1 742
Suscriptores
+124 horas
+47 días
-230 días
Carga de datos en curso...
Canales Similares
Nube de Etiquetas
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
julio '26
julio '26
+12
en 0 canales
junio '26
+19
en 4 canales
Get PRO
mayo '26
+11
en 0 canales
Get PRO
abril '26
+7
en 4 canales
Get PRO
marzo '26
+1
en 0 canales
Get PRO
febrero '26
+37
en 4 canales
Get PRO
enero '26
+18
en 0 canales
Get PRO
diciembre '25
+52
en 3 canales
Get PRO
noviembre '25
+57
en 2 canales
Get PRO
octubre '25
+33
en 0 canales
Get PRO
septiembre '25
+52
en 5 canales
Get PRO
agosto '25
+27
en 0 canales
Get PRO
julio '25
+38
en 3 canales
Get PRO
junio '25
+32
en 1 canales
Get PRO
mayo '25
+47
en 4 canales
Get PRO
abril '25
+46
en 5 canales
Get PRO
marzo '25
+28
en 0 canales
Get PRO
febrero '25
+63
en 2 canales
Get PRO
enero '25
+122
en 6 canales
Get PRO
diciembre '24
+91
en 6 canales
Get PRO
noviembre '24
+143
en 13 canales
Get PRO
octubre '24
+64
en 1 canales
Get PRO
septiembre '24
+57
en 0 canales
Get PRO
agosto '24
+43
en 3 canales
Get PRO
julio '24
+59
en 4 canales
Get PRO
junio '24
+62
en 5 canales
Get PRO
mayo '24
+75
en 6 canales
Get PRO
abril '24
+51
en 1 canales
Get PRO
marzo '24
+52
en 1 canales
Get PRO
febrero '24
+74
en 2 canales
Get PRO
enero '24
+399
en 3 canales
Get PRO
diciembre '230
en 6 canales
Get PRO
noviembre '230
en 7 canales
Get PRO
octubre '230
en 2 canales
Get PRO
septiembre '23
+24
en 0 canales
Get PRO
agosto '23
+13
en 0 canales
Get PRO
julio '23
+11
en 0 canales
Get PRO
junio '23
+34
en 0 canales
Get PRO
mayo '23
+31
en 0 canales
Get PRO
abril '23
+574
en 0 canales
| Fecha | Crecimiento de Suscriptores | Menciones | Canales | |
| 13 julio | +1 | |||
| 12 julio | +1 | |||
| 11 julio | 0 | |||
| 10 julio | +1 | |||
| 09 julio | +1 | |||
| 08 julio | +3 | |||
| 07 julio | +2 | |||
| 06 julio | +2 | |||
| 05 julio | 0 | |||
| 04 julio | +1 | |||
| 03 julio | 0 | |||
| 02 julio | 0 | |||
| 01 julio | 0 |
Publicaciones del Canal
| 2 | پاسخ چت جیپیتی:
پاسخ کوتاه این است: خیر؛ اما نوع کتابهایی که باید بخوانیم تغییر میکند.
هوش مصنوعی میتواند اطلاعات را خیلی سریع خلاصه کند، توضیح دهد و مثال بزند. بنابراین نیاز به خواندن کتاب صرفاً برای یافتن اطلاعات کمتر از گذشته شده است. اما برای عمیق فکر کردن، قضاوت علمی و خلاقیت، هنوز کتابها جایگاه بسیار مهمی دارند.
بهویژه برای یک استاد دانشگاه، خواندن کتاب سه مزیتی دارد که هوش مصنوعی بهطور کامل جایگزین آنها نیست:
ساختن چارچوب ذهنی: کتابهای خوب یک موضوع را از پایه تا پیشرفته با نظم و منطق پیش میبرند، در حالی که پاسخهای هوش مصنوعی معمولاً بر اساس پرسشهای جداگانه ارائه میشوند.
پرورش تفکر عمیق: مطالعه متمرکز یک کتاب، ذهن را وادار به دنبال کردن استدلالهای طولانی میکند؛ مهارتی که برای پژوهش و نوآوری ضروری است.
ایجاد ایدههای جدید: بسیاری از ایدههای پژوهشی از کنار هم قرار گرفتن مطالب چند کتاب یا چند حوزه علمی به وجود میآیند، نه از پاسخ مستقیم به یک سؤال.
