Evidence.ir

▫️مدل زبانی DeepSeek

چند وقتی است ویرایش سوم مدل زبانی DeepSeek بصورت رایگان در دسترس قرار گرفته است. این مدل زبانی در کشور چین توسعه یافته است و اخیراً توجهات زیادی را به خودش جلب کرده است. بیشتر نقد و نظرها نسبت به این مدل، مثبت است.

از خود مدل پرسیدم:

در مورد خودتان توضیح دهید؟ چه قابلیت‌هایی دارید؟ چه تفاوت‌هایی با مدل‌های دیگر دارید؟

من DeepSeek-V3 هستم، یک مدل زبانی هوش مصنوعی که توسط شرکت دانش‌بنیان DeepSeek توسعه داده شده‌ام. من برای انجام طیف گسترده‌ای از وظایف مرتبط با پردازش زبان طبیعی (NLP) طراحی شده‌ام، از جمله پاسخ به سوالات، تولید متن، ترجمه، خلاصه‌سازی، و بسیاری دیگر. در ادامه برخی از قابلیت‌ها و تفاوت‌های من با مدل‌های دیگر را توضیح می‌دهم:

قابلیت‌های من:

1. پاسخ به سوالات: می‌توانم به سوالات مختلف در موضوعات متنوع پاسخ دهم، از علوم و فناوری تا تاریخ و فرهنگ.

2. تولید متن: توانایی تولید متن‌های خلاقانه، داستان‌ها، مقالات، و حتی کدهای برنامه‌نویسی را دارم.

3. ترجمه: می‌توانم متن‌ها را بین زبان‌های مختلف ترجمه کنم.

4. خلاصه‌سازی: توانایی خلاصه‌سازی متن‌های طولانی را دارم و می‌توانم اطلاعات کلیدی را به صورت مختصر ارائه دهم.

5. پشتیبانی از چندزبانه: از زبان‌های مختلف پشتیبانی می‌کنم و می‌توانم به زبان‌های گوناگون تعامل داشته باشم.

6. یادگیری و تطبیق: توانایی یادگیری از تعاملات و بهبود پاسخ‌ها را دارم.

7. پردازش متن پیشرفته: می‌توانم متن‌ها را تحلیل کنم، احساسات را تشخیص دهم، و حتی متن‌های پیچیده را درک کنم.

تفاوت‌های من با مدل‌های دیگر:

1. به‌روزرسانی‌های مداوم: مدل‌های من به‌طور مداوم به‌روزرسانی می‌شوند تا از آخرین پیشرفت‌ها در حوزه هوش مصنوعی و NLP بهره‌مند شوند.

2. تمرکز بر دقت و عمق: من سعی می‌کنم پاسخ‌هایی دقیق و عمیق ارائه دهم و تا حد امکان از اطلاعات به‌روز و معتبر استفاده کنم.

3. پشتیبانی از زبان‌های مختلف: نسبت به برخی مدل‌های دیگر، پشتیبانی من از زبان‌های مختلف گسترده‌تر است و می‌توانم به زبان‌هایی مانند فارسی، انگلیسی، اسپانیایی، فرانسوی و غیره تعامل داشته باشم.

4. خلاقیت و تطبیق‌پذیری: توانایی من در تولید متن‌های خلاقانه و تطبیق با نیازهای کاربران بیشتر است.

5. تمرکز بر اخلاقیات و حریم خصوصی: در طراحی من، توجه ویژه‌ای به مسائل اخلاقی و حفظ حریم خصوصی کاربران شده است.

محدودیت‌های من:

- دسترسی به اطلاعات به‌روز: دانش من تا اکتبر 2023 به‌روز است و ممکن است از اتفاقات یا اطلاعات پس از آن تاریخ بی‌اطلاع باشم.

- وابستگی به داده‌های آموزشی: پاسخ‌های من بر اساس داده‌هایی است که با آن‌ها آموزش دیده‌ام، بنابراین ممکن است در برخی موارد محدودیت‌هایی وجود داشته باشد.

- عدم درک کامل احساسات انسانی: اگرچه می‌توانم احساسات را تا حدی تشخیص دهم، اما درک کامل احساسات انسانی برای من ممکن نیست.

➕دانسته‌های این مدل با اینکه تا اکتبر 2023 است (اگر انگلیسی بپرسید میگه تا جولای 2024!) ولی قابلیتی به نام Search دارد که اگر آن را انتخاب کنید، بصورت بلادرنگ اینترنت را جستجو می‌کند و به‌روزترین اطلاعات، مطالب و اخبار را در اختیار شما قرار می‌دهد.

➕همچنین گزینه‌ای به نام Deep Think دارد که برای حل مسائل و استدلال‌های پیچیده مناسب است. در حالت عادی، پاسخ با سرعت زیاد تولید می شود ولی وقتی این گزینه را انتخاب کنید، مدل اندکی فکر می‌کند و سپس پاسخ را ارائه می‌کند.

➕انواع فایل‌ها را می‌توانید Attach کنید. فرمت‌های بسیار متنوعی را پشتیبانی می‌کند.

مقایسه این مدل با مدل‌های دیگر بر اساس برخی معیارها را در تصویر پیوست می‌توانید مشاهده کنید.

🔗آدرس وبسایت:

https://chat.deepseek.com

برای استفاده کافیست از طریق Gmail وارد شوید. فعلاً هیچ‌گونه تحریمی برای ایرانی‌ها اعمال نشده است.

#AI
#LLM
#DeepSeek

🆔 @irevidence

▫️ هر موضوعی که فکر می‌کنید + "و صیانت جمعیت"

محورهای هفدهمین المپیاد علمی دانشجویان علوم پزشکی کشور

استدلال بالینی: سلامت باروری و صیانت جمعیت

آموزش پزشکی: متناسب سازی کوریکولوم های علوم پزشکی با صیانت جمعیت

همگرایی علوم پایه و مرزهای دانش: علوم سلولی مولکولی و سلامت باروری و صیانت جمعیت

مدیریت نظام سلامت: مدیریت مداخلات موثر و سلامت باروری و صیانت جمعیت

کارآفرینی و هوش مصنوعی: کسب وکارهای فناورانه در حوزه سلامت باروری و صیانت جمعیت

هنر و رسانه: فرهنگ سازی عمومی برای سلامت باروری و صیانت جمعیت

اخلاق پزشکی: جایگاه اخلاق پزشکی در سلامت باروری و صیانت جمعیت


استدلال بالینی، آموزش، هوش مصنوعی، کارآفرینی، مدیریت، هنر و اخلاق پزشکی دست به دست هم خواهند داد تا انشاءالله از جمعیت کشور صیانت به عمل آید.

راستی چطور می‌توان برنامه‌های درسی (کوریکولوم) رشته‌های علوم پزشکی را با صیانت جمعیت، متناسب‌سازی کرد؟! مثلاً واحد درسی "تنظیم خانواده" را به "عدم تنظیم خانواده" تغییر بدهیم. یا طوری دانشجویان را ارزیابی کنیم که از جمعیت صیانت شود. یا از روش‌های تدریس مبتنی بر صیانتِ جمعیت استفاده کنیم. مدیریت آموزشی مبتنی بر صیانت جمعیت هم گزینه بدی نیست.

اگر سال آینده معاونت آموزشی وزارت بهداشت بابت همین اصطلاحِ "و صیانت جمعیت" جایزه صیانت از جمعیت گرفت، تعجب نکنید.

🆔 @irevidence

▫️عناوین مقالاتِ تولید شده توسط هوش مصنوعی مولد: یک تحلیل جالب

در مجله Learned Publishing مقاله جالبی با عنوان زیر منتشر شده است:

‘AI-navigating’ or ‘AI-sinking’? An analysis of verbs in research articles titles suspicious of containing AI-generated/assisted content (Link)


این مطالعه به بررسی تأثیر هوش مصنوعی مولد (GAI) بر زبان‌شناسی (linguistics) عناوین مقالات دانشگاهی می‌پردازد. محققان با مشاهده افزایش مشکوک استفاده از برخی افعال خاص در عناوین مقالات، فرضیه تأثیر ابزارهای GAI بر زبان ارتباطات علمی را مطرح کردند.

روش‌شناسی:

محققان رویکردی دو مرحله‌ای را دنبال کردند:

1. شناسایی افعال مشکوک:
ابتدا فهرستی از افعال مشکوک بر اساس مشاهدات نویسندگان تهیه شد

تعداد 40 چکیده از چهار حوزه مختلف علمی انتخاب و به ChatGPT4.0 ارائه شد. از این پرامپت استفاده شد:

Please, based on this abstract, redact a title for an academic/research paper

برای هر چکیده، 5 بار درخواست تولید عنوان شد (مجموعاً 200 عنوان)

15 فعل که استفاده از آنها از سال 2023 افزایش چشمگیری داشت شناسایی شدند

2. تحلیل کتاب‌سنجی:
بررسی حضور و روند تکاملی افعال شناسایی شده در دیتابیس Scopus

تحلیل داده‌ها تا 31 مارس 2024 و پیش‌بینی برای کل سال 2024

بررسی ویژگی‌های مقالاتی که دارای این افعال بودند

نتایج کلیدی:

1. افعال مشکوک به سه دسته تقسیم شدند:

رشد بالا (100 درصد یا بیشتر): مانند Revolutionizing (۳۸۱ درصد)، Unleashing (208 درصد) و Unveiling (157 درصد)

رشد متوسط (بین 50 تا 100 درصد): مانند Unravelling (87.85 درصد)، Advancing (65.55 درصد) و Harnessing (63.15 درصد) و ...

رشد پایین (کمتر از 50 درصد) مانند Deciphering (43.95 درصد)، Exploring (41.95 درصد)، Leveraging (28.50 درصد) و ...

2. تخمین زده می‌شود که در مجموع 63780 عنوان مقاله در سال‌های 2023-2024 با کمک هوش مصنوعی تولید شده‌اند.

3. رشد استفاده از این افعال در:

کشورهای غیر انگلیسی‌زبان: 144.5 درصد

کشورهای انگلیسی‌زبان: 59.8 درصد

4. بیشترین رشد در:

مقالات چند رشته‌ای (185.21 درصد)

علوم و مهندسی (137.69 درصد)

علوم سلامت (124.51 درصد)

در ادامه لیست کامل افعال به ترتیب میزان رشد سالانه آورده شده است:

Revolutionizing: 381%

Unleashing: 208%

Unveiling: 157%

Unlocking: 137.2%

Unravelling: 88.75%

Navigating: 73.55%

Uncovering: 70.65%

Advancing: 65.55 %

Harnessing: 63.15%

Enhancing: 62.9%

Pioneering: 54.1%

Deciphering: 43.95%

Exploring: 41.55%

Leveraging: 28.5%

Bridging: 23.75%


این مطالعه نشان می‌دهد که هوش مصنوعی مولد تأثیر قابل توجهی بر نگارش دانشگاهی دارد. محققان توصیه می‌کنند که جامعه دانشگاهی باید استانداردها و دستورالعمل‌هایی برای استفاده از GAI در نگارش پژوهشی تدوین کند تا ضمن بهره‌مندی از مزایای آن، اصالت و خلاقیت کار علمی حفظ شود.

