Evidence

▫️نسبت روایی محتوا: عشق پژوهشگران ایرانی لاوشه در سال ۱۹۷۵، نسبت روایی محتوا (Content Validity Ratio) یا همان CVR را برای کمی‌سازی روایی محتوا مطرح کرد. در کنار آن، از شاخص روایی محتوا (Content Validity Index) یا CVI هم صحبت کرد. درباره این شاخص‌ها بعداً توضیح میدم؛ فعلاً بریم سراغ یک یافته جالب. رفتم سراغ دیتابیس Scopus و هرکدام از این دو شاخص را جداگانه جست‌وجو کردم. در جست‌وجوی سوم هم دنبال مقالاتی گشتم که هر دو را با هم به کار برده‌اند. اول CVR: ABS("Content Validity Ratio") این عبارت در چکیده ۱۶۷۱ رکورد دیده می‌شود. ایران با ۸۵۶ رکورد (بیش از ۵۱٪) با اختلاف در رتبه اول است. بعد از ایران، هند با ۱۲۵، آمریکا با ۱۲۴، کره جنوبی با ۱۰۹ و برزیل با ۹۳ رکورد قرار دارند. حالا CVI: ABS("Content Validity Index") از ۶۸۳۱ رکورد، ایران با ۱۰۳۲ رکورد (بیش از ۱۵٪) باز هم رتبه اول را دارد. برزیل (۱۰۰۴)، چین (۹۴۹)، آمریکا (۷۵۰) و ترکیه (۵۶۵) در رتبه‌های بعدی‌اند. البته CVI امروزی با آنچه لاوشه مطرح کرده تفاوت‌هایی دارد که بعداً به آن می‌پردازم. اما بخش جالب‌تر، جست‌وجوی همزمان این دو شاخص است: ABS("Content Validity Index" AND "Content Validity Ratio") از ۱۰۲۷ رکورد بازیابی‌شده، ۷۳۳ رکورد (بیش از ۷۱٪) متعلق به ایران است! بعد از ایران و با فاصله‌ای چشمگیر، آمریکا (۵۸)، مالزی (۴۹)، هند (۴۷) و استرالیا (۴۶) قرار دارند. حالا سؤال جالب اینجاست: چرا پژوهشگران ایرانی این‌قدر به این دو سنجه، بخصوص CVR، علاقه دارند؟ آیا این شاخص‌ها هنوز در پژوهش‌های روز دنیا جایگاه و اعتبار دارند؟ چه شاخص‌های جایگزینی برایشان وجود دارد؟ در پست دیگری سعی می‌کنم به این سؤال‌ها پاسخ بدم. #Research #my_discovery 🆔 @irevidence

▫️اصول نگارش علمی و انتشار آثار زیست‌پزشکی: راهنمای سردبیران JAMA برای نویسندگان عنوان انگلیسی: Principles of Scientific Writing and Biomedical Publication: A JAMA Editors Guide for Authors راستش یه کم عجیب است که کتابی به این خوبی در سال ۲۰۲۴ منتشر شده و من تازه دارم باهاش آشنا می‌شوم! کافیست چند پاراگراف اول فصل اول را بخوانید تا کیفیت بالای کار دستتان بیاید. این کتاب یک راهنمای کاملاً کاربردی برای تقریباً تمام مسیر تبدیل یک پژوهش به مقاله چاپ‌شده است؛ از شکل‌دادن به استدلال علمی و نوشتن مقاله گرفته تا انتخاب مجله، ارسال مقاله، فرآیند داوری، پاسخ‌دادن به داوران و در نهایت انتشار. هدفش هم فقط آموزش انگلیسی آکادمیک نیست، بلکه می‌خواهد نشان بدهد یک مقاله‌ علمیِ قابل‌چاپ از نگاه سردبیرها دقیقاً چه شکلی باید باشد. چیزی که این کتاب را متفاوت می‌کند همین نگاه سردبیری آن است. نویسندگانش سردبیران فعلی یا سابق مجلات مهم زیست‌پزشکی هستند، از جمله JAMA و مجلات شبکه JAMA، یا افرادی با تجربه‌ی طولانی در حوزه‌ نشر زیست‌پزشکی. کتاب ۴۱ فصل دارد و روی‌هم‌رفته نویسندگانش سابقه‌ خیلی زیادی در چاپ مقاله و سردبیری مجلات علمی دارند. به نظر من ارزش اصلی کتاب این است که سه موضوعی را که معمولاً جدا از هم آموزش داده می‌شوند، یک‌جا کنار هم گذاشته: نگارش علمی (Scientific Writing)، فرآیند انتشار (Publication Process)، و اخلاق نشر (Publication Ethics). یعنی خواننده فقط یاد نمی‌گیرد چطور جمله‌ها یا بخش Discussion را بهتر بنویسد، بلکه می‌فهمد سردبیر و داور وقتی دارند مقاله را داوری می‌کنند دقیقاً دنبال چه چیزهایی هستند. یک نکته‌ خوب دیگر این‌ است که کتاب فقط روی "چطور بنویسیم" تمرکز نکرده. مثلاً فصل‌های مجزایی دارد درباره‌ انتخاب مجله، پرهیز از اغراق در بیان نتایج، استفاده از جدول و شکل، پاسخ‌دادن به داوران، مشکلاتی که سردبیرها ازشان بیزارند، معیارهای نویسندگی، سرقت علمی، تعارض منافع، و پری‌پرینت. تازه نگم برایتان که بصورت اوپن اکسس و رایگان توسط انتشارات آکسفورد منتشر شده است. این یعنی نور ‌علی ‌نور! 🔗 برای دانلود به این لینک مراجعه کنید: https://academic.oup.com/book/58841 #book #academic_writing #publishing  🆔 @irevidence