در عوض، هوش مصنوعی باعث میشود کتابها را هدفمندتر بخوانید. مثلاً به جای خواندن ۲۰ کتاب، میتوانید:
ابتدا با کمک AI تشخیص دهید کدام کتابها ارزش بیشتری دارند.
پیش از شروع، خلاصه فصلها و مفاهیم کلیدی را مرور کنید.
هنگام مطالعه، از AI برای رفع اشکال، ارائه مثال و ارتباط دادن مطالب با پژوهش خود استفاده کنید.
پس از پایان هر فصل، از AI بخواهید از شما سؤال بپرسد یا نکات را به چالش بکشد.
برای یک استاد دانشگاه، بهویژه در مهندسی، ترکیب زیر بسیار مؤثر است:
کتابها برای یادگیری عمیق و شکلگیری تفکر.
مقالات برای آگاهی از مرزهای دانش.
هوش مصنوعی برای افزایش سرعت، سازماندهی اطلاعات و کمک به تحلیل.
به نظر من، در عصر هوش مصنوعی، ارزش کسانی که کتابهای عمیق میخوانند کمتر نشده، بلکه بیشتر شده است. چون بسیاری از افراد فقط به پاسخهای سریع AI اکتفا میکنند، اما کسی که علاوه بر استفاده از هوش مصنوعی، مطالعه عمیق و منظم کتابها را حفظ کند، معمولاً تحلیل دقیقتر، قضاوت بهتر و خلاقیت بیشتری خواهد داشت. این تفاوت، بهویژه در پژوهش و تدریس دانشگاهی، بسیار محسوس است.
https://t.me/tabeshpour | 412 |
| 3 | پاسخ دیپسیک:
پاسخ کوتاه این است: خیر، نه تنها کم نمیکند، بلکه در بسیاری از موارد نیاز به خواندن کتابهای اصیل را افزایش هم میدهد. اما برای درک این موضوع، باید تفاوت «اطلاعات» و «دانش» را از هم جدا کنیم.
در اینجا نگاه دقیقتری به این ماجرا داریم:
۱. هوش مصنوعی جای «فرآیند» را نمیگیرد (تفاوت نتیجه با مسیر)
هوش مصنوعی میتواند خلاصهای بینقص از کتابی ۴۰۰ صفحهای به شما بدهد. اما کتابهای عمیق، یک «معماری فکری» هستند. شما در طول خواندن، با زنجیرهای از استدلالها، انحرافات فرعی و چالشهای ذهنی مواجه میشوید که مغز را وادار به دنبال کردن یک مسیر طولانی میکند. هوش مصنوعی فقط نتیجه را به شما میدهد، اما فرآیند شکلگیری آن نتیجه را حذف میکند. همین فرآیند است که توانایی تحلیل و تمرکز شما را پرورش میدهد.
۲. کتابها پادزهر «توهم دانایی» در عصر هوش مصنوعی هستند
یکی از خطرات بزرگ هوش مصنوعی، ایجاد «توهم آگاهی» است؛ یعنی ما فکر میکنیم چیزی را میدانیم، چون ربات خلاصهاش را گفته. اما تا وقتی خودتان متن اصلی را نخوانید، هیچ ارجاعی برای سنجش درستی یا نادرستی خروجی هوش مصنوعی ندارید. کتاب خواندهها، سوالات بهتری از هوش مصنوعی میپرسند و خروجی آن را بهتر نقد میکنند.
۳. تغییر کاربرد کتاب (از «مرجع» به «پناهگاه»)
قبلاً کتاب را برای گرفتن اطلاعات میخواندیم. امروز هوش مصنوعی آن بخش را سریعتر انجام میدهد. پس کارکرد کتاب تغییر میکند: کتاب به پناهگاهی برای تمرکز عمیق تبدیل میشود. در عصری که ذهن ما با بمباران پیامهای کوتاه پراکنده شده، کتاب تنها ابزاری است که ما را مجبور به نشستن و تفکر تکخطی و عمیق برای ساعتها میکند. این نیاز روانی، هرگز با هوش مصنوعی رفع نمیشود.
۴. ادبیات و همدلی (قلمرو نفوذناپذیر)
برای کتابهای علمی و غیرداستانی، شاید هوش مصنوعی تا حدی کمککننده باشد. اما در مورد رمان، شعر و ادبیات، اصلاً بحث اطلاعات مطرح نیست. شما رمان نمیخوانید تا بدانید «اتفاق بعدی چیست»؛ بلکه میخوانید تا زیستن درون یک شخصیت دیگر را تجربه کنید. هوش مصنوعی هیچ درکی از طعم تلخ شکست یا شیرینی عشق در بافت یک داستان ندارد و هرگز نمیتواند جایگزین این همذاتپنداری انسانی شود.
