقش داشته‌اند و کدام‌یک نادیده گرفته شده‌اند؟ چه کج‌فهمی‌هایی ممکن است در این حوزه ریشه دوانده باشد؟ آیا سنت نقد سازنده در این حوزه وجود داشته است؟ اگر نه، از کجا می‌توان نقد را آغاز کرد؟

در نهایت، منظورم این نیست که هیچ مرور سیستماتیکی ارزشمند نیست. اما معتقدم ارزش یک مرور تنها به روش‌شناسی آن بستگی ندارد. نویسنده باید نشان دهد که فرآیند سیستماتیک چه دانش تازه‌ای به فهم ما افزوده و چرا این روش برای موضوع مورد بررسی مناسب بوده است. صرف ادعای پیروی از دستورالعمل‌های خاص (مانند Cochrane Synthesis یا Joanna Briggs Institute) کافی نیست.

تدوین پروتکل پیش از آغاز مرور - که معمولاً معیاری مهم برای کیفیت تلقی می‌شود - ممکن است در واقع مانعی برای پژوهش خوب باشد. این کار می‌تواند مانع شود که پژوهشگر در طول کار دیدگاهش را اصلاح کند یا مطالب بیشتری را در نظر بگیرد، و چه بسا به یکسری نتیجه‌گیری‌های کلی بینجامد که اهمیت پژوهش‌های پیشین را نادیده می‌گیرد. البته، هدف این مرورها ساده‌سازی و خلاصه کردن دانش موجود است - رویکردی که برای عملکرد مبتنی بر شواهد مناسب است. اما در پرستاری، بسیاری از مسائلی که می‌خواهیم بدانیم و آنچه پژوهشگران اصلی می‌خواستند به ما بگویند، پیچیده، پویا و وابسته به زمینه (context-dependent) هستند - چیزهایی که نمی‌توان به سادگی خلاصه و ترکیب کرد. چنان‌که Margarete Sandelowski زمانی پرسید: "چطور می‌توان یک شعر را خلاصه کرد؟"

اگرچه شاید نتوانیم کاملاً جلوی گرایش به عملکرد مبتنی بر شواهد در همه جنبه‌های پژوهش پرستاری و سلامت را بگیریم، اما می‌توانیم در این مجله، فضایی بیافرینیم که در آن دانش‌پژوهی ژرف (thoughtful scholarship) بر گزارش‌های خشک فنی برتری دارد؛ جایی که اندیشه‌ها قربانی "قواعد" خشکی که برای منافع دیگری ساخته شده‌اند، نمی‌شوند. خرسندم که مجله ما - از بنیانگذاران گرفته تا اعضای هیئت تحریریه، داوران و نویسندگان در طول سال‌ها - جامعه‌ای علمی پدید آورده که تفکر انتقادی عالی را بیش از سنجه‌های کمّی یا نگارش فرمول‌وار و کلیشه‌ای (formulaic writing) ارج می‌نهد و همچنان مشتاقانه در انتظار اندیشه‌های درخشانی هستم که ممکن است در هر مقاله تازه‌ای که به دستم می‌رسد، نهفته باشد.

#evidence_synthesis
#systematic_review
#critique

🆔 @irevidence
▫️لیست پژوهشگران پر استناد (Highly Cited Researchers) دنیا در سال 2024 منتشر شد

آنچه ما به عنوان پژوهشگران پر استناد می‌شناسیم، دقیقاً همین لیست است که توسط Clarivate و بر اساس داده‌های Web of Science و بررسی‌های کیفی دیگر منتشر می‌شود. لیست پژوهشگران پر استناد 1 درصد برتر یا 2 درصد برتر ارتباطی به این موسسه ندارند و اعتبار آن‌ها هم تا حدودی زیر سؤال است.

