آموزش نوین مقاله نویسی با هوش مصنوعی

لطفا یه سر به پپیجم بزنید و سایر مطالبم ببینید💥 📚 چطور قبل از اجرای پژوهش، پذیرش اصولی ژورنال بگیریم؟ تا حالا اسم Registered Report به گوشتون خورده؟ در این روش، قبل از جمع‌آوری داده‌ها، سؤال پژوهش و روش‌شناسی شما توسط داوران بررسی می‌شه. اگر طرح تأیید بشه، ژورنال متعهد می‌شه مقاله نهایی رو طبق شرایط مشخص‌شده بررسی و منتشر کنه؛ حتی اگر نتایج معنادار نباشن. یعنی کیفیت روش پژوهش مهم‌تر از هیجان‌انگیز بودن نتیجه است. 🔬 اما چطور ژورنال‌هایی رو پیدا کنیم که این روش رو می‌پذیرن؟ با پرامپت زیر می‌تونید ژورنال‌های معتبر رشته خودتون رو پیدا کنید: پرامپت : ژورنال‌های علمی معتبر در رشته [رشته و موضوع پژوهش خود را وارد کنید] را که Registered Report (مرحله اول و دوم) می‌پذیرند، پیدا کن. برای هر ژورنال، نام، لینک رسمی ارسال مقاله، نمایه‌های Scopus و Web of Science و انواع مطالعات قابل‌پذیرش را ارائه بده. تمام اطلاعات را از وب‌سایت رسمی ژورنال بررسی کن و ژورنال‌هایی را که دیگر Registered Report نمی‌پذیرند حذف کن. 📩 اگر نمی‌تونید پرامپت رو کپی کنید، کلمه «گزارش» رو بفرستید تا دایرکت شه. این ریلز رو برای همکار پژوهشگرتون بفرستید که تازه می‌خواد مطالعه‌اش رو شروع کنم

نسخهٔ 1.3.0 اسکیل persian-writing را آماده کردم. متن فارسیِ هوش مصنوعی گاهی هیچ غلطی نداره، ولی باز هم طبیعی به نظر نمی‌رسه؛ در نسخهٔ 1.3.0 اسکیل persian-writing رفتم سراغ همین مشکل و ابزار بررسی ریتم جمله‌ها رو هم اضافه کردم. https://github.com/ali2000hos/persian-writing 🔗 علیه! Aliiiiiii (@ali2000hos) 📲 @twittdl_bot

🤯 هوش مصنوعی در حال ورود به قلمرو حل مسائل بزرگ علم است! OpenAI اعلام کرده گروهی متشکل از ۱۰هزار ایجنت هوش مصنوعی با همکاری ۸۸ ساعته، روی یکی از مشهورترین مسائل حل‌نشده ریاضیات یعنی مسئله ناویر–استوکس کار کرده‌اند؛ مسئله‌ای که حدود ۹۰ سال بدون راه‌حل باقی مانده بود. در این فرایند، حدود ۱۳۰ میلیارد توکن تولید شده و از یک مدل خصوصی و منتشرنشده استفاده شده که طبق ادعای OpenAI، توانمندتر از GPT-6 Astra است. البته یک نکته مهم 👇 🔬 این نتیجه هنوز باید توسط ریاضیدانان مستقل بررسی و تأیید شود. اگر تأیید شود، می‌تواند یکی از مهم‌ترین نمونه‌های نقش AI در پیشبرد مرزهای علم باشد. 🚀 به نظرتون AI می‌تونه مسائل علمی‌ای رو حل کنه که انسان‌ها دهه‌ها درگیرش بودن؟