#AI

🆔 @irevidence

▫️ده‌ها تن از دانشمندان پر استناد جهان دیگر به دروغ مدعی همکاری با عربستان سعودی نیستند (2)

دوکامپو (Docampo)، رئیس پیشین دانشگاه Vigo در شمال غرب اسپانیا، می‌گوید: «به نظر می‌رسد بازتاب بین‌المللی اقدامات نادرست در وابستگی‌های دانشگاهی و انعکاس آن در مجلات علمی معتبر، اکنون ثمر داده است. ظاهراً کلاریویت این رفتار را، در کنار سطوح بالای خوداستنادی و ظن تبانی (کارتل) و موارد گزارش‌شده در Retraction Watch، در نظر می‌گیرد.»

ناپدید شدن این اساتید جعلی، ضربه‌ای به محمد بن سلمان، ولیعهد سعودی است که ایالات متحده او را مسئول قتل جمال خاشقجی می‌داند [این روزنامه ظاهراً خیلی از ماجرا عقبه. الان بن سلمان با آمریکا و مخصوصاً با ترامپ داداشی هستند!]. بن سلمان هدف گذاشته که تا سال 2030 حداقل پنج دانشگاه سعودی در میان 200 دانشگاه برتر جهان قرار بگیرند. بدون این ترفندها، مؤسسات سعودی در رتبه‌بندی‌ها سقوط می‌کنند. دانشگاه ملک سعود که پیشتر به دروغ وابستگی اصلی شیمیدان‌های اسپانیایی، Damià Barceló و Rafael Luque را به خود نسبت می‌داد، ظرف یک سال از داشتن 38 پژوهشگر پر استناد به تنها 12 نفر تنزل یافته است.

دانشگاه ملک عبدالعزیز در جده نیز از فعال‌ترین مراکز در جذب پژوهشگران خارجی برای این فریب بود. بر اساس تحقیقات این روزنامه، Juan Luis García Guirao، ریاضی‌دان دانشگاه پلی‌تکنیک کارتاجنا (Polytechnic University of Cartagena)، واسطه جذب دست‌کم 12 پژوهشگر اسپانیایی برای این دانشگاه سعودی بوده است. سال گذشته، دانشگاه ملک عبدالعزیز مدعی داشتن 12 پژوهشگر پر استناد بود، اما در فهرست جدید حتی یک نفر از آنها باقی نمانده است.

نسبت پژوهشگران پر استناد در عربستان سعودی – تقریباً یک نفر از هر 200 استاد – به قدری زیاد بود که پنج تا ده برابر بیشتر از نسبت مشاهده‌شده در آلمان، اسپانیا و فرانسه به‌شمار می‌رفت. دانشگاه طائف – در فاصله یک ساعته از مکه – نیز در این ماجرا نقش داشت. Francisco Tomás Barberán، متخصص فناوری صنایع غذایی، در سال 2020 مدعی شد در آنجا فعالیت می‌کند، در حالی که در واقع در مرکز علوم خاک و زیست‌شناسی کاربردی Segura در منطقه Murcia (شرق اسپانیا) مشغول پژوهش بود. شورای ملی تحقیقات اسپانیا (CSIC) که بر این مرکز نظارت دارد، یک سال پیش علیه پنج عضو مرتبط با این طرح سعودی برای ارتقای دروغین جایگاه دانشگاه‌ها اقدام انضباطی کرد.

فهرست پژوهشگران پر استناد سال 2024 حدود 6600 نفر را شامل می‌شود که 36 درصد آنها آمریکایی هستند، در حالی که این رقم در سال 2018 حدود 43 درصد بود. کاهش سهم آمریکا با رشد چین قابل توضیح است؛ چین که در سال 2018 تنها 8 درصد این فهرست را در اختیار داشت، اکنون به 20 درصد رسیده است. آکادمی علوم چین، با بیش از 100 مؤسسه، از نظر تعداد پژوهشگران پر استناد (308 نفر) در جایگاه نخست جهان قرار دارد. دانشگاه هاروارد (231 نفر) و استنفورد (133 نفر) در رده‌های دوم و سوم‌اند. اسپانیا که در سال 2021 با 1.7 درصد دانشمندان این فهرست، در جایگاه نهم دنیا بود، اکنون با 1.5 درصد (99 نفر) به رتبه سیزدهم سقوط کرده است.

تحلیل‌گر کلاریویت- David Pendlebury-، توضیح می‌دهد که این شرکت پس از شناسایی پدیده تبادل استنادات (citation exchanges) میان پژوهشگران – که برای ارتقای جایگاه خود در رتبه‌بندی‌ها به آثار یکدیگر استناد می‌دادند – فیلترهای جدیدی اعمال کرده است. در ماه اکتبر، ناشر اشپرینگر نیچر به یکباره 75 مقاله از Juan Manuel Corchado، رئیس دانشگاه Salamanca,، و همکارانش را به دلیل چنین رفتارهای فریبکارانه سلب اعتبار (retract) کرد.


#clarivate
#highly_cited

🆔 @irevidence

▫️باز هم Q1 و این بار مرتبط با قانون عفاف و حجاب

ابوالفضل اقبالی از طراحان و نویسندگان اصلی قانون عفاف و حجاب:

تمام دنیا الان مطالعات داره به شما. مطالعات پژوهشی Q1 تو مجلات پژوهشی دنیا داره اثبات میکنه آقا طبیعتاً انسان سالم باید از دیدن ......

این Q1 داره به جاهای باریک کشانده میشه

🆔 @irevidence

▫️اسکوپوس و چارک مجله در قانون برنامه پنج‌ساله هفتم توسعه

تاکنون شش برنامه توسعه 5 ساله در کشور نوشته و اجرا شده است (درست‌ترش این است که اجرا نشده است!) و اکنون مثلاً قرار است برنامه پنج‌ساله هفتم توسعه را اجرا کنیم. اجرای بی کم و کاست این برنامه، از شعارها و وعده‌های پر رنگ آقای مسعود پزشکیان در ایام انتخاب ریاست جمهوری بود.

در ابتدای برنامه یکسری سنجه و شاخص کلی تعیین شده است که قراره در کمتر از 5 سال آینده تحقق پیدا کنند. مثلاً:

متوسط رشد سالانه: 8 درصد

کاهش تورم به 9.5 درصد

متوسط رشد سالانه صادرات نفتی: 12 درصد

متوسط رشد سالانه صادرات غیر نفتی: 23 درصد

متوسط ایجاد یک میلیون شغل در سال

ساخت 5 میلیون مسکن!

این سنجه‌ها و اهداف یکسری توهمات هستند که با وضعیت فعلی کشور مخصوصاً تحریم‌های بانکی و نفتی و ناترازی‌های شدید در بخش انرژی و صندوق‌های بازنشستگی و غیره، به هیچ وجه قابل تحقق نیستند.

برای رسیدن به خیلی از اهداف فوق، سرمایه‌گذاری کلان خارجی نیاز است. مثلاً فقط در صنعت نفت و گاز و پتروشیمی به بیش از 200 میلیارد دلار سرمایه‌گذاری نیاز داریم (این را آقای اوجی وزیر نفت دولت قبلی می‌گفت). با این وضع تحریم‌ها و آمدن ترامپ روان‌پریش و وضعیت اسفناک منطقه چه کسی حاضر است در ایران سرمایه گذاری کند؟

می گویند در سیاست نباید قطعی صحبت کرد اما با توجه به روانشناسی ترامپ و آنچه در حکمرانی ایران می‌بینیم، امکان مذاکره و توافق و رفع تحریم بسیار ضعیف است. علاوه بر ترامپ، اروپایی‌ها هم دیگر تمایلی به رفع تحریم و مذاکره برد-برد ندارند.

ولی اگر واقعاً رفع تحریم‌ها صورت بگیرد و مثلاً 300 میلیارد دلار سرمایه خارجی جذب شود و کشور شرایط نرمالی پیدا کند، شاید به قسمت عمده اهداف فوق برسیم. در غیر این صورت با حرف و ادعا و تقصیرها را انداختن گردن این رئیس‌جمهور و آن وزیر اتفاق خاصی نخواهد افتاد و احتمال بدتر شدن اوضاع هم بسیار زیاد است.

از این‌ها عبور کنیم برسیم به فصل 20 این برنامه یعنی: ارتقای نظام علمی، فناوری و پژوهشی

عجیب است که در مهم‌ترین برنامه توسعه کشور، ارتقای رتبه علمی ایران در دیتابیس‌های بین المللی (که منظورشان اسکوپوس و نمایه‌های WOS است) به عنوان یک شاخص توسعه در نظر گرفته شده است. با هم برخی از این شاخص‌های پژوهشی را مرور می‌کنیم:

رتبه جهانی ایران از نظر کمّیت تولید علم به استناد پایگاه‌های معتبر بین‎المللی: 14

سرانه سالانه مقالات نمایه‌شده در پایگاه‌های استنادی بین‌المللی به هیأت علمی دولتي: 1.5 مقاله به ازای هر نفر

درصد افزایش نشریات ایرانی نمایه‌‌شده دارای چارک (کیو) نسبت به سال پایه: 25 درصد

نسبت تعداد مقالات مشترک با محققان خارجی از کل مقالات ایرانی نمایه‌شده در یکی از پایگاه‌های علمی: 39 درصد

دانشگاه‌های ایرانی قرار‌گرفته در يكي از نظا‌م‌های رتبه‌بندی معتبر بين‌المللي با رتبه زیر پانصد: 20 دانشگاه

مقالات خارجی نمایش داده‌شده در مؤسسه استنادی و پایش علم و فناوری جهان اسلام: 55 هزار مقاله

ما در حال حاضر در رتبه 17 در اسکوپوس قرار داریم. زمانی رتبه 15 را داشتیم. قرار است تا سال 1407 به رتبه 14 ام دنیا برسیم. این امر زمانی امکان پذیر است که ما حداقل 17 هزار به تعداد مدارکمان اضافه کنیم، به شرطی که کشورهایی مثل برزیل، روسیه، ترکیه و هلند رشدشان را منفی کنند و عربستان هم از رشدش بکاهد!