امسال ظاهراً سخت‌گیری‌های بیشتری صورت گرفته است:

سطوح غیرعادی از نویسندگی بیش از حد (Hyper-Authorship)

ما انتظار داریم نویسندگانی که نامشان در یک مقاله ذکر شده است، سهم معناداری در آن مقاله داشته باشند. انتشار چندین مقاله در هر هفته برای مدت زمان طولانی، معیارهای معمول نویسندگی و مشارکت علمی را به چالش می‌کشد.

خود استنادی بیش از حد (Excessive Self-Citation)

ما مقالات پر استناد (Highly Cited Papers) با سطوح بسیار بالای خود استنادی را شناسایی و بررسی می‌کنیم. این موارد برای هر حوزه علمی در ESI جداگانه ارزیابی می‌شوند. همچنین، ما به دنبال شواهدی از انتشار حجم زیادی از مقالات در مدت زمان کوتاه هستیم که ممکن است ارزش پژوهشی محدود و وابستگی به خود استنادی بالا داشته باشند.

الگوهای غیرمعمول استنادات مشترک (Unusual Collaborative Citation Patterns)

وابستگی بیش از حد به استنادات از سوی همکاران می‌تواند نشان‌دهنده محدود بودن تأثیر یک پژوهشگر به شبکه نزدیک او باشد. برای مثال، اگر بیش از نیمی از استنادات یک پژوهشگر از همکارانش باشد، ما این را نشانه‌ای از تأثیر محدود (و نه شناخته‌شدن گسترده در جامعه علمی) در نظر می‌گیریم.


نتیجه این بازبینی‌های دقیق‌تر، حذف تعداد قابل‌توجهی از نامزدها از فرآیند ارزیابی و انتخاب بوده است. تعداد افرادی که به دلیل عدم تطابق با معیارهای سخت‌گیرانه ما رد شدند، از 500 نفر در سال 2022 به بیش از 1000 نفر در سال 2023 افزایش یافت و در سال 2024 به حدود 2000 نفر رسید.

این ارقام نشان‌دهنده واقعیت‌های چالش‌برانگیز هستند و تأکید می‌کنند که علاوه بر ارزیابی‌های کمی، نیاز به بررسی‌های کیفی عمیق در تحلیل متون پژوهشی وجود دارد.

آمار و ارقام‌های مهم

در لیست 2024 تعداد 6 هزار و 636 پژوهشگر پر استناد شناسایی شده است. اما چون برخی از پژوهشگران در بیش از یک رشته تحقیقاتی فعالیت می‌کنند، بنابراین در کل 6 هزار و 886 مورد لیست شده است.

این تعداد پژوهشگر در 59 کشور مختلف زندگی و فعالیت می‌کنند. اما سهم 10 کشور اول، 85.4 درصد است و جالب آنکه سهم 5 کشور اول هم به 74.4 درصد می‌رسد.


10 کشور برتر

آمریکا: 2,507 پژوهشگر (36.4% از کل، کاهش 1.1% نسبت به سال قبل)

چین (سرزمین اصلی): 1,405 پژوهشگر (20.4% از کل، افزایش 2.5% نسبت به سال قبل)

بریتانیا: 563 پژوهشگر (8.2%)

آلمان: 332 پژوهشگر (4.8%)

استرالیا: 313 پژوهشگر (4.5%)

کانادا: 206 پژوهشگر (3%)

هلند: 185 پژوهشگر (2.7%)

هنگ‌کنگ: 134 پژوهشگر (1.9%)

فرانسه: 126 پژوهشگر (1.8%)

سنگاپور: 108 پژوهشگر (1.6%)

آمریکا و چین

سهم آمریکا از سال 2018 به طور مداوم کاهش یافته است (از 43.3% در 2018 به 36.4% در 2024).

سهم چین از 7.9% در 2018 به 20.4% در 2024 افزایش یافته است.

حدود 57 درصد کل پژوهشگران پر استناد دنیا در آمریکا یا چین زندگی می‌کنند!