50 ابزار هوش مصنوعی برای پشتیبانی از فعالیت‌های علمی و پژوهشی: * باران ایده‌ها: ChatGPT * پشتیبانی از نگارش: Claude * تحلیل داده‌ها: Julius * جستجو در متون علمی: Elicit * پاسخ به سوالات پژوهشی: Consensus * جستجوی مبتنی بر منابع: Perplexity * خلاصه‌سازی مقالات علمی: SciSummary * گفتگو با فایل‌های PDF: ChatPDF * تحلیل فایل‌های PDF: Adobe Acrobat AI Assistant * تهیه نقشه از متون علمی: ResearchRabbit * تحلیل ارجاعات علمی: Scite AI * کشف مقالات: Semantic Scholar * توضیح مقالات علمی: Explainpaper * بررسی متون علمی: SciSpace * نگارش علمی: Paperpal * پشتیبانی از قواعد زبانی: Grammarly AI * ویرایش متون علمی: Writefull * بازنویسی: QuillBot * پشتیبانی از ارجاعات: افزونه‌های Zotero AI * سازماندهی مقالات: Notion AI * خلاصه‌سازی و سازماندهی یادداشت‌ها: NotebookLM * مطالعه و تحلیل مقالات: Humata AI * دستیار پژوهشی: http://answerthis.io * بررسی‌های سیستماتیک: Rayyan AI * جمع‌آوری و تحلیل شواهد علمی: http://Iris.ai * یافتن مقالات: Litmaps * کشف ارجاعات و مقالات مرتبط: Connected Papers * خلاصه‌های مقالات: http://Typeset.io * پیشنهاد مجلات مناسب برای انتشار: Elsevier Journal Finder * بررسی دست‌نوشته‌های علمی: Wiley AI manuscript tools * کمک آماری: Julius * پشتیبانی از برنامه‌نویسی: GitHub Copilot * پشتیبانی از زبان Python: ChatGPT Code Interpreter * پشتیبانی از زبان R: Gemini * تحلیل پرسشنامه‌ها: Microsoft Copilot * تبدیل صدا به متن: http://Otter.ai * یادداشت‌برداری از جلسات و مصاحبه‌ها: http://Fireflies.ai * تبدیل فایل‌های صوتی به متن: Whisper * ترجمه: DeepL * طراحی ارائه: Gamma * ایجاد اسلاید: Tome * طراحی بصری: Canva AI * ایجاد نمودار و گراف: Napkin AI * نقشه‌برداری ذهنی: Miro AI * برنامه‌ریزی وظایف: ClickUp AI * مدیریت پروژه‌ها: Asana AI * نوشتن ایمیل: Gemini for Gmail * نوشتن اسناد: Microsoft Copilot * نوشتن پروپوزال‌های پژوهشی: Grantable * برنامه‌ریزی شغلی و مسیر حرفه‌ای: Career Dreamer ✨ جهت آگاهی از آموزش‌ها و مطالب بیشتر، کانال / صفحه ما را دنبال نمایید. #منابع_پارس_پژوهه 👁‍🗨 @tephd

📊 راهنمای سریع انتخاب آزمون‌های آماری یکی از رایج‌ترین مشکلات در تحلیل داده‌ها اینه که نمی‌دونیم برای سؤال پژوهشمون از کدوم آزمون آماری استفاده کنیم؟ 🤔 این چیت‌شیت ۹ آزمون پرکاربرد رو خیلی خلاصه کنار هم قرار داده: 1️⃣ آزمون t برای مقایسه میانگین دو گروه 2️⃣ آزمون Z برای مقایسه میانگین نمونه با جامعه، به‌ویژه وقتی انحراف معیار جامعه مشخص است. 3️⃣ آزمون ANOVA برای مقایسه میانگین سه گروه یا بیشتر 4️⃣ آزمون کای‌دو (Chi-Square) برای بررسی ارتباط بین متغیرهای کیفی 5️⃣ آزمون من‌ویتنی U برای مقایسه دو گروه مستقل، زمانی که داده‌ها نرمال نیستند یا رتبه‌ای هستند. 6️⃣ آزمون کروسکال–والیس برای مقایسه سه گروه یا بیشتر در شرایط غیرپارامتریک 7️⃣ ضریب همبستگی پیرسون برای بررسی رابطه خطی بین دو متغیر کمی 8️⃣ آزمون ویلکاکسون برای مقایسه دو نمونه وابسته، مثل قبل و بعد از یک مداخله 9️⃣ آزمون دقیق فیشر (Fisher’s Exact) برای بررسی ارتباط بین متغیرهای کیفی، به‌خصوص وقتی حجم نمونه کم است. 📌 یک نکته مهم: انتخاب آزمون فقط بر اساس «تعداد گروه‌ها» نیست؛ نوع متغیر، مستقل یا وابسته بودن گروه‌ها، مقیاس اندازه‌گیری و توزیع داده‌ها هم اهمیت دارد. این تصویر رو ذخیره کنید؛ احتمالاً موقع تحلیل پایان‌نامه و مقاله چند بار بهش برمی‌گردید. 📚

تبدیل پایان‌نامه به مقاله در ۲ ثانیه؟! این فقط یک پرامپت معمولی نیست! یک Master Prompt طراحی کردم که با استفاده از LOOP، فرآیند استخراج مقاله از پایان‌نامه را چندمرحله‌ای انجام می‌دهد: 📌 بخش‌های مناسب پایان‌نامه را برای تبدیل به مقاله شناسایی می‌کند 📌 ساختار مقاله علمی را می‌سازد 📌 عنوان، چکیده، مقدمه، روش، یافته‌ها و بحث را استخراج و تنظیم می‌کند 📌 به خروجی امتیاز می‌دهد و کیفیت آن را ارزیابی می‌کند 📌 نقاط ضعف را پیدا می‌کند 📌 خودش خروجی را نقد و اصلاح می‌کند 📌 دوباره ارزیابی می‌کند تا به نسخه قوی‌تر برسد 🔄 یعنی به‌جای اینکه یک بار از هوش مصنوعی بخواهی: «از این پایان‌نامه مقاله استخراج کن» یک فرآیند استخراج → ارزیابی → نقد → اصلاح → ارزیابی مجدد داری. و همه این‌ها داخل یک Master Prompt فشرده و قابل کپی‌پیست طراحی شده.

🔴 سوالای کنکور زبان امسال رو بردن جلوی یه آمریکاییِ باسواد گذاشتن ببین عکس العملشو... نظر شما چیه؟

📚 انواع مرور ادبیات در پژوهش 🖋 کدام روش برای شما مناسب است؟ مرور ادبیات فقط یک روش ندارد بسته به هدف پژوهش، نوع سؤال، دامنه موضوع و نوع مطالعات، می‌توان از روش‌های مختلفی برای مرور منابع استفاده کرد. در ادامه ۸ نوع مهم مرور ادبیات را ببینید 👇 🔹 ۱. مرور روایی (سنتی) | Narrative Review 📌 خلاصه‌ای گسترده و توصیفی از ادبیات موجود درباره یک موضوع، بدون پروتکل جست‌وجوی سخت‌گیرانه و قابل تکرار. 🎯 مناسب برای: زمینه‌سازی و ارائه نمای کلی از یک موضوع 🔹 ۲. مرور نظام‌مند | Systematic Review 📌 روشی دقیق و قابل تکرار با معیارهای از پیش تعیین‌شده برای شناسایی، ارزیابی و ترکیب مطالعات مرتبط؛ مانند چارچوب PRISMA. 🎯 مناسب برای: پاسخ به یک سؤال پژوهشی مشخص و متمرکز 🔹 ۳. مرور دامنه‌ای (اسکوپینگ) | Scoping Review 📌 نقشه‌برداری از گستره شواهد موجود، مفاهیم کلیدی، شکاف‌های پژوهشی و انواع شواهد در یک حوزه. 🎯 مناسب برای: بررسی یک حوزه گسترده یا نوظهور 🔹 ۴. فراتحلیل | Meta-Analysis 📌 یک روش آماری برای ترکیب و تحلیل نتایج کمی چندین مطالعه مستقل و محاسبه اندازه اثر ترکیبی. 🎯 مناسب برای: کمی‌سازی اندازه اثر در مطالعات مختلف 🔹 ۵. متاسنتز کیفی | Qualitative Meta-Synthesis 📌 یافته‌های چندین مطالعه کیفی را با هم ادغام و تفسیر می‌کند تا به مفاهیم، تفسیرها یا نظریه‌های جدید و سطح بالاتر برسد. 🎯 مناسب برای: ترکیب مضامین و یافته‌های مطالعات کیفی 🔹 ۶. مرور انتقادی | Critical Review 📌 فراتر از توصیف منابع می‌رود و کیفیت، مشارکت علمی و انسجام ادبیات موجود را به‌صورت انتقادی ارزیابی می‌کند. 🎯 مناسب برای: توسعه یک استدلال یا چارچوب مفهومی 🔹 ۷. مرور ترکیبی | Integrative Review 📌 روش‌های مختلف پژوهشی، شامل مطالعات کمی، کیفی، تجربی و غیرتجربی را با هم ترکیب می‌کند. 🎯 مناسب برای: ارائه یک دیدگاه جامع یا تعریف و بازتعریف مفاهیم 🔹 ۸. مرور چتری | Umbrella Review 📌 یافته‌های چندین مرور نظام‌مند و فراتحلیل را درباره یک حوزه مشخص با هم ترکیب می‌کند. 🎯 مناسب برای: تجمیع شواهد در سطح بالا 💡 نکته مهم: هر نوع مرور ادبیات، هدف و روش متفاوتی دارد. بنابراین قبل از شروع کار، ابتدا مشخص کنید سؤال پژوهش شما چیست و دقیقاً به دنبال چه نوع شواهدی هستید. 📌 اگر در انتخاب بین مرور نظام‌مند، اسکوپینگ، متاسنتز یا فراتحلیل تردید دارید، انتخاب روش مناسب می‌تواند مسیر کل پژوهش شما را تغییر دهد. 🔔 برای مطالب کاربردی بیشتر درباره روش تحقیق، مقاله‌نویسی و هوش مصنوعی در پژوهش کانال را دنبال کنید. #منابع_پارس_پژوهه 👁‍🗨 @tephd

دو اقتصاددان به طور ریاضی اثبات کردند که هوش مصنوعی اقتصاد را نابود خواهد کرد. محققان از دانشگاه وارتون و دانشگاه بوستون مقاله‌ای وحشتناک با عنوان «تله اخراج هوش مصنوعی» منتشر کردند. آنها نقشه پایانی اقتصادی گذار به هوش مصنوعی را ترسیم کردند، و این نقشه نقص مرگباری را در سرمایه‌داری رقابتی آشکار می‌کند. وقتی شرکتی یک کارگر را با هوش مصنوعی جایگزین می‌کند، ۱۰۰٪ صرفه‌جویی در دستمزد را تصاحب می‌کند. اما آن کارگر اخراج‌شده همچنین یک مصرف‌کننده است. وقتی شغلش را از دست می‌دهد، خرید کردن را متوقف می‌کند. شرکت تمام صرفه‌جویی را به دست می‌آورد، اما از دست رفتن تقاضای مصرف‌کننده در کل اقتصاد پخش می‌شود. اگر ۲۰ رقیب در بازار وجود داشته باشد، یک مدیرعامل فقط ۱/۲۰ آسیب اقتصادی را که اخراج‌هایش ایجاد کرده، متحمل می‌شود. بنابراین هر مدیرعامل منطقی انگیزه ریاضی دارد تا هرچه سریع‌تر اتوماسیون را پیش ببرد. آنها به معنای واقعی می‌توانند پرتگاه را در حال نزدیک شدن ببینند، و با این حال همچنان پدال گاز را فشار می‌دهند. این امر معضل زندانی اجتناب‌ناپذیری را فعال می‌کند. اگر شما اتوماسیون نکنید، رقبایتان خواهند کرد، و آنها شما را با قیمت خرد خواهند کرد. این فقط به کارگران آسیب نمی‌رساند. کسب‌وکارها را هم نابود می‌کند. اقتصاد در مسابقه تسلیحاتی اتوماسیون گرفتار می‌شود. شرکت‌ها نیروی کار خود را اخراج می‌کنند تا رقابتی بمانند، تا زمانی که کل پایگاه مصرف‌کننده کاملاً تهی شود. در نهایت، مقاله نتیجه‌گیری می‌کند: «شرکت‌ها با اتوماسیون خود به بهره‌وری بی‌حد و مرز و تقاضای صفر می‌رسند.» و ترسناک‌ترین بخش؟ محققان به طور ریاضی هر راه‌حل محبوب را آزمایش کردند. درآمد پایه همگانی؟ شکست می‌خورد. سطح زندگی را بالا می‌برد اما انگیزه شرکتی برای کاهش مشاغل را تغییر نمی‌دهد. بازآموزی؟ شکست می‌خورد. حقوق کارگری؟ شکست می‌خورد. مقاله اثبات می‌کند که رقابت بیشتر در واقع باعث تسریع فروپاشی می‌شود. و هوش مصنوعی «بهتر» آسیب را بدتر می‌کند. تنها چیزی که به طور ریاضی جلوی فروپاشی را می‌گیرد، مالیات هدفمند بر اتوماسیون است، که شرکت‌ها را مجبور می‌کند قبل از اتوماسیون شغل، برای قدرت خریدی که نابود می‌کنند، پرداخت کنند. https://t.co/YMRjtTtoYh