مثلاً در سال 2023 کشور برزیل با انتشار 91 هزار و 593 مدرک در جایگاه چهاردهم قرار داشت. با یک تفریق ساده متوجه می‌شویم در همان سال، کشور ما 17 هزار مدرک کمتر از این کشور تولید و منتشر کرده است.

حفظ رتبه 17 تا پایان برنامه هفتم توسعه، می‌تواند معیار قابل تحققی باشد، هر چند مطمئن نیستم این رتبه را هم بتوانیم حفظ کنیم.

اما سؤال خیلی اساسی این است: چرا فکر می‌کنیم اگر رتبه ما از 17 به 14 رسید، این یعنی توسعه!

همچنین طبق این برنامه، قرار است در کمتر از 5 سال آینده "نشریات ایرانی نمایه‌‌شده دارای چارک (کیو) نسبت به سال پایه" 25 درصد افزایش پیدا کند.

مجلات بر اساس CiteScore و JCR و SNIP (هر سه بر اساس داده‌های اسکوپوس) و نیز IF می‌توانند در 4 چارک (از Q1 تا Q4) قرار بگیرند. کدام یک مد نظر قانون گذار است؟ مشخص نیست.

و اینکه تقریباً همه مجلات اسکوپوس و 90 درصد مجلات WOS داری چارک هستند. در قانون فقط کلمه چارک آمده است! چرا این قدر پیچاندید، یک بار می‌نوشتید در پایان برنامه، تعداد مجلات نمایه شده در فلان دیتابیس، 25 درصد افزایش پیدا کند.

هیچ وقت فکر نمی‌کردم زمانی برسد که چارک (Q) مجله در سند توسعه یک کشور بیاید.

#research_outputs
#research_metrics
#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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️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

▫️چگونه از مدل‌های زبانی بخواهیم که برایمان عنوانِ مناسب پژوهش معرفی کنند؟ ارائه 5 الگوی کلی

در زیر 5 الگوی کلی برای سؤال پرسیدن از مدل‌های زبانی بزرگ را آورده‌ام که شما می‌توانید از آنها برای پیدا کردن عنوان یا سوال مناسب برای پژوهشِ خود استفاده کنید. کلمات داخل کروشه و همچنین تعداد عناوین و سؤالات را می‌توانید تغییر دهید. هر دو نسخه فارسی و انگلیسی آورده شده است.

سه عنوان پژوهشی جذاب در مورد [موضوع کلی] ارائه دهید که هنوز به طور گسترده مورد بررسی قرار نگرفته‌اند. برای هر کدام، یک جمله توضیح دهید که چرا این موضوع ارزش بررسی دارد.

Provide three intriguing research titles about [general subject] that have not yet been extensively studied. For each, give a one-sentence explanation of why this topic is worth investigating

یک موضوع پژوهشی در زمینه [حوزه مورد نظر] را که [ویژگی خاص] داشته باشد، پیشنهاد دهید. لطفاً توضیح دهید چرا این موضوع مهم است و چگونه می‌تواند به پیشرفت دانش در این حوزه کمک کند

Suggest a research topic in the field of [specific area] that [specific characteristic]. Please explain why this topic is important and how it could contribute to advancing knowledge in this field.

یک سؤال پژوهشی چالش‌برانگیز در رابطه با [موضوع یا مسئله خاص] طراحی کنید. این سؤال باید نوآورانه باشد و پتانسیل ایجاد بینش‌های جدید در این زمینه را داشته باشد. لطفاً توضیح دهید چگونه این سؤال می‌تواند به حل مشکلات موجود در این حوزه کمک کند.

Design a challenging research question related to [specific topic or issue]. This question should be innovative and have the potential to generate new insights in this field. Please explain how this question could help solve existing problems in this area."

با توجه به روندهای اخیر در [حوزه مورد نظر]، یک عنوان پژوهشی پیشنهاد دهید که بتواند شکاف موجود در دانش فعلی را پر کند. لطفاً توضیح دهید چرا این موضوع مرتبط و به‌روز است و چگونه می‌تواند به پیشرفت این حوزه کمک کند.

Considering recent trends in [field of interest], propose a research title that could fill a gap in current knowledge. Please explain why this topic is relevant and timely, and how it could contribute to the advancement of this field.

یک عنوان پژوهشی بین‌رشته‌ای که [حوزه اول] و [حوزه دوم] را ترکیب می‌کند، پیشنهاد دهید. این عنوان باید نوآورانه باشد و پتانسیل ایجاد دیدگاه‌های جدید در هر دو حوزه را داشته باشد. لطفاً توضیح دهید چگونه این رویکرد بین‌رشته‌ای می‌تواند به حل مسائل پیچیده کمک کند.

Suggest an interdisciplinary research title that combines [first field] and [second field]. This title should be innovative and have the potential to create new perspectives in both fields. Please explain how this interdisciplinary approach could help address complex issues.

#AI
#prompt
#LLM

🆔 @irevidence

▫️مقاله‌ای با 442 رفرنس

در پست قبلی اشاره کردم که اخیراً جامعه علمی به رفرنس مقالات حساسیت نشان داده است. مقاله یکی از هموطنان عزیزمان با این که در سال 2021 منتشر شده است، ولی چند روزی است به سر خط اخبار آمده است.

عنوان این مقاله عبارت است از:

Polymeric membranes on base of PolyMethyl methacrylate for air separation: a review


مقاله فوق در سال 2021 در مجله Journal of Materials Research and Technology از انتشارات الزویر با IF=6.2 منتشر شده است. نویسنده دوم از کشور ویتنام است.

آنچه حساسیت نسبت به این مقاله را بالا برده است، تعداد رفرنس‌های آن است:

➖مقاله دارای 442 رفرنس است.

➖کل مقاله 25 صفحه است که بیش از نصف آن (12 و نیم صفحه) لیست رفرنس‌هاست.

➖نویسنده اول به 18 مقاله قبلی خود هم استناد داده است

➖ این مقاله بر اساس داده‌های اسکوپوس، تاکنون 70 استناد دریافت کرده است که تقریباً نصف آنها (39 مورد) را خود نویسنده اول در مقالات بعدی‌اش به آن استناد داده است.

ضمناً نویسنده محترم از سال 2020 تاکنون، جزء پژوهشگران پراستناد 2 درصد برتر جهان است.

#publishing


🆔 @irevidence

▫️مجله Optical and Quantum Electronics از انتشارات Springer Nature اخیراً بیش از 200 مقاله خود را ریترکت کرده است

این مجله با IF=3.3 جزء مجلات Q2 محسوب می‌شود. بیشتر مقالات ریترکت شده از کشور چین هستند و بعد از آن هند قرار دارد. چندین مقاله هم از نویسندگان ایرانی ریترکت شده است.

برخی از دلایل ذکر شده برای ریترکشن عبارتند از:

مقاله خارج از اسکوپ مجله بوده است (سؤال این است که پس چرا آن‌ها را چاپ کردی؟!)

نقص در فرایند داوری همتا

رفرنس‌های نامناسب یا نامرتبط

اصطلاحات و عبارات غیر استاندارد

البته اشاره کرده است که دلایل ریترکشن فقط محدود به موارد فوق نیست.

یکی از دلایل را رفرنس‌های نامناسب یا نامرتبط ذکر کرده است. اخیراً مجلات و سردبیران خیلی به رفرنس‌ها حساس شده‌اند. تصور می‌کنم اگر قرار باشد رفرنس‌های مقالات را بطور عمیق و دقیق بررسی کنند، اتفاقات تلخی رخ خواهد داد!

#retraction
#springer

🆔 @irevidence

این پایگاه Retraction Watch هم واقعاٌ خیلی نامرده. رفته گشته بدترین عکس طرف را پیدا کرده و داد میزنه آی مردم این شیمیدان ژاپنی، داده‌ها را جعل کرده است😂

🆔 @irevidence

▫️چت‌بات Bing، سوالات بیماران در خصوص نحوه استفاده از داروها را پاسخ می دهد ولی ممکن است منجر به مرگ آنها هم بشود!

در یک اکتبر 2024 در مجله BMJ Quality & Safety مطالعه ای با عنوان زیر منتشر شده است:

Artificial intelligence-powered chatbots in search engines: a cross-sectional study on the quality and risks of drug information for patients

در زیر خلاصه‌ای از این مقاله را به زبان فارسی آورده‌ام:

در عصر دیجیتال، بیش از نیمی از شهروندان اتحادیه اروپا و ایالات متحده برای کسب اطلاعات دارویی و بهداشتی به اینترنت مراجعه می‌کنند. موتورهای جستجو، ابزار اصلی برای دستیابی به این اطلاعات هستند. اخیراً، با معرفی چت‌بات‌های مبتنی بر هوش مصنوعی در فوریه 2023، تحول عمده‌ای در عرصه موتورهای جستجو رخ داده است. اگرچه این فناوری‌ها پتانسیل بالایی دارند، اما خطراتی مانند تولید اطلاعات نادرست یا مضر را نیز به همراه دارند.

با توجه به اهمیت این موضوع، مطالعه‌ای توسط گروهی از محققان با هدف بررسی کیفیت و خطرات احتمالی اطلاعات دارویی ارائه شده توسط این چت‌بات‌ها برای بیماران انجام شد. این مطالعه مقطعی بر روی چت‌بات Bing، که در موتور جستجوی مایکروسافت تعبیه شده، متمرکز بود (در آوریل 2023)

روش تحقیق به این صورت بود که 10 سؤال رایج بیماران در مورد 50 داروی پر تجویز در آمریکا از چت‌بات Bing پرسیده شد. این سؤالات شامل مواردی درباره موارد مصرف دارو، مکانیسم عمل، دستورالعمل‌های مصرف، عوارض جانبی و موارد منع مصرف بود. تمام پرامپت‌ها به زبان انگلیسی و در حالت " balanced" چت‌بات انجام شد. (در بینگ سه حالت creative، balanced و precise وجود دارد.)

برای ارزیابی پاسخ‌های چت‌بات، سه معیار اصلی مورد بررسی قرار گرفت: خوانایی (Readability)، جامعیت (Completeness) و دقت (Accuracy). خوانایی پاسخ‌ها با استفاده از معیار Flesch Reading Ease Score سنجیده شد. برای ارزیابی جامعیت و دقت، یک پایگاه داده مرجع با استفاده از اطلاعات دارویی معتبر از وب‌سایت drugs.com ایجاد شد (توسط یک داروساز بالینی و یک پزشک با تخصص داروشناسی). پاسخ‌های چت‌بات به گزاره‌های جداگانه تقسیم و با این پایگاه داده مقایسه شدند.