پس چه تغییری میکند؟
به جای خواندن ۱۰ کتاب سطحی، به سراغ ۳ کتاب بنیادین بروید. از هوش مصنوعی برای غربالگری استفاده کنید و از کتاب برای شخم زدن ذهن. به قول معروف: هوش مصنوعی به ما میگوید «چه چیزی در کتاب هست»؛ اما کتاب به ما میگوید «چه چیزی در خود ما هست». این دومی، هیچوقت منسوخ نمیشود.
https://t.me/tabeshpour | 307 |
| 4 | آیا وجود هوش مصنوعی باعث میشود که نیاز به خواندن کتابها کم شود؟
https://t.me/tabeshpour | 206 |
| 5 | این هوش مصنوعی نیست که قرار است جای ما را بگیرد.
این خود ما هستیم که اگر اکنون هوش مصنوعی را جانشین خود کنیم در آیندهای نزدیک، دیگران هم آن را جایگزین ما خواهند کرد.
«خواندن کتاب به همان سبک سنتی و قدیمی»
«کمک از هوش مصنوعی برای خلاصه و جمعبندی و دستهبندی»
«جدیت بیشتر در اندیشیدن در طبیعت و عمیق شدن در پدیدهها»
«اهمیت بیشتر به ادبیات به منظور تعامل و تسهیل سیالیت ذهن»
کارهایی هستند که باعث میشوند هرگز هوش مصنوعی جای شما را نگیرد بلکه تولیدات شما جزو مراجع مهم آن باشد برای پاسخ به سؤالات دیگران.
https://t.me/tabeshpour | 233 |
| 6 | پاسخ بنده بر اساس جوابهای هوش مصنوعی:
برای کسب و حفظ جایگاهی متمایز از هوش مصنوعی باید حتما «کتاب» و خواندن آن و کمک از هوش مصنوعی برای خلاصه و جمعبندی
و
«تفکر عمیق در پدیدهها»
و
«تقویت ادبیات»
برای تعامل
خیلی جدی مورد توجه باشند. | 259 |
| 7 | پاسخ چت جیبیتی:
برای تدریس ریاضیات مهندسی پیشرفته، اگر بخواهم تنها یک توصیه کلیدی ارائه کنم، آن این است:
هوش مصنوعی باید زمان شما را از «حلهای تکراری» آزاد کند تا بتوانید روی «آموزش مفهومی» تمرکز کنید.
در این درس، دانشجو بیش از هر چیز نیاز دارد بداند چرا یک روش ریاضی به کار میرود، نه فقط چگونه آن را محاسبه کند. این بخش را هیچ ابزار هوش مصنوعی بهخوبی یک استاد باتجربه منتقل نمیکند.
بهترین تقسیم کار بین استاد و هوش مصنوعی
کارهایی که بهتر است خود استاد انجام دهد:
طراحی مسیر یادگیری درس
توضیح شهودی مفاهیم (مثلاً اینکه تبدیل لاپلاس یا سری فوریه چه معنای فیزیکی دارد)
انتخاب مثالهای مرتبط با مهندسی (زلزله، دینامیک سازه، امواج، انتقال حرارت و ...)
پاسخ به پرسشهای عمیق دانشجویان
طراحی پروژهها و ارزیابی تفکر دانشجویان
کارهایی که میتوان به هوش مصنوعی سپرد:
تولید تمرین در سطوح مختلف
تهیه پاسخ تشریحی تمرینها
رسم نمودارها و تصاویر آموزشی
تولید کدهای MATLAB یا Python برای نمایش مفاهیم
خلاصهسازی هر فصل
طراحی آزمونهای کوتاه و سؤالات چهارگزینهای
تولید مثالهای متعدد با تغییر اعداد یا شرایط
روش تدریس مناسب در عصر هوش مصنوعی
برای هر مبحث، چهار مرحله را دنبال کنید:
مفهوم را خودتان آموزش دهید.
از هوش مصنوعی برای تولید مثالها و تمرینهای متنوع استفاده کنید.
از دانشجویان بخواهید پاسخهای هوش مصنوعی را نقد کنند.
در پایان، کاربرد واقعی آن مفهوم را در مسائل مهندسی نشان دهید.