▫️فاصله بین ادعا و عمل در اشتراک‌گذاری داده‌های پژوهشی مقاله‌ای از مجله JASIST می‌خواندم که درباره طراحی ابزاری برای شناسایی رفرنس‌های جعلی تولیدشده توسط مدل‌های زبانی بزرگ بود و نویسندگان ادعا کرده بودند که دقت ابزارشان خیلی بالاست. در بخش Data Availability…

▫️مترجم ChatGPT قبلاً باید پرامپت می‌دادیم تا ChatGPT متنی را ترجمه کند. اما به‌تازگی سرویس مترجم‌اش راه افتاده که شبیه Google Translate است. یعنی هر متنی را بدید، بصورت بلادرنگ و بدون نیاز به پرامپت، سریعاً به زبان مقصد ترجمه می‌کند. بیش از 40 زبان را پشتیبانی می‌کند که خوشبختانه یکی از آن‌ها زبان فارسی است. 🔗برای استفاده به لینک زیر بروید: https://chatgpt.com/translate/ #AI #ChatGPT #translation 🆔 @irevidence

Evidence pinned a video

▫️فیلم ضبط شده وبینار غربالگری، استخراج داده و ارزیابی خطر سوگیری با Rayyan این وبینار در 11 مرداد 1405 برگزار شد. فیلم آن ضبط شد و مورد ویرایش قرار گرفت. اگر دوست داشتید می‌توانید از طریق لینک زیر تهیه فرمایید. https://pay.evidence.ir/link/776594 مدت زمان فیلم: 1 ساعت و 34 دقیقه حجم: 536 مگابایت نمونه کیفیتِ فیلم ضبط شده را می‌توانید مشاهده کنید. 🎁 کد تخفیف 15 درصدی برای 5 نفر اول: rayyan15 #rayyan 🆔 @irevidence

▫️توئیکینگ: خطرناک‌ترین نوعِ تقلب علمی دانشگاه MIT به تازگی کتابی را منتشر کرده که نگاه جدیدی دارد به مقوله تقلب در پژوهش و بحران اعتبار علم. این کتاب را Thomas Plümper و Eric Neumayer نوشته‌اند: The Credibility Crisis in Science: Tweakers, Fraudsters, and the Manipulation of Empirical Results   دو نوع تقلب در پژوهش وجود دارد که خیلی آشکار و واضح هستند و در غیراخلاقی بودن آنها شکی نیست. یکی داده‌سازی (Data Fabrication) است؛ یعنی ساختن داده‌هایی که اصلاً وجود ندارند و دیگری دستکاری داده‌ها (Data Manipulation)؛ یعنی داده وافعی وجود دارد ولی پژوهشگر آنها را تغییر می‌دهد تا نتیجه دلخواهش حاصل شود. اما نویسندگان، Tweaking را نوع سوم و البته خطرناک‌ترین نوع تقلب می دانند. یک پژوهشگر در Tweaking، بدون اینکه که داده‌ها را بطور مستقیم تغییر دهد، می‌آید طراحی پژوهش یا مدل آماری را طوری تغییر می‌دهد که نتیجه دلخواهش بدست آید. حذف داده‌های نامناسب، تغییر تعریف متغیرها، انتخاب زیرنمونه خاص، اضافه یا حذف متغیرهای کنترل، آزمودن مدل‌های متعدد و انتشار فقط نتایج معنادار، همگی می‌توانند نتیجه را تغییر دهند. همچنین پژوهشگر ممکن است پس از مشاهده داده‌ها، فرضیه‌ای بسازد، اما در مقاله وانمود کند که فرضیه از ابتدا وجود داشته است؛ رفتاری که HARKing نام دارد (Hypothesizing After Results are Known). هدف اصلی معمولاً افزایش معنی‌داری آماری، بزرگ‌تر شدن اندازه اثر و تأیید فرضیه پژوهشگر است پژوهشگران ممکن است برای کسب منافع شخصی مانند چاپ مقاله بیشتر، چاپ در مجلات معتبرتر، افزایش استناد، گرفتن گرنت، ارتقای شغلی، افزایش حقوق و شهرت علمی دست به توئیک بزنند.   چرا توئیک خطرناک‌تر است؟ چون بسیار رایج‌تر است، کشف آن بسیار دشوار است، معمولاً مجازاتی ندارد و ظاهر آن کاملاً علمی است. به همین دلیل نویسندگان معتقدند: بزرگ‌ترین تهدید برای اعتبار علم، توئیک است؛ نه داده‌سازی. تعریف تقلب علمی از نگاهی دیگر نویسندگان تعریف دیگری از تقلب علمی ارائه می‌دهند که متفاوت از تعاریف موجود است: تقلب علمی یعنی هر گونه دستکاری عمدی نتایج آماری برای کسب منفعت پژوهشگر. بنابراین معیار اصلی قصد است، نه نوع روش.     عناوین بخش‌ها و فصول کامل کتاب در ادامه آمده است. بخش سوم کتاب، در خصوص مقابله با تقلب است که راهکارهای مفیدی را ارائه کرده است. راه‌حل محوری نویسندگان، شفافیت است: انتشار داده خام، کد تحلیل، روش‌ها و تمام تصمیم‌های پژوهشی. هر پژوهش باید از سه جهت ارزیابی شود: بازتولیدپذیری با همان داده و کد (Reproducibility)، تکرارپذیری با داده‌های جدید (Replicability)، و استحکام (Robustness Test) در برابر تغییرات منطقی مدل. بخش اول: آیا علم دچار بحران شده است؟ ۱. سلامت پژوهش (Scientific Integrity) و نارضایتی‌های پیرامون آن ۲. انگیزه‌های متقلبان ۳. نوکِ نوکِ کوه یخ ۴. عوامل کشف تخلف بخش دوم: درجات آزادی پژوهشگر (Researcher Degrees of Freedom) ۵. توئیکینگ در تحلیل داده‌های مشاهده‌ای ۶. توئیکینگ در طرح‌های پژوهش تجربی ۷. توئیکینگ در مدل‌های علّی بخش سوم: مقابله با تقلب ۸. سیاست‌های بازدارندگی ۹. برنامه‌های پیشگیری ۱۰. راهبردهای کشف ۱۱. دو گام به پیش ۱۲. و یک گام به عقب #research_ethics #research_misconduct #book 🆔 @irevidence