نتایج نشان داد که میانگین نمره خوانایی پاسخ‌های چت‌بات 37.2 از 100 بود، که نشان‌دهنده دشواری درک این پاسخ‌ها برای عموم مردم است و نیاز به سطح تحصیلات دانشگاهی برای درک آنها را نشان می‌دهد. میانه جامعیت پاسخ‌ها 100% (با میانگین 76.7%) و میانه دقت 100% (با میانگین 88.7%) بود.

علاوه بر این ارزیابی‌های کمی، یک زیر مجموعه از 20 پاسخ چت‌بات که دقت یا جامعیت پایینی داشتند یا خطر بالقوه‌ای برای ایمنی بیمار ایجاد می‌کردند، توسط هفت متخصص در زمینه ایمنی دارویی مورد بررسی قرار گرفت. این ارزیابی شامل بررسی اجماع علمی (scientific consensus)، احتمال آسیب و میزان آسیب احتمالی بود.

نتایج این ارزیابی تخصصی نشان داد که تنها 54% از پاسخ‌های بررسی شده با اجماع علمی همسو بودند، در حالی که 39% مخالف اجماع علمی و 6% بدون اجماع علمی مشخص بودند.

از نظر احتمال آسیب، 66% از پاسخ‌ها دارای پتانسیل آسیب‌رسانی تشخیص داده شدند، که از این میان 3% احتمال بالا، 29% احتمال متوسط و 34% احتمال پایین آسیب‌رسانی داشتند.

در مورد شدت آسیب احتمالی، 22% از پاسخ‌ها می‌توانستند منجر به آسیب شدید یا حتی مرگ شوند، 42% آسیب متوسط تا خفیف و 36% بدون آسیب ارزیابی شدند.

محققان چندین دلیل فنی برای کیفیت پایین برخی از پاسخ‌های چت‌بات شناسایی کردند. اول اینکه، چت‌بات‌ها می‌توانند اطلاعات را از منابع مختلف اینترنتی، اعم از معتبر و نامعتبر، استخراج کنند. دوم، چت‌بات‌ها به جای ارجاع به پاراگراف‌های خاص، به کل وب‌سایت‌ها ارجاع می‌دهند که می‌تواند منجر به ترکیب نادرست اطلاعات شود. سوم، چت‌بات‌ها قادر به تأیید به‌روز بودن منابع نیستند و ممکن است اطلاعات قدیمی ارائه دهند.

این مطالعه نشان داد که اگرچه چت‌بات‌های مبتنی بر هوش مصنوعی قادر به ارائه پاسخ‌های نسبتاً کامل و دقیق به سؤالات دارویی بیماران هستند، اما پیچیدگی پاسخ‌ها و خطر ارائه اطلاعات نادرست یا ناقص می‌تواند ایمنی بیمار را به خطر بیندازد. محققان توصیه می‌کنند که تا زمان دستیابی به راه‌حل‌های دقیق‌تر و قابل اعتمادتر، در توصیه استفاده از این ابزارها به بیماران احتیاط شود.

در نهایت، این مطالعه تأکید می‌کند که علی‌رغم پتانسیل بالای فناوری هوش مصنوعی در ارائه اطلاعات دارویی، همچنان نیاز به بهبود و نظارت دقیق وجود دارد تا بتوان از آن به عنوان منبعی ایمن و قابل اعتماد برای بیماران استفاده کرد. تا آن زمان، مشاوره با متخصصان و حرفه‌مندان سلامت همچنان مهم‌ترین و ایمن‌ترین راه برای دریافت اطلاعات دارویی صحیح و مناسب برای بیماران باقی می‌ماند.

#AI
#copilot

🆔 @irevidence

▫️دوره آموزشی جدیدی در راه است ...

چندی قبل کتاب Systematic Approaches to a Successful Literature Review را در پستی معرفی کردم.

اخیراٌ فرصتی فراهم شد و توانستم ویرایش جدید این کتاب را از ابتدا تا انتها و با دقت مطالعه کنم.

واقعاً کتاب ارزشمندی است و برای کسانی که می‌خواهند مرور متون با رویکرد سیستماتیک را بصورت اصولی یاد بگیرند، منبعی عالی است.

در کنار اینکه یادگیری خیلی زیادی برایم داشت، ایده‌ای هم به ذهنم رسید: چرا این کتاب را در قالب یک دوره آموزشی تدریس نکنم؟!

این شد که کمی بیشتر فکر کردم و تصمیم گرفتم تمام فصل‌های این کتاب را تدریس کنم و علاوه بر آن مطالب دیگری هم به آن اضافه کنم تا یک دوره آموزشی جامع تهیه شود.

به‌زودی نحوه ارائه این دوره را- بعد از جمع‌بندی ایده‌هایم- اطلاع‌رسانی خواهم کرد. شما عزیزان هم اگر ایده خاصی برای اجرا دارید، لطفاً بیان فرمایید.

#evidence_synthesis
#course

🆔 @irevidence

▫️تجربه انجام اولین Umbrella Review: درس‌هایی که آموختیم

وقتی دنبال عنوانی برای انجام مرور سیستماتیک می‌گردیم و مشاهده می‌کنیم که در آن حوزه خاص، مرورهای سیستماتیک زیادی انجام شده است؛ در این صورت بجای افسردگی و نا امیدی، می‌توانیم آن مرورهای سیستماتیک را مرور سیستماتیک کنیم.

یک اصطلاح مورد توافق همگان برای نام‌گذاری این نوع مرور وجود ندارد:

مثلاً کاکرین به آن‌ها Overviews of Reviews یا به اختصار Overviews می‌گوید. یا موسسه JBI ترجیح می‌دهد از اصطلاح Umbrella Review استفاده کند. برخی دیگر از اصطلاحات استفاده شده عبارتند از:

Systematic review of systematic reviews

Review of systematic reviews

Meta-review of systematic reviews

Overview of systematic reviews

Systematic review of reviews

ما بر اساس روش‌شناسی JBI این مرور را انجام دادیم و بنابراین از اصطلاح Umbrella Review استفاده کردیم.

موضوع مرور ما، یادگیری مبتنی بر تیم در آموزش حرفه‌های سلامت بود. یادگیری مبتنی بر تیم (Team-Based Learning) یا TBL یک روش تدریس و یادگیری است و در چند سال اخیر، پژوهش‌های زیادی در این حوزه انجام شده است. ما می‌خواستیم یک مرور سیستماتیک انجام بدهیم ولی بعد از دیدن مرورهای سیستماتیک زیادِ این حوزه، نظرمان عوض شد و تصمیم گرفتیم یک مرور چتری انجام دهیم.

مرکزی به نام Team Based Learning Collaborative وجود دارد و هدفش پیشبرد استفاده از TBL در همه رشته‌ها و سطوح تحصیلی است. این مرکز، سالانه طی فراخوانی، به پروپوزال‌های پژوهشی حوزه TBL گرنت می‌دهد. ما هم اپلای کردیم و خوشبختانه جزء دو طرح برتر شدیم و گرنت به ما تعلق گرفت ولی به خاطر تحریم‌ها نتوانستیم دریافت کنیم!

درس آموخته‌ها:

1- اینکه انجام مرورهای چتری راحت‌تر از سایر مرورهاست، تصور اشتباهی است

ما در کل 23 مرور سیستماتیک را وارد مطالعه کردیم ولی حجم داده‌های استخراج شده بسیار زیاد بود. یکی از دلایلش این است که در هر مرور سیستماتیک-مخصوصاً در حوزه آموزش-چندین سؤال و هدف مورد بررسی قرار می‌گیرند و بنابراین عملاً ما با تنوعی از اهداف، سؤالات و پیامدها روبرو شدیم.

2- ماهیت رشته‌ها بر پیچیدگی کار تأثیر می‌گذارد

در برخی رشته‌ها مثل آموزش، مدیریت و سیاستگذاری، زمینه و بافتار (Context) بسیار مهم است و این باعث پیچیدگی این حوزه‌ها شده است. بطور کلی در این حوزه‌ها نظریه‌ها، مدل‌ها و الگوها حائز اهمیت هستند.

این سؤال که آیا یک مداخله کار می‌کند به تنهایی جوابگو نیست. باید مشخص شود که این مداخله تحت چه شرایط و مکانیسم‌هایی کار می‌کند؟ مثلاً یک روش تدریس چه زمانی، برای چه نوع فراگیرانی، در چه موضوعی و به چه میزانی کار می‌کند؟

با بررسی مرورهای سیستماتیکِ TBL مشخص شد که همه نوع دیزاین مطالعه وارد این مرورها شده‌اند از جمله: مطالعات تجربی، شبه تجربی، یک گروهی قبل و بعد، توصیفی-مقطعی، کیفی و حتی مطالعات ترکیبی (Mixed Methods).

بنابراین به نظر می‌رسد انجام یک Overviews با روش‌شناسی کاکرین-که فقط مرورهای سیستماتیک اثربخشی را شامل می‌شوند- تا حدودی جمع و جورتر و بسامان‌تر از حوزه‌های زمینه-محور هستند.

3- محدود کردن جستجو به مرورها

طبیعی است که ما در مرورهای چتری دنبال مطالعات اولیه نیستیم، بلکه مطالعات سنتزی را می‌خواهیم پیدا کنیم. بنابراین بشدت توصیه می‌شود که نتایج بازیابی شده به مرورها محدود شوند.

در پابمد فیلتر systematic[sb] با حساسیت بالایی می‌تواند مرورهای سیستماتیک را بازیابی کند. برای دیتابیس‌های دیگر هم فیلترهای جستجو برای بازیابی مرورها، تدوین شده است که می‌توانید از آن استفاده کنید.

ما از پلتفرم Ovid برای جستجوی دیتابیس‌های مدلاین، Embase و PsycINFO استفاده کردیم. برای افزایش حساسیت از کوئری زیر برای بازیابی مرورها استفاده کردیم:

(review* or meta-analysis or metaanalysis or synthesis).mp.

4- ارزیابی کیفیت مرورهای وارد شده

برای ارزیابی کیفیت مرورها بجای چک لیست AMSTAR از چک لیست اختصاصی موسسه JBI استفاده کردیم. این چک‌لیست خیلی کلی‌تر است و 11 آیتم دارد و برای هر نوع سنتز شواهد (از جمله اسکوپینگ، کیفی و ...) می‌تواند مورد استفاده قرار بگیرد.

5- تحلیل داده‌های کیفی

بخش عمده‌ای از داده‌های ما حالت کیفی داشتند. ابتدا Google Sheets را امتحان کردیم که راضی‌کننده نبود و بنابراین مجبور شدیم از نرم‌افزار MAXQDA 20 برای کدگذاری و سازماندهی کدها استفاده کنیم که تجربه موفقی از آب در آمد.

6- سایر اقدامات

- از Rayyan برای غربالگری استفاده کردیم.

- برای دسته‌بندی مطالب و رسم جداول و نمودارها از اکسل استفاده کردیم.

- ما یکبار سرچ را آپدیت کردیم و دو مرور مرتبط دیگر پیدا کردیم. همیشه آپدیت سرچ را در برنامه‌تان قرار دهید.

🔗لینک مقاله


#evidence_synthesis
#umbrella_review

🆔 @irevidence

▫️زوج پژوهشگر ایرانی زیر ذره‌بین کمیته اخلاق: اعتبار ده‌ها مطالعه در حوزه سرطان مورد تردید قرار گرفته است

پایگاه Retraction Watch در جدیدترین گزارش خود به این مطلب اشاره کرده است و من در اینجا آن خبر را به فارسی بازنویسی کردم. اسامی دو پژوهشگر در متن انگلیسی آمده است ولی من نیاوردم.


یک زوج پژوهشگر در یکی از دانشگاه‌های ایران طی سال‌های متمادی مقالاتی را منتشر کرده‌اند که در آن‌ها ادعا شده از رده‌های سلولی (Cell lines) خریداری شده از انستیتو پاستور ایران استفاده کرده‌اند. اما اخیراً شواهدی به دست آمده که نشان می‌دهد این زوج احتمالاً هرگز این رده‌های سلولی را در اختیار نداشته‌اند.

[لاین سلولی یا رده سلولی، مجموعه‌ای از سلول‌های یکسان است که از یک سلول اصلی توسط روش‌های تقسیم سلولی به دست می‌آید. این لاین های سلولی برای تحقیقات علمی و تولید داروها و واکسن‌ها بسیار مفید هستند.]

بر اساس مکاتباتی که به دست Retraction Watch رسیده، انستیتو پاستور به دانشگاه علوم پزشکی جهرم، محل کار این زوج، اطلاع داده که در طول ده سال گذشته، تنها سه مورد از رده‌های سلولی متعددی که در مقالات این زوج ذکر شده، در بانک سلولی ملی موجود بوده است.

دکتر امیر عبدلی، معاون تحقیقات و فناوری دانشگاه علوم پزشکی جهرم، تأیید کرده که این زوج -که هر دو عضو هیئت علمی گروه آناتومی هستند- تحت بررسی قرار دارند. او گفت:

"ابهاماتی درباره در دسترس بودن رده‌های سلولی در انستیتو پاستور ایران و همچنین محل انجام پژوهش‌های این زوج وجود دارد. کارهای آن‌ها در آزمایشگاه‌های دانشگاه ما انجام نشده است. ما چندین بار از آن‌ها توضیح خواستیم، اما پاسخ قانع‌کننده‌ای دریافت نکردیم. بنابراین، مجبور شدیم مدارک و شواهد را برای بررسی بیشتر به کمیته ملی اخلاق در پژوهش‌های زیست‌پزشکی ایران ارسال کنیم."

دکتر عبدلی افزود که دانشکده پزشکی فعلاً پذیرش طرح‌های تحقیقاتی جدید از این دو استاد را متوقف کرده است.

دکتر جنیفر بیرن، مدیر بانک زیستی NSW Health Pathology در استرالیا و استاد انکولوژی مولکولی دانشگاه سیدنی، درباره این موضوع اظهار نظر کرده است. او می‌گوید:

"از نظر تئوری، این احتمال وجود دارد که پژوهشگران، حتی اگر به اشتباه ادعا کرده باشند رده‌های سلولی را از منبعی تهیه کرده‌اند که در واقعیت آن‌ها را نداشته، باز هم با همان رده‌های سلولی کار کرده باشند. شاید آن‌ها این رده‌های سلولی را از شخص دیگری گرفته‌اند که تصور می‌کردند از منبع ادعا شده تهیه شده است. گاهی محققان برای نشان دادن اعتبار کارشان، ادعا می‌کنند که رده‌های سلولی را از یک منبع معتبر تهیه کرده‌اند، در حالی که در واقع، بسیاری از پژوهشگران رده‌های سلولی را بین خود رد و بدل می‌کنند چون سریع‌تر، ارزان‌تر و راحت‌تر است. با این حال، ادعای تهیه رده‌های سلولی از مرکزی که در واقع آن‌ رده‌ها را ندارد، می‌تواند نشانه‌ هشداردهنده‌ای باشد. این ادعا گمراه‌کننده است، حتی اگر بدون سوء نیت مطرح شده باشد."

از سال 2014، این زوج ده‌ها مقاله را به طور مشترک منتشر کرده‌اند که عمدتاً در مجلات ایرانی چاپ شده‌اند. بیشتر پژوهش‌های آن‌ها درباره تأثیر داروهای موجود یا بالقوه بر سلول‌های سرطانی انسان بوده است.

اخیراً، نامه‌ای از رئیس دانشگاه جهرم به انستیتو پاستور فرستاده شده که در آن درباره تعداد زیادی از رده‌های سلولی سؤال شده که ظاهراً در وب‌سایت پاستور موجود نبوده‌اند. در پاسخ، معاون انستیتو پاستور اعلام کرده که در 10 سال گذشته، تنها سه مورد از 70 رده سلولی مورد پرسش در انستیتو موجود بوده است.

این پرونده هم‌اکنون در دست بررسی است و نتیجه آن می‌تواند تأثیر قابل توجهی بر اعتبار علمی این پژوهشگران و مقالات منتشر شده آن‌ها داشته باشد.



توضیح تکمیلی

شاید بتوان گفت این جزو معدود دفعاتی است که خودِ دانشگاه‌ها و مراکز ایرانی فعالانه و مسئولانه دنبال کشف حقیقت ماجرا هستند. سلب اعتبار مقالات ایرانی-مخصوصاً اگر به دلیل بداخلاقی‌های عمدی پژوهش باشد-خبر خوبی نیست، اما این که دانشگاه‌ها و مسئولان مربوطه به این مسئله حساس باشند و خودشان پیگیر ماجرا بشوند، خبر خوبی است.

نکته دیگر اینکه اتهامات این دو پژوهشگر، هنوز ثابت نشده است و ممکن است کاملاً تبرئه شوند. باید منتظر تصمیم‌گیری کمیته اخلاق در پژوهش وزارت بهداشت باشیم.

#retraction
#ethics

🆔 @irevidence

▫️کتابسنجی N مقاله پراستناد در حوزه Y

در چند سال اخیر انتشار مقالات کتابسنجی تحت عنوان "X مقاله پراستناد" زیاد شده است. الگوی کلی این مقالات بدین صورت است:

X most-cited articles in/on [topic/discipline]

قبل یا بعد از این الگو، اصطلاحاتی مانند Bibliometric/Scientometric Analysis/Study می‌آید.

روال کار بدین صورت است که موضوع در دیتابیس اسکوپوس یا WOS جستجو می‌شود و مقالاتی که بیشترین استناد (Citation) را دریافت کرده‌اند، انتخاب می‌شوند.

شاید سؤال برایتان پیش بیاید که آیا نویسندگان، مقالات بازیابی شده را غربالگری می‌کنند؟ 4 سناریوی زیر را در نظر بگیرید، فقط در یک حالت غربالگری صورت می‌گیرد و در بقیه موارد، نویسندگان از لقمه آماده استفاده می‌کنند:

1- مقالات پراستناد یک مجله

کافیست ابتدا تمام مقالات آن مجله را در اسکوپوس یا WOS جستجو کنیم، سپس بر اساس بیشترین استناد، مرتب کنیم و تعدادی را به عنوان پراستنادترین مقاله انتخاب کنیم و تمام! مثل این مقاله:

The 100 most cited articles in the Journal of NeuroInterventional Surgery

در بخش روش‌ها می‌خوانیم:

The most cited articles in JNIS were identified by using the Web of Science database. The top 100 articles were ranked according to their number of citations.

2- مقالات پراستناد چندین مجله

در برخی مواقع بجای یک مجله، چندین مجله یک رشته یا حوزه موضوعی جستجو می‌شوند. در این صورت هم نیازی به غربالگری وجود ندارد و کافیست نتایج بر اساس بیشترین استناد مرتب شوند. مثل این مقاله:

The top 100 most-cited papers in Paediatric Dentistry journals: A bibliometric analysis

3- مقالات پراستناد یک طبقه موضوعی

در برخی مطالعات هم با این که جستجوی موضوعی صورت می‌گیرد ولی در حقیقت طبقه‌بندی خود دیتابیس‌ها ملاک است. مثلاً در اسکوپوس بیش از 330 طبقه موضوعی وجود دارد که مجلات بر اساس آنها طبقه‌بندی می‌شوند یا در WOS بیش از 250 طبقه وجود دارد. در این گونه مطالعات هم غربالگری صورت نمی‌گیرد. مثل این مقاله:

The Top 100 Most Cited Scientific Papers in the Public, Environmental & Occupational Health Category of Web of Science: A Bibliometric and Visualized Analysis


4- مقالات پراستناد یک موضوع خاص

در این حالت نیاز به غربالگری وجود دارد، چون نویسندگان بصورت کلیدواژه آزاد جستجو را انجام می‌دهند و قاعدتاً همه نتایج بازیابی شده، مرتبط با آن موضوع خاص نخواهد بود. بنابراین ابتدا غربالگری انجام می‌شود تا مقالات مرتبط باقی بمانند و سپس بر اساس تعداد استناد مرتب می‌شود. مثل مقاله زیر:

A bibliometric study of the top 100 most-cited papers in neuroendocrine prostate cancer

نویسندگان، جستجوی کلیدواژه‌ای انجام دادند و نتایج بازیابی شده را ابتدا غربالگری و سپس بر اساس استناد مرتب کردند. اما وقتی جستجوی آنها را نگاه می‌کنیم، می‌بینیم که نخواستند به خودشان زحمت بیشتری بدهند، چون فقط Title مقالات را در WOS جستجو کرده‌اند.

TI = (neuroendocrine prostate* OR NEPC OR small cell prostate*)

در کل در بیشتر موارد، هیچگونه غربالگری صورت نمی‌گیرد.

اما چند تا مقاله پراستناد را بررسی کنم خوبه؟!