به این ترتیب، دانشجو صرفاً مصرفکننده AI نخواهد بود، بلکه یاد میگیرد خروجی آن را ارزیابی کند.
نمونهای از درس ریاضیات مهندسی پیشرفته
فرض کنید موضوع درس تبدیل فوریه است.
شما توضیح میدهید که چرا هر سیگنال را میتوان به مجموعهای از مؤلفههای فرکانسی تجزیه کرد و این موضوع در تحلیل ارتعاشات و زلزله چه اهمیتی دارد.
هوش مصنوعی چندین مثال، نمودار و کد شبیهسازی تولید میکند.
دانشجویان نتایج را بررسی میکنند و اگر هوش مصنوعی خطایی داشته باشد، آن را پیدا و اصلاح میکنند.
در پایان، شما ارتباط این مفهوم را با پاسخ دینامیکی سازهها و تحلیل رکوردهای زلزله توضیح میدهید.
نتیجه
در آینده، ارزش یک استاد ریاضیات مهندسی دیگر در این نخواهد بود که سریعتر از همه انتگرال حل کند؛ بلکه در این خواهد بود که بتواند مفاهیم عمیق را روشن کند، ارتباط آنها را با مسائل مهندسی نشان دهد و دانشجویان را به تفکر انتقادی و حل مسئله سوق دهد.
اگر این رویکرد را دنبال کنید، هوش مصنوعی نهتنها جایگاه علمی شما را تضعیف نمیکند، بلکه به شما فرصت میدهد زمان بیشتری را صرف همان چیزی کنید که یک استاد برجسته را از یک مدرس معمولی متمایز میکند: پرورش شیوه فکر کردن دانشجویان، نه صرفاً آموزش روش حل مسائل. | 280 |
| 8 | پاسخ دیپسیک:
بهکارگیری هوش مصنوعی در تدریس ریاضیات مهندسی پیشرفته، فرصتی بینظیر برای ارتقای کیفیت آموزش است، به شرطی که استاد نقش محوری خود را بهعنوان راهنما و خالق تجربهٔ یادگیری حفظ کند. کلید موفقیت در این است که هوش مصنوعی را بهعنوان «یارِ کمکی» ببینیم، نه جایگزین.
در اینجا چند راهکار عملی برای تلفیق هوش مصنوعی با خلاقیت شخصی شما ارائه شده است:
۱. معمار سناریوهای یادگیری باشید، نه صرفاً انتقالدهندهٔ دانش
به جای حل کردن کامل مسائل در کلاس، از هوش مصنوعی برای طراحی سناریوهای مسئلهمحور استفاده کنید.
· ایجاد مسائل دنیای واقعی: از ابزارهایی مانند DeepSeek یا Doubao برای تولید مسائل مهندسی که مفاهیم انتزاعی (مانند سری فوریه یا معادلات دیفرانسیل) را به چالشهای عملی مرتبط میکنند، کمک بگیرید.
· معرفی مسائل باز (Open-ended): از هوش مصنوعی بخواهید چندین سناریو با پیشفرضهای مختلف تولید کند. سپس از دانشجویان بخواهید با تحلیل و مقایسه آنها، به یک راهحل جامع برسند. این کار خلاقیت و تفکر انتقادی را پرورش میدهد.
۲. از «دستیار هوشمند» برای شبیهسازی و شهود بصری استفاده کنید
مفاهیم پیشرفتهٔ ریاضی اغلب دشوار و انتزاعی هستند. هوش مصنوعی میتواند به تجسم آنها کمک کند.
· تجسم مفاهیم: از ابزارهای هوش مصنوعی برای تبدیل خودکار فرمولها به کد (مانند پایتون) و نمایش گرافیکی تعاملی آنها استفاده کنید.
· آزمایش و خطا: به دانشجویان اجازه دهید با تغییر پارامترها در یک شبیهسازی هوشمند، تأثیر آن را بر روی مسئله به صورت بلادرنگ ببینند و شهود ریاضی خود را تقویت کنند.
۳. بازخورد آنی و شخصیسازی، اما با نظارت شما
یکی از بزرگترین مزایای هوش مصنوعی، ارائه بازخورد فوری است.
· تصحیح و راهنمایی گامبهگام: از ابزارها برای تصحیح تمرینها و ارائه بازخورد اولیه استفاده کنید. اما نقش شما، تحلیل خطاهای مفهومی و ریشهیابی آنهاست، نه صرفاً تأیید صحت جواب.