10 مؤسسه برتر

آکادمی علوم چین: 308 پژوهشگر

دانشگاه هاروارد: 231 پژوهشگر

دانشگاه استنفورد: 133 پژوهشگر

دانشگاه تسینگ‌هوا (چین): 92 پژوهشگر

مؤسسه ملی بهداشت آمریکا: 90 پژوهشگر

مؤسسه فناوری ماساچوست: 76 پژوهشگر

دانشگاه آکسفورد: 61 پژوهشگر

دانشگاه کالج لندن: 60 پژوهشگر

انجمن ماکس پلانک (آلمان): 56 پژوهشگر

دانشگاه هنگ‌کنگ: 55 پژوهشگر


10 حوزه پژوهشی برتر

- بین‌رشته‌ای: 3326

- پزشکی بالینی: 443

- زیست‌شناسی و بیوشیمی: 247

- علوم مواد: 232

- علوم اعصاب و رفتار: 231

- شیمی: 218

- علوم اجتماعی: 204

- زیست‌شناسی مولکولی و ژنتیک: 198

- علوم گیاهی و جانوری: 194

- ایمنی‌شناسی: 193


وضعیت ایران

از ایران تنها تعداد 3 پژوهشگر پر استناد در این لیست قرار دارند. در سال 2023 تعداد 5، در سال 2022 تعداد 12 و در سال 2021 تعداد 15 محقق در این لیست حضور داشتند.

اسامی این پژوهشگران عبارتند از:

1- دکتر فرهاد اسلامی از دانشگاه علوم پزشکی تهران

مقالات اخیر ایشان با افیلیشن انجمن سرطان آمریکا منتشر شده است و به نظر می‌رسد از ایران مهاجرت کرده است.

2- دکتر محمدعلی منصورنیا از دانشگاه علوم پزشکی تهران

3- دکتر علی مرسلی از دانشگاه تربیت مدرس

فرهاد اسلامی و علی مرسلی در لیست 2023 هم حضور داشتند.


#research_metrics
#research_outputs
#highly_cited
#clarivate
#webofscience
#citation

🆔 @irevidence
▫️داستان 20 سالگی اسکوپوس

بیست سال قبل، دیتابیس اسکوپوس متولد شد. به همین مناسبت، الزویر داستان این دیتابیس را تعریف کرده است که در ادامه تقدیم می‌شود.


▫️پرنده اسکوپوس: نمادی از رشد

در آغاز قرن، الزویر ایده ایجاد یک دیتابیس چندرشته‌ای از چکیده‌ها و استنادها (multidisciplinary abstract and citation database) را مطرح کرد تا به جامعه پژوهشی در جستجوی متون علمی کمک کند. اسکوپوس رسماً در نوامبر 2004 راه‌اندازی شد. در 20 سال گذشته، اسکوپوس مسیر چشمگیری از رشد و نوآوری را طی کرده است. آیا می‌دانید این سفر چگونه آغاز شد؟

▫️2000-2004: تولد یک ایده

همانند هر ایده بزرگ، مفهوم اسکوپوس یک‌شبه شکل نگرفت. تیمی متنوع در یک جلسه خارج از محیط کاری در شهری کوچک در هلند گرد هم آمدند تا به طوفان فکری بپردازند. پس از یک روز طولانی، تصمیم گرفتند در طبیعت قدم بزنند. در این حین، صدای جیک‌جیک پرنده کوچکی به نام Chiffchaff را شنیدند؛ پرنده‌ای مهاجر که به مهارت‌های فوق‌العاده ناوبری خود مشهور است. راهنمای آن‌ها، که خلبانی بازنشسته بود، به شوخی گفت که مهارت ناوبری این پرنده حتی از هواپیماهای بوئینگ نیز بهتر است.

این ایده کاملاً با هدف تیم برای طراحی یک محصول جدید همسو بود. تیم تصمیم گرفت نام لاتین این پرنده، PhylloSCOPUS Collybita، را انتخاب کند. این نام الهام‌بخش نام "اسکوپوس" شد: راه‌حلی برای هدایت جامعه پژوهشی در اقیانوس اطلاعات.