در اکثر مطالعات منتشر شده، 100 مقاله پراستناد بررسی شده است که در بالا چند نمونه آورده‌ام.

اما برخی تنبلی می‌کنند. مثلاً میگن ولش کن بابا کی حوصلش را داره. بهتره 50 مقاله پراستناد را بررسی کنم و خودم را به دردسر نیندازم:


The 50 most cited articles on soft tissue integration of dental implants: A bibliometric analysis

برخی دیگر وقتی می‌بینند مقاله 50 تایی منتشر شده است، میگن چرا فقط 25 تا را بررسی نکنم:

The 25 Most Cited Articles in Pediatric Orthopaedic Sports Medicine.

برخی دیگر میان فقط 20 تای پراستناد را بررسی می‌کنند:

A Bibliometric Analysis of the 20 Most Cited Articles on Sacrococcygeal Chordomas

برخی دیگر میگن کی به کیه؟ من بیام 10 تای پراستناد را بررسی کنم:

The top 10 most-cited articles on the management of fractured instruments: a bibliometric analysis

یکی هم می‌خواست فقط 5 تای اول را بررسی کند که خودش خجالت کشید و انجام نداد!

به غیرت برخی‌ها برمی‌خورد:

بذار 200 تای اول را بررسی کنم تا سردبیر خوشش بیاد:

Traumatic spinal cord and spinal column injuries: A bibliometric analysis of the 200 most cited articles

من 300 تا را انجام میدم:

The 300 most cited articles published in periodontology

ببین 500 خیلی خوبه. رند هم هست:

A Bibliometric Analysis of the 500 Most Cited Papers in Orthopaedic Oncology


من 1000 تا را بررسی می‌کنم:

Top 1000 Most Cited Papers in World Neurosurgery

#bibliometric


🆔 @irevidence

▫️جستجوی شلوغ یا جستجوی تمیز

رکوردهای دیتابیس مدلاین (و نه کل پابمد) با استفاده از اصطلاحات کنترل شده خاصی تحت عنوان سرعنوان های موضوعی پزشکی (MeSH) نمایه می‌شوند. وقتی هر اصطلاح MeSH را ببینید گزینه‌ای به نام Entry Terms را خواهید یافت که در حقیقت لیست مترادف‌ها و اصطلاحات خیلی نزدیک به آن مفهوم اصلی است.

برای جستجوی‌های نظام مند و جامع، جستجوی کلمات آزاد در کنار اصطلاحات کنترل شده ضروری است.

برخی از متخصصان محترم توصیه می‌کنند که تمام اصطلاحات و واژه‌های موجود در زیر Entry Terms یک مش ترم باید با استفاده از OR مورد جستجو قرار بگیرند و اگر اصطلاحی بصورت برعکس یا مقلوب نوشته شده باشد، آن‌ها را با AND باید سرچ کنیم. جستجوی عبارتی هم با "" صورت می‌گیرد.

🔘اجازه بدهید با یک مثال توضیح دهم:

برای انواع هزینه‌های مربوط به خدمات، مؤسسات، منابع و غیره و نیز تجزیه و تحلیل و مطالعه این هزینه‌ها، اصطلاح کنترل شده زیر را داریم:

Costs and Cost Analysis

طبیعی است که با استفاده از کوئری زیر می‌توانیم این مش ترم را در پابمد سرچ کنیم:

"Costs and Cost Analysis"[Mesh]

اما در Entry Terms این مش ترم، واژه‌ها و اصطلاحات زیر قید شده است:

• Costs and Cost Analyses
• Costs, Cost Analysis
• Cost, Cost Analysis
• Cost Measures
• Cost Measure
• Measure, Cost
• Measures, Cost
• Cost
• Costs
• Cost Comparison
• Comparison, Cost
• Comparisons, Cost
• Cost Comparisons
• Cost-Minimization Analysis
• Analyses, Cost-Minimization
• Analysis, Cost-Minimization
• Cost-Minimization Analyses
• Cost Minimization Analysis
• Cost Analysis
• Analysis, Cost
• Analyses, Cost
• Cost Analyses

می‌خواهم با روش معمول جستجو را انجام دهم. همه اصطلاحات را OR می‌کنم. عبارات را داخل کوتیشن قرار می‌دهم و اصطلاحات برعکس شده را با AND به هم متصل می‌کنم و همچنین در فیلدهای عنوان و چکیده جستجو را انجام می‌دهم. نتیجه نهایی بدین صورت خواهد بود:

"Costs and Cost Analyses"[Title/Abstract] OR (Costs[Title/Abstract] AND Cost Analysis[Title/Abstract]) OR (Costs[Title/Abstract] AND Cost Analysis[Title/Abstract]) OR "Cost Measures"[Title/Abstract] OR "Cost Measure"[Title/Abstract] OR (Measure[Title/Abstract] AND Cost[Title/Abstract]) OR (Measures[Title/Abstract] AND Cost[Title/Abstract]) OR Cost[Title/Abstract] OR Costs[Title/Abstract] OR "Cost Comparison"[Title/Abstract] OR (Comparison[Title/Abstract] AND Cost[Title/Abstract]) OR (Comparisons[Title/Abstract] AND Cost[Title/Abstract]) OR "Cost-Minimization Analysis"[Title/Abstract] OR (Analyses[Title/Abstract] AND Cost-Minimization[Title/Abstract]) OR (Analysis[Title/Abstract] AND Cost-Minimization[Title/Abstract]) OR "Cost-Minimization Analyses"[Title/Abstract] OR "Cost Minimization Analysis"[Title/Abstract] OR "Cost Analysis"[Title/Abstract] OR (Analysis[Title/Abstract] AND Cost[Title/Abstract]) OR (Analysis[Title/Abstract] AND Cost[Title/Abstract]) OR (Analyses[Title/Abstract] AND Cost[Title/Abstract]) OR "Cost Analyses"[Title/Abstract]

در سه اکتبر 2024 تعداد 781,922 بازیابی شد. اما آیا جستجوی فوق غلط است؟ نه اصلاً!

اصول سینتکس‌نویسی را رعایت کردم. پس مشکل چیست؟ مشکل اصلی شلوغ بودن استراتژی جستجو و به عبارت بهتر حشو و زاید بودن خیلی از اصطلاحات فوق است.

با بررسی اصطلاحات فوق می‌بینیم که یک کلمه در همه عبارات تکرار شده است و آن هم Cost است البته هم بصورت مفرد و هم بصورت جمع (costs).

✳️ قانون طلایی: وقتی کلمه‌ای داریم که در همه اصطلاحات و عبارات تکرار شده است و خود آن کلمه جزو کلیدواژه‌های سرچ است، در این صورت کافیست فقط آن کلمه را بنویسیم و خلاص!

استراتژی فوق را بدین صورت می‌توان نوشت:

Cost[tiab] OR Costs[tiab]

بجای [Title/Abstract] از [tiab] استفاده کردم که خلاصه‌تر است.

همین سرچ کوتاه و تر و تمیز هم دقیقاً 781,922 بازیابی خواهد کرد! بنابراین تمام اصطلاحات دیگر زاید هستند.

اگر هم خواستم باز ساده‌تر بنویسیم از Truncation یا همان علامت ستاره استفاده می‌کنم تا حالت جمع cost هم بازیابی بشود. البته به غیر از حالت جمع، کلمات دیگری که با cost شروع می‌شوند هم بازیابی خواهند شد، بنابراین تعداد رکوردها بیشتر خواهد بود:

Cost*[tiab]

تعداد 867,802 رکورد بازیابی شد که 85,880 رکورد بیشتر از جستجوی قبلی است.

اگر با مش ترم هم OR کنیم، کوئری زیر را خواهیم داشت:


"Costs and Cost Analysis"[Mesh] OR Cost*[tiab]

ملاحظه می‌کنید که این جستجو، چقدر جمع و جورتر و جذاب‌تر است.

#search_strategy

🆔 @irevidence

▫️دیتابیس‌های ما را حتی پژوهشگران اتیوپی هم سرچ می‌کنند

قبلاً در پست‌هایی اشاره کرده بودم که در حال حاضر دیتابیس‌های ایرانی Medlib و Iranmedex وجود خارجی ندارند و از بین رفته‌اند. با این حال مشاهده می‌کنیم که نویسندگان ایرانی همچنان ادعا می‌کنند ما این دیتابیس‌ها را سرچ کرده‌ایم (اینجا و اینجا را ببینید).

لابد وارد ماتریکس می‌شوند و در آنجا احتمالاً این دو تا دیتابیس هنوز زنده هستند.

امروز به طور اتفاقی به یک مقاله مرور سیستماتیک برخورد کردم. هدف این مطالعه بررسی اثربخشی و ایمنی دو نوع تزریق انسولین بود و اینکه بیماران دیابتی کدام نوع را بیشتر ترجیح می‌دهند.

این مقاله 10 نویسنده دارد که همه آنها اهل کشور اتیوپی هستند.

استراتژی جستجو را دیدم، غافلگیر شدم:

A comprehensive search strategy was conducted using electronic databases, including PubMed, MEDLINE, SCOPUS, CINAHL, Web of Science, EMBASE, Google Scholar, Cochrane Library, ISI, Scopus, Medlib, Irandoc, SID, and Magiran, which were systematically searched online to retrieve related articles.

این نویسندگان نه تنها Medlib را سرچ کرده اند-که وجود خارجی ندارد-بلکه سه دیتابیس دیگر ایرانی یعنی ایرانداک، SID و مگیران را هم مورد جستجو قرار داده‌اند. الله اکبر!

یعنی ما باور کنیم که شما از شاخ آفریقا آمدید دیتابیس‌های فارسی ما را سرچ کردید؟ چاخان نیست؟

بجز مدلیب که در دسترس نیست بقیه در دسترس هستند ولی چه ربطی دارند. مثلاً چرا ایرانداک؟ در آنجا که فقط پایان نامه‌های ارشد و دکتری تخصصی و کمی هم دکتری حرفه‌ای وجود دارد. شما که دنبال RCT بودید!

مشکل این مقاله فقط وجود دیتابیس‌های ایرانی نیست:

▫️اسکوپوس دوبار تکرار شده است: یک بار با حروف بزرگ (SCOPUS) و بار دیگر بصورت معمولی (Scopus).

▫️ممکنه بپرسم Web of Science با ISI چه فرقی دارد؟ اصلاً ما الان دیتابیسی به نام ISI داریم؟

▫️هم PubMed را نوشتید و هم Medline. در هر حالی که فقط پابمد کفایت می‌کرد. البته برخی همچنان این دو تا جدا می‌نویسند.

استراتژی جستجویی که نوشتند غلط است. وجود بلوک‌های جستجوی زیاد و عبارات نامناسب باعث شده است که نتایج خیلی کمی بازیابی شود. هر چند در فلوچارت پریزما، 1480 رکورد ذکر شده است که قطعاً واقعیت ندارد.

((“Diabetes patient”, “Patients with diabetes mellitus”, “Type 1 diabetes”, “Type I diabetes”, “Type 2 diabetes”, “Type II diabetes”, “Type 1 and type 2 diabetes”) and (“Transdermal insulin”, “Transdermal insulin injection”, “Transdermal insulin delivery”, “Cutaneous insulin”, “Microneedle insulin”, “Insulin patch”, “jet injector insulin”) and (“Subcutaneous insulin”, “Subcutaneous insulin delivery”, “SC insulin”, “SQ insulin delivery”) and (“Effectiveness of insulin”, “Outcome of insulin”, “Safety of insulin”, “Adverse effect of insulin”, “Effectiveness and safety of insulin”, “HbA1c”, “Blood glucose”, “Postprandial blood glucose”, “Fating blood glucose”, “AUC of insulin”, “Hypoglycemia”, “preference of insulin”))


▫️عملگر OR نداشت. من اضافه کردم و در پابمد سرچ کردم کلاً 30 رکورد بازیابی کرد. سرچ مال چند ماه قبل است و قطعاً آن زمان از این هم کمتر بوده است. تازه کمتر از 7 تای آن‌ها RCT است.

▫️برخی اصطلاحات را اشتباه نوشته‌اند. مثلاً Fasting را Fating نوشته.

▫️اصطلاحاتی را بصورت عبارتی سرچ کرده است که در پابمد هیج رکوردی بازیابی نمی‌کنند مثل:

"Transdermal insulin injection", "Microneedle insulin", "jet injector insulin", "SQ insulin delivery", "Effectiveness of insulin", "Outcome of insulin", "Adverse effect of insulin", "Effectiveness and safety of insulin", "Fating blood glucose", "AUC of insulin", "preference of insulin"

این مقاله در مجله Diabetology & Metabolic Syndrome از انتشارت Springer Nature و BMC منتشر شده است.

▫️با IF=3.4 در نمایه استنادی علوم (SCIE) نمایه شده و جزو مجلات Q2 است

▫️ با CiteScore=6.2 در اسکوپوس هم نمایه شده و جزو مجلات Q1 است.

▫️در پابمد سنترال هم آرشیو می‌شود، بنابراین در پابمد حضور دارد.

یکبار دیگر مرور کنیم مجله‌ای داریم در بهترین نمایه‌ها، ایندکس شده است. IF و CiteScore خوبی دارد بطوری که در اولی Q2 و در دومی Q1 است. اما مقاله‌ای منتشر کرده است با متدولوژی غلط.

بخاطر همین است که می گوییم ناشر معتبر، حضور در نمایه‌های معروف و داشتن سنجه‌های پژوهشی قابل قبول یک مجله، هیچ کدام تضمین کننده کیفیت مقالات آن مجله نیست. هر مقاله‌ای را باید بطور مجزا و بدون در نظر گرفتن موارد فوق، ارزیابی کرد.

#journal
#search_strategy
#databases


🆔 @irevidence

▫️داوری همتا در کما

سرکار خانم Ángeles Oviedo-García از دانشگاه Seville اسپانیا مقاله جالبی را در مجله Scientometrics منتشر کرده است. عنوان مقاله ایشان بدین صورت است:

The review mills, not just (self-)plagiarism in review reports, but a step further

وی بطور اتفاقی با یک مورد از استناد اجباری (coercive citation) مواجه شد و این امر او را به بررسی بیشتر گزارش‌های داوری همان داور سوق داد.

او از جستجوی گوگل برای یافتن گزارش‌های داوری مشابه کمک گرفت و از زنجیره‌های کلمات (هم جملات کامل و هم ناقص) به همراه نام داور استفاده کرد. وی در مجموع، 263 گزارش داوری که به صورت آنلاین قابل دسترسی بودند، جمع‌آوری و تحلیل کرد.

این گزارش‌ها از 37 مجله مختلف جمع‌آوری شدند، که 98.1% آن‌ها متعلق به انتشارات MDPI بودند. گزارش‌های مورد بررسی بین 9 فوریه 2021 تا 8 ژانویه 2024 منتشر شده بودند. 26 داور با نام مشخص و تعدادی داور ناشناس شناسایی شدند.

او محتوای گزارش‌ها را برای یافتن الگوهای تکراری، عبارات کلی و مبهم، و موارد استناد اجباری مورد بررسی قرار داد. او برای این بداخلاقی، اصطلاح Review Mill را بکار برد (پیشنهاد یکی از فالوورهای توئیترش بود!)

در Review Mill داوران در حقیقت اصلاً دستونشته را داوری نمی‌کنند بلکه یکسری جملات کلی، مبهم و بی ربط به موضوع دستونشته را برای نویسندگان بدبخت می‌نویسند (در حقیقت کپی پیست می‌کنند).

برخی از جملات تکراری، کلی و مبهم که ایشان پیدا کرد بدین صورت است:

In abstract, the author should add more scientific findings.

Comparison of the present results with other similar findings in the literature should be discussed in more detail.

What is the motivation of the proposed work?

The novelty of this paper is not clear

The difference between present work and previous works should be highlighted.

Please refer all relations to valid references after the first appearance in the article.

What is assumption and limitation of the proposed materials and model?

What is the difference of the current work against other published articles?

Discuss the Novelty and clear application of the work in the abstract as well as in introduction section.

Future recommendations should be added to assist other researchers to extend the presented research analysis.

گزارش‌های داوری اغلب همراه با استناد اجباری هستند، که احتمالاً یکی از دلایل اصلی این رفتار است. استناد اجباری یعنی اینکه داور، نویسندگان را مجبور می‌کند به مقاله یا مقالات خاصی استناد بدهند. البته که آن مقالات عمدتاً نوشته خود داوران هستند!

به عقیده نویسنده این مقاله، داوران ممکن است به دلایل مختلفی مانند کسب اعتبار، دریافت پاداش مالی، افزایش تعداد استنادها، یا کمک به " Review Mills" به این کار روی آورند.

برخی از پیشنهادات نویسنده:

1. مجلات و ناشران باید اقدامات فوری برای شناسایی و مقابله با این نوع سوء رفتار انجام دهند.

2. باید از نرم‌افزارهای تشخیص متون مشابه برای بررسی گزارش‌های داوری استفاده شود.

3. مقالاتی که با این روش داوری شده‌اند باید با عبارت "ابراز نگرانی" (expression of concern) مشخص شوند تا زمانی که مجدداً مورد ارزیابی قرار گیرند.

4. داورانی که در این فعالیت‌ها دست داشته‌اند باید حداقل برای مدتی از فرآیند داوری کنار گذاشته شوند.

5. تمام گزارش‌های داوری افراد مشکوک باید مورد بازبینی قرار گیرند.

6. کمیته اخلاق انتشارات (COPE) و ناشران باید دستورالعمل‌هایی برای مقابله با این نوع سوء رفتار تدوین کنند.

7. نویسندگان و محققان باید در صورت مشاهده چنین مواردی، آن را به سردبیران و ناشران گزارش دهند.

نویسنده تأکید می‌کند که این مسئله احتمالاً تنها نوک کوه یخ است و نیاز به بررسی و اقدام جدی دارد تا اعتماد به فرآیند داوری و انتشارات علمی حفظ شود.

#peer_review
#ethics
#predatory

🆔 @irevidence

▫️این داستان واقعی است....

دکتر سید محمد مقیمی رئیس دانشگاه تهران یکشنبه 26 شهریور به معاون دانشجویی خود دستور داده بصورت ضرب‌الاجل، احکام انضباطی صادر شده برای دانشجویان طی ۳ سال گذشته مورد بررسی قرار گیرد.

او گفته است: از معاون دانشجویی دانشگاه خواسته شد تا همه پرونده‌های انضباطی با اصل رأفت اسلامی و با نگاه پدرانه مجدداً بررسی شوند و به نفع کسی که متهم به تخلف است، تفسیر و مجدداً ارزیابی شود و در آستانه سال تحصیلی جدید تا جایی که ممکن است بتوانیم کمک کنیم که فضای خوبی ایجاد شود.

وی همچنین به رئیس سازمان امور دانشجویان وزارت علوم توصیه کرده است که کمیته‌ای به منظور بازنگری و تجدیدنظر در ضوابط اجرایی آئین‌نامه انضباطی دانشجویان بر اساس نگاه رئیس‌جمهوری و وزیر علوم تشکیل شود.(منبع)

اما این چرخش جواب نداد و امروز 27 شهریور 1403 از ریاست دانشگاه تهران برکنار و دکتر سیدحسین حسینی جایگزین وی شد.
‏

▫️اخبار خوب

دکتر مسعود حبیبی معاون فرهنگی و دانشجویی وزارت بهداشت:

توقف تمامی احکام کمیته های انضباطی به دستور وزیر بهداشت/ دانشجویان به دانشگاه برگشتند

معاون فرهنگی و دانشجویی وزارت بهداشت با اشاره به تاکید ویژه رییس جمهور مبنی بر بازگشت به تحصیل دانشجویان اخراجی و دارای احکام انضباطی، گفت: با دستور وزیر بهداشت، احکامی که برای دانشجویان معترض در سالهای ۱۴۰۱ و ۱۴۰۲ صادر شده، با بهره‌گیری از رویکرد جذب حداکثری رهبر فرزانه انقلاب، ایده محوری وفاق ملی رییس جمهور و همچنین در راستای افزایش سرمایه اجتماعی نظام مقدس جمهوری اسلامی، ایجاد امید و انگیزه در بین دانشجویان و جوانان عزیز و شروعی پر نشاط برای دانشگاه ها در آغاز سال تحصیلی، متوقف شد و دانشجویان دوباره به محل تحصیل خود باز خواهند گشت.


دکتر سید رضا رییس کرمی سرپرست دانشگاه علوم پزشکی تهران

بازگشت دانشجویان و اساتید اخراجی دانشگاه علوم پزشکی تهران را پیگیری می کنیم

سرپرست دانشگاه علوم پزشکی تهران با بیان اینکه این دانشگاه محل تحصیل و فعالیت بهترین اعضای هیات علمی، دانشجویان و نیروهای انسانی است، از پیگیری برای بازگشت به تحصیل دانشجویان و بازگشت به کار اساتید اخراجی این دانشگاه خبر داد.


▫️دانشجویان و اساتید اخراجی در حال بازگشت به دانشگاه هستند و اما این لکه ننگ همیشه بر دامان دکتر بهرام عین الهی-وزیر سابق بهداشت، دکتر عباس شیراوژن-معاون سابق دانشجویی و فرهنگی وزارت بهداشت و برخی روسای دانشگاه‌های علوم پزشکی از جمله دکتر حسین قناعتی-رئیس سابق د.ع.پ تهران باقی خواهد ماند.

‏

▫️Benchmarking Human-AI Collaboration for Common Evidence Appraisal Tools

Woelfle et al. Journal of Clinical Epidemiology; 2024.

در مرورهای سیستماتیکْ مراحل غربالگری، ارزیابی کیفیت روش‌شناسی مطالعات اولیه (یا ارزیابی خطر سوگرایی) و نیز استخراج داده‌ها عموماً توسط دو مرورگر بطور مستقل انجام می‌شوند و اختلاف پیش آمده یا با بحث و گفتگو بین این دو مرورگر حل و فصل می‌شوند و یا با نظر مرورگر سوم. در حقیقت در پایان این مراحل، باید میزان توافق (Agreement) بین دو مرورگر به 100 درصد برسد.


آقای Woelfle و همکارانش در مطالعه‌ای میزان توافق همکاری بین هوش مصنوعی و انسان (Human-AI Collaboration) را بصورت کمی محاسبه کرده‌اند.

آن‌ها 5 مدل زبانی بزرگ (LLMs) زیر را انتخاب کردند:

Claude-3-Opus, Claude-2, GPT-4, GPT-3.5, Mixtral-8x22B

در این مطالعه، ابزارهای PRISMA (چک لیست گزارش دهی مرورهای سیستماتیک)، AMSTAR (ابزار ارزیابی کیفیت روش شناسی مرورهای سیستماتیک) و PRECIS-2 (چک لیستی برای ارزیابی میزان عملگراییِ کارآزمایی های بالینی) مورد استفاده قرار گرفته است.

ابتدا دو مرورگر باتجربه به عنوان Rater انسانی، چک لیست‌های PRISMA و AMSTAR را برای 112 مرور سیستماتیک و نیز چک لیست PRECIS-2 را برای 56 کارآزمایی بالینی تکمیل کردند و با بحث و گفتگو اختلافات را حل کردند تا به اجماع (Consensus) برسند. نویسندگان مقاله، این را به عنوان استاندارد طلایی در نظر گرفتند.

▫️آن‌ها سپس 4 تحلیل زیر را برای هر سه ابزار فوق انجام دادند:

1- میزان توافق بین عملکرد یک Rater انسانی با استاندارد طلایی (دو Rater انسانی که به اجماع رسیده‌اند)

2- میزان توافق بین عملکرد هر یک از LLM ها با استاندارد طلایی

3- میزان توافق بین عملکردِ ترکیبی از LLM ها با استاندارد طلایی

4- میزان توافق بین عملکرد ترکیبی انسان و AI با استاندارد طلایی

جزئیات بیشتر روش‌شناسی و نتایج این مطالعه در متن کامل آمده است. همچنین جدول پیوست را نگاه کنید. اما بطور خلاصه:

عملکرد یک Rater انسانی بهتر از عملکرد هر کدام از LLM ها و همچنین بهتر از از عملکرد ترکیبی از چند LLM بود. اما وقتی عملکرد یک Rater انسانی با بهترین LLM ترکیب می‌شد، بالاترین توافق و دقت حاصل می‌شد.

مدل Claude-3-Opus در PRISMA با 70 درصد و در AMSTAR با 74 درصد توافق، بهترین عملکرد را در بین 5 مدل داشته است. GPT-3.5 هم در PRECIS-2 با 55 درصد بهترین عملکرد را داشته است که البته در کل میزان پایینی است.

اما بهترین نتیجه زمانی حاصل شده است که عملکرد یک Rater انسانی با بهترین عملکرد LLM ترکیب شده است:

PRISMA: 96% (1 rater + Claude-3-Opus)

AMATAR: 95% (1 rater + Claude-3-Opus)

PRECIS-2: 86% (1 rater + GPT-3.5)


نویسندگان چنین نتیجه گرفتند که:

عملکرد مدل‌های زبانی در ارزیابی شواهد، بدتر از عملکرد انسان است. اما همکاری بین انسان و AI می‌تواند در تکمیل PRISMA و AMSTAR جایگزین ارزیاب دوم شود. اما برای چک لیست‌های پیچیده‌ای مثل PRECIS-2 چنین توصیه‌ای نمی‌شود. چون درصد توافق 86 درصد بود و وجود 14 درصد خطا، قابل قبول نیست.

▫️چند نکته:

مرورها در حوزه جراحی کودکان بوده است و ممکن است در حوزه‌های دیگر متفاوت باشد.

از GPT-4O استفاده نشده است. عملکرد این نسخه از GPT با نسخه 3.5 اصلاً قابل مقایسه نیست.

همچنین عملکرد و سرعت جدیدترین نسخه Claude تحت عنوان Claude 3.5 Sonnet حداقل دو برابر بهتر از Claude-3-Opus است.

بنابراین اگر از این نسخه‌ها استفاده شود، احتمالاً میزان توافق بهتر خواهد شد.

🔗 لینک به مقاله

#AI
#evidence_synthesis

🆔 @irevidence

▫️Systematic Approaches to a Successful Literature Review

ویرایش اول این کتاب در سال 2012، ویرایش دوم در سال 2016 و ویرایش سوم آن در سال 2022 توسط انتشارات Sage منتشر شده است و 425 صفحه دارد.

نویسندگان نام آشنایی در حوزه سنتز شواهد مثل Andrew Booth و Anthea Sutton این کتاب را نوشته‌اند.

یکی از بهترین کتاب‌هایی است که در زمینه مرور متون و سنتز شواهد نوشته شده است. اگر قصد انجام هر نوع سنتز شواهد (از مرور سیستماتیک گرفته تا مرور اسکوپینگ و سایر اعضای خانواده مرورها) دارید، این کتاب برای شماست.

Table of contents

Chapter 1: Meeting the Review Family: An Overview

Chapter 2: Getting Started on Your Literature Review

Chapter 3: Choosing Your Review Methods

Chapter 4: Defining Your Scope

Chapter 5: Searching the Literature

Chapter 6: Assessing the Evidence Base

Chapter 7: Synthesising and Analysing Quantitative Studies

Chapter 8: Synthesising and Analysing Qualitative Studies

Chapter 9: Synthesising and Analysing Mixed Methods Data

Chapter 10: Writing Up, Presenting and Disseminating Your Review

متن کامل این کتاب تقدیم شما می‌شود.

#book
#evidence_synthesis

🆔 @irevidence

▫️فیلترهای جستجو برای هوش مصنوعی مولد

هوش مصنوعی مولد (Generative AI) در کمتر از دو سال، تحول زیادی را در حوزه‌های مختلف ایجاد کرده و تعداد پژوهش‌ها هم در این زمینه رو به فزونی است. برخی افراد دنبال این هستند که کاربرد و نقش هوش مصنوعی مولد را در حوزه تخصصی خودشان بررسی کنند و در حقیقت سنتز شواهد انجام دهند.

طبیعی است که جستجوی سیستماتیک اساس سنتز شواهد است. به علت تعدد چت‌بات‌ها و مدل‌های زبانی بزرگ مثل ChatGPT، گوگل جمنای، مایکروسافت کوپایلوت، Claude و غیره و نیز اصطلاحات دیگری که بجای Generative AI بکار برده می‌شوند، بازیابی همه مقالات و مدارک مربوط به هوش مصنوعی مولد کار سختی است.

استفاده از فیلترهای جستجو (Search Filters) یکی از راه‌کارهای پیشنهادی است. Kung و Chojecki در کتابخانه علوم سلامت دانشگاه آلبرتا (Alberta) در کانادا برای چندین دیتابیس و پلتفرم، فیلتر جستجو طراحی کرده‌اند که می‌توان مقالات مرتبط با هوش مصنوعی مولد را بازیابی کرد.

البته متأسفانه هنوز این فیلترها Valid نشده‌اند یعنی حساسیت (Sensitivity) و ویژگی (Specificity) آن‌ها سنجیده نشده است. با این حال استفاده از آنها توصیه می‌شود.

در حال حاضر این فیلتر برای دیتابیس‌های Medline و Embase و PsycINFO در پلتفرم Ovid و برای دیتابیس CINAHL در پلتفرم EBSCO طراحی شده است. این فیلتر همچنین برای دیتابیس Scopus هم موجود است که در زیر مشاهده می‌کنید:

TITLE-ABS-KEY ( ( ( "artificial intelligence" OR ai ) W/2 ( chat* OR generat* ) ) OR genai OR ( ( large OR natural OR generative OR machine OR "deep learning" ) W/3 ( language OR text ) W/3 model* ) OR alexatm OR ( amazon* AND alexa ) OR anthropic OR bard OR bardeen OR bert OR "Bing chat" OR biogpt OR bloom OR bloomberggpt OR cerebras-gpt OR chatgpt* OR "Chat GPT" OR chatbot* OR chatsonic OR chinchilla OR claude OR dall-e OR einsteingpt OR ernie OR falcon OR galactica OR "Generative Fill" OR "GitHub Copilot" OR glam OR "Google* Assistant" OR "Google* Bard" OR "Google* Gemini" OR gopher OR gpt-1 OR gpt-2 OR gpt-3* OR gpt-4* OR gptneo OR gpt-neox OR gpt-j* OR "IBM Watson" OR lamda OR llama OR "Megatron-Turing NLG" OR "Microsoft* Bing" OR "Microsoft* Copilot" OR midjourney OR minerva OR neevaai OR nvidia OR openai OR "Open AI" OR openassistant OR palm OR pangu-e OR pathai OR "Path AI" OR perplexity OR "pre-trained transformer*" OR "pretrained transformer*" OR ( apple* AND siri ) OR slackgpt OR "Stable Diffusion" OR stylegan OR synthesis OR xlnet OR "yalm 100b" OR youchat )

برای استفاده از آنها کافیست استراتژی جستجو یا همان فیلتر جستجو را به آخر جستجوی خود با عملگر بولی AND اضافه کنید. حتماً هم کل فیلتر را در داخل پرانتز قرار دهید.

برای مشاهده فیلترهای سایر دیتابیس‌ها به این لینک مراجعه کنید.
#AI
#searching
#search_filter

🆔 @irevidence