· شناسایی نقاط ضعف: از سیستمهای یادگیری تطبیقی برای شناسایی نقاط قوت و ضعف هر دانشجو استفاده کنید و سپس محتوای تمرینی متناسب با نیاز او طراحی کنید.
۴. «مهندسی پرامپت» (Prompt Engineering) را به دانشجویان بیاموزید
به جای منع دانشجویان از استفاده از هوش مصنوعی، نحوهٔ درست پرسیدن سوال را به آنها آموزش دهید.
· مسابقه پرامپت نویسی: از دانشجویان بخواهید با استفاده از پرامپتهای دقیق، راهحل یک مسئله را از هوش مصنوعی بگیرند و سپس بهترین پرامپت را انتخاب کنید. این کار آنها را به کاربرانی ماهر و منتقد تبدیل میکند.
· ارزیابی نقادانه: به دانشجویان بیاموزید که پاسخ هوش مصنوعی را با تفکر نقادانه ارزیابی کنند و هر مطلبی را بدون راستیآزمایی نپذیرند.
۵. زمان کلاس را به تعاملات انسانی اختصاص دهید
با سپردن بخشی از بار محاسباتی و تکراری به هوش مصنوعی، وقت ارزشمند کلاس را برای کارهایی که هوش مصنوعی از انجام آن عاجز است، آزاد کنید:
· بحث و گفتوگو: به جای حل مسائل سر کلاس، زمان را به بحث دربارهٔ کاربردهای فلسفی و مهندسی ریاضیات اختصاص دهید.
· ارائهٔ پروژه: دانشجویان را به گروههای کوچک تقسیم کنید تا با کمک هوش مصنوعی، یک پروژهٔ مهندسی را مدلسازی کنند و سپس یافتههای خود را ارائه دهند.
خلاصه و اصل طلایی
تحقیقات نشان میدهد که تلفیق نقش انسانی معلم با ظرفیتهای هوش مصنوعی، بهترین راهکار برای ارتقای اثربخشی یادگیری است. یک مطالعه نشان داده که استفاده از سیستم هوشمند سهگانهٔ «گراف دانش + بانک مسائل هوش مصنوعی + ارزیابی فرآیندی»، توانایی حل مسئلهٔ دانشجویان را تا ۴۲ درصد افزایش داده است.
اصل طلایی این است که هوش مصنوعی یک مکمل برای تلاشهای شماست. شما به عنوان استاد، خالق چالشها، راهنمای مسیر و الهامبخش دانشجویان هستید. با این رویکرد، نه تنها خلاقیت و تواناییتان مخدوش نمیشود، بلکه با آزاد شدن از امور تکراری، فرصت بیشتری برای شکوفایی آنها پیدا خواهید کرد. | 363 |
| 9 | بهترین کاری که یک استاد دانشگاه در تدریس درس ریاضیات مهندسی پیشرفته میتواند بکند که هم از هوش مصنوعی استفاده کند هم خلاقیت و توانایی خودش مخدوش نشود چیست؟ | 336 |
| 10 | https://www.aparat.com/dastnameh | 536 |
| 11 | mml-book.pdf | 879 |
| 12 |  Sin texto... | 850 |
| 13 | باسلام
هدف از این گروه تبادل نظر و جمعبندی در خصوص سرفصل رشته عمران است از کارشناسی تا دکترا.
مطالب جمعبندی شده به کارگروه مورد نظر در وزارت علوم منعکس خواهد شد.
استادان و دانشجویان و دانشآموختگان عزیزی که دغدغه این موضوع اساسی را دارند عضو گروه شوند.
برای عضویت لازم است اسم واقعی و هویت افراد معلوم باشد و امکان حضور با اسم مستعار و آیدی ناشناس نیست.
https://t.me/+SC_ho3JN3FE2NWY0
به نظر بنده مهمترین اصل در بحث سرفصل و تعداد سالهای تحصیلی و محتوای دروس
این است که حتما غیر از استادان و اعضای هیأت علمی از آراء و نظرات دانشآموختگان و دانشجویان و مهندسان استفاده واقعی و عملی شود.
ترکیب و تجمیع نظرات همه این گروهها میتواند مسیر درستتری برای تربیت مهندسان و دانشجویان ترسیم نماید.