▫️2004-2010: سال‌های شکل‌گیری

همانند یک جوجه پرنده، اسکوپوس نیز ابتدا باید راه رفتن را می‌آموخت تا بتواند پرواز کند. این فرآیند نیازمند زمان و آزمایش‌های فراوان بود، اما در نهایت بنیانی محکم برای موفقیت‌های آینده ایجاد کرد. یکی از نقاط عطف در سال 2006 بود؛ زمانی که قابلیت رفع ابهام نام‌های نویسندگان (disambiguation of authors’ names) معرفی شد. این ویژگی به اسکوپوس امکان داد تا رکوردها را به‌درستی به نویسندگان پیوند دهد و نویسندگانی با نام‌های مشابه را متمایز سازد.

سال بعد، اسکوپوس شناساگر وابستگی سازمانی (Affiliation Identifier) را معرفی کرد؛ ابزاری که به مؤسسات امکان می‌داد عملکرد پژوهشی تجمیعی خود را نمایش دهند.

▫️2011-2019: آموختن پرواز


در طول این دوره، اسکوپوس همچنان بر پایه‌های قبلی استوار بود و به رشد ادامه داد. تعداد مقالات تقریباً سه برابر و تعداد مجلات فعال دو برابر شد. یکی از دستاوردهای مهم این دوره، پروژه گسترش کتاب‌ها بود که به افزودن بیش از 350 هزار عنوان مستقل از ناشران بزرگ منجر شد.

ما همچنین پروفایل‌های سازمانی (Organization Profiles) را توسعه دادیم تا کاربران بتوانند نگاهی جامع به برونداد پژوهشی یک مؤسسه داشته باشند. علاوه بر این، اسکوپوس به استفاده از روش‌های یادگیری ماشینی برای پردازش فراداده‌های تأمین مالی (funding metadata) پرداخت که در نهایت مبنای هوش مصنوعی مولد اسکوپوس شد.


▫️2020-2023: آماده‌سازی برای آینده

با ظهور فناوری‌های نوین و شتاب روزافزون پژوهش، مستندسازی تأثیر اجتماعی تحقیقات اهمیت یافت. در اوایل دهه ۲۰۲۰، اسکوپوس داده‌های مرتبط با اهداف توسعه پایدار سازمان ملل متحد (SDG) را اضافه کرد. این داده‌ها به پژوهشگران امکان داد تا گستره و اهمیت تحقیقات خود را به جامعه علمی نشان دهند. در زمانی که تأمین‌کنندگان مالی، سیاست‌گذاران و مؤسسات تمرکز بیشتری بر تأثیر اجتماعی تحقیقات (societal impact of research) داشتند، حجم و کیفیت انتشارات در اسکوپوس به جامعه دانشگاهی این امکان را داد تا گستره تأثیرگذاری خود را به نمایش بگذارد.

همچنین، سرمایه‌گذاری‌های بیشتری در فناوری‌های جدید انجام شد. اسکوپوس در سال 2021 گراف دانش (Knowledge Graph) و در 2022 قابلیت جستجوی بُرداری (vector search) را معرفی کرد. با معرفی ChatGPT توسط OpenAI، اسکوپوس برای ساخت ابزار هوش مصنوعی مولد کاملاً آماده بود و نسخه آلفای این فناوری را در آگوست 2023 عرضه کرد.


▫️2024 و فراتر: آینده‌ای پیش رو

همانند پرنده کوچک فیلوسکوپوس (Phylloscopus)، ما نیز همیشه در حرکت هستیم. نیازهای متغیر جامعه پژوهشی ما را وادار به ارائه بینش‌های مرتبط‌تر و ادغام روش‌های پیشرفته هوش مصنوعی مولد در یک راه‌حل جامع کرده است.