▫️بر اساس نتایج به‌دست‌آمده با جست‌وجوی استراتژی زیر در اسکوپوس: TITLE-ABS-KEY ("Based on the obtained results") تعداد 7784 رکورد بازیابی می‌شود که 1488 مورد (حدود 20 درصد) آن به نویسندگان ایرانی تعلق دارد. پس از ایران، کشورهای لهستان با 824 رکورد، چین با 674، روسیه با 636، هند با 366، صربستان با 307 و ژاپن با 289 رکورد در رتبه‌های بعدی قرار دارند. اما نکته زبانی چیست؟ در بافت پژوهشی، واژه results معمولاً به یافته‌ها یا داده‌هایی اشاره می‌کند که از اجرای روش پژوهش و تحلیل داده‌ها به دست آمده‌اند. بنابراین، obtained در عبارت Based on the obtained results اطلاعات تازه‌ای اضافه نمی‌کند و تا حدی حشوآمیز است؛ چون از خودِ واژه results و بافت مقاله مشخص است که این نتایج به دست آمده‌اند. به‌جای آن می‌توانیم از عباراتی مثل این‌ها استفاده کنیم: Based on these results … Based on the results … The results indicate that … The findings suggest that … These findings show that … البته این عبارات همیشه از نظر ساختار و معنا کاملاً جایگزین هم نیستند. مثلاً Based on these results یعنی "بر اساس این نتایج"، اما The results indicate that یعنی "نتایج نشان می‌دهند که…". اما نمودار پیوست را ببینید. سال ۲۰۲۳ اوج استفاده از این عبارت در مقالات ایرانی بوده است؛ اما در سال‌های ۲۰۲۴، ۲۰۲۵ و ۲۰۲۶، کاربرد آن افت چشمگیری پیدا کرده است. احتمالاً یکی از علل این کاهش، رواج استفاده از مدل‌های زبانی بزرگ برای ترجمه فارسی به انگلیسی است. چون این مدل‌ها معمولاً این نکته زبانی را رعایت می‌کنند. چندین پست از این جنس، قبلاً در این کانال ارسال شده است که با دنبال کردن هشتگ #my_discovery می‌توانید به آن‌ها دسترسی داشته باشید. این‌ها مهم‌ترین کشفیات زندگی‌ام هستند! #my_discovery #academic_writing 🆔 @irevidence

▫️فاصله بین ادعا و عمل در اشتراک‌گذاری داده‌های پژوهشی مقاله‌ای از مجله JASIST می‌خواندم که درباره طراحی ابزاری برای شناسایی رفرنس‌های جعلی تولیدشده توسط مدل‌های زبانی بزرگ بود و نویسندگان ادعا کرده بودند که دقت ابزارشان خیلی بالاست. در بخش Data Availability Statement هم نوشته بودند: The reference verification application and source code can be downloaded from https://claricite.com رفتم آن سایت، دیدم نوشته‌اند فعلاً در حال اصلاحش هستیم و بعداً دوباره در دسترس قرارش می‌دهیم. البته گفته بودند اگر کسی خواست، ایمیل بزند تا نسخه پیش‌انتشار (Pre-release) را همراه با مستندات در اختیارش