یک اصل مهم این است که از «یکسان و یکدست سازی» پرهیز شود و امکان پرورش و تربیت انواع سلیقهها و توانمندیها فراهم شود و اکثریت قریب به اتفاق استعدادها شکوفا شود.
دانشگاه و سرفصل باید آنقدر منعطف و همهجانبهنگر باشد که طیف وسیعی از ورودیهایش را در آغوش بگیرد. ولی این انعطاف نباید منجر به این شود که خروجی کارشناسی عمران یک همهکارهی هیچکاره باشد.
لینک گروه که همه عزیزان را دعوت میکند:
https://t.me/+SC_ho3JN3FE2NWY0
همزمان با پختگی و دنیادیدگی پیشکسوتان
باید
به شور و مطالبات نسل امروز نیز پرداخت.
باید به جوانان حق بدهیم که عجول باشند و سریع، تا از فناوریهای روز عقب نیفتند و فرصتها را از دست ندهند.
باید به جوانان حق بدهیم تا با مشاهده تواناییهای هوش مصنوعی، نگران وضع علم و شغل آینده باشند.
باید خود جوانان مشارکت کنند در این که چگونه تربیت شوند و برای چه چیزهایی تربیت شوند. | 248 |
| 14 | فهرست سایتها، کانالها و گروههای دکتر تابشپور (استاد دانشگاه صنعتی شریف):
https://t.me/Tabeshpour
1️⃣ کانالهای تلگرامی:
1️⃣-1️⃣ درسی:
✅ استاتیک (مکانیک، عمران):
https://t.me/Eng_Statics
✅ مقاومت مصالح، مکانیک جامدات (مکانیک، عمران، معماری و سایر رشته ها):
https://t.me/Solids_Mechanics
✅ تحلیل سازهها (مکانیک دریا، عمران):
https://t.me/Analysis_of_Structures
✅ مبانی مهندسی فراساحل:
https://t.me/Offshore_Engineering
✅ ارتعاشات پیشرفته سازههای دریایی:
https://t.me/Marine_Structutral_Vibrations
✅ تحلیل و طراحی سازههای فراساحلی:
https://t.me/OffshoreStructures
✅ تحلیل و طراحی سکوهای شناور (۱۳۹۹):
https://t.me/Floating_Structures
✅ تحلیل و طراحی سکوهای شناور (۱۴۰۱):
https://t.me/Floating_Structures_1401
✅ مصالح بنایی در سازه
https://t.me/masonry_in_structure
✅ دینامیک سازهها (بخش اول):
https://t.me/Dynamics_Structures
✅ ارتعاشات تصادفی سازهها (نیمه اول):
https://t.me/RandomVibration
✅ ریاضی مهندسی پیشرفته (1401-1402):
https://t.me/Enging_Mathematics
1️⃣-2️⃣ علمی-خبری:
✅ دستنامه زلزله:
https://t.me/dastname
✅ وبینارهای دریایی ایران
https://t.me/marine_webinar
✅ تاریخ شفاهی عمران (شریف)
https://t.me/civilhistory
1️⃣-3️⃣ ادبی و هنری:
✅ اشعار و بداههها:
https://t.me/Tabeshpour_poem
✅ عکس
@Tabeshpour_photo
1️⃣-4️⃣ 📚 ارائه کتابهای تألیف دکتر تابشپور:
نشر بنای دانش، ویدئوهای معرفی کتابهای دستنامه:
https://t.me/banaye_danesh
2️⃣ گروههای تلگرامی:
✅ دستنامه فراساحل:
https://t.me/farasaheli
✅ دستنامه زلزله:
https://t.me/dastnameh_zelzeleh
✅ سازه و معماری:
https://t.me/sazeh_memari
3️⃣ اینستاگرام:
✅ فراساحل و زلزله:
https://www.instagram.com/dastnameh/
✅ ادبی:
https://www.instagram.com/tabeshpour/
4️⃣ آپارات:
https://www.aparat.com/dastnameh
5️⃣ گوگل اسکولار:
https://scholar.google.com/citations?user=IFGe8xYAAAAJ&hl=en
6️⃣ لینکدین:
https://www.linkedin.com/in/tabeshpour/
7️⃣ ریسرچ گیت:
https://www.researchgate.net/profile/Mohammad-Tabeshpour
8️⃣ سایت:
dastnameh.ir
banayedanesh.ir
tabeshpour.com
9️⃣ وبلاگ:
http://tabeshpour.blogfa.com
ادمینها:
@dastnaameh
@tel_admina
@admiai | 60 |