سال 2024 با معرفی رسمی هوش مصنوعی اسکوپوس آغاز شد که هدف آن تقویت (نه جایگزینی) ابزارهای موجود است. جدیدترین به‌روزرسانی، ویژگی کوپایلوت است که از ابزارهای جستجوی کلیدواژه‌ای و برداری برای پاسخ به کوئری‌های پیچیده استفاده می‌کند.

تمایل و تلاش‌های ما برای سرمایه‌گذاری در آینده اسکوپوس تزلزل‌ناپذیر است. ما همچنان با تمرکز بر پیشرفت کیفیت و دقت محتوای خود، به سرمایه‌گذاری در آینده ادامه خواهیم داد و امیدواریم شما نیز در این سفر گسترش مرزهای پژوهش و دانش همراه ما باشید.

#scopus
#elsevier

🆔 @irevidence
Please open Telegram to view this post
VIEW IN TELEGRAM
▫️کمی‌محوری افراطی و فرمول من‌درآوردی

SC= Pf + Cq

Pf: Publication Factor
Cq: Citation Quality

Pf = ∑ (As+Ski)× C×J

As: Article Score
Ski: Speaker (Keynote or Invited)
C: Citation Index
J: J-Index

فرمول فوق را انیشتین ننوشته است، بلکه بنیاد ملی علم ایران در "آیین‌نامه انتخاب و حمایت سرآمدان علمی ایران 1400" آن را معرفی کرده است و بر اساس این فرمول، سرآمدان علمی کشور را انتخاب می‌کند.

فرمول فوق در آیین نامه 1400 آمده بود ولی برای انتخاب سرآمدان عملی کشور در سال 1403-که 20 آبان معرفی شدند-از فرمول زیر استفاده شده است:

SC = ∑ (As)× C×M


امتیاز مقالات برتر (As): مجموع امتیاز مقالات منتشر شده در مجلات برتر توسط هر فرد مطابق جدول (1)

میانگین استنادات (C): میانگین استنادات کل مقالات افراد

شاخص(M): حاصل تقسیم شاخص اچ فرد بر سن علمی وی. این شاخص به منظور رقابت‌پذیری بهتر میان محققان جوان و باتجربه و به منظور بهبود «شاخص اچ» در نظر گرفته شده است.


یک طبقه‌بندی من‌درآوردی از مجلات توسط این بنیاد:

مجلات جریان‌ساز
مجلات پیشرو
مجلات منتخب

گرنت‌های 500، 400 و 300 میلیونی به ترتیب برای گروه‌های اول تا سوم اهدا می‌شود.

#research_metrics
#research_outputs
#critique

🆔 @irevidence
▫️معرفی سازمان های تولید کننده سنتز شواهد

تعدادی سازمان و مراکز حرفه‌ای وجود دارند که کارشان تولید بهترین شواهد یعنی مرورهای سیستماتیک و سایر انواع مرورها است.

بزرگترین و معروف‌ترین آنها، کاکرین است، اما موسسات دیگری هم وجود دارند از جمله JBI، کمبل، EPPI و ...

در این فیلم بطور اجمالی این مراکز را معرفی کردم. ولی قبل از آن به جنبش پزشکی مبتنی بر شواهد (EBM) و نقش آن در گسترش این سازمان‌ها پرداختم.

اکثر این مراکز، دست‌نامه یا گایدلاین برای انجام انواع مرورها تهیه کرده‌اند که به آنها هم اشاره کردم.

این فیلم برای دوره مرور متون ضبط شده است ولی اینجا هم می‌فرستم.

لطفاً در کانال آپارات این فیلم را مشاهده کنید.

https://www.aparat.com/v/qujjnr7

#evidence_synthesis
#systematic_review
#cochrane
#JBI
#campbell_collaboration
#EBM


🆔 @irevidence
2024/12/05 01:49:27
Back to Top
HTML Embed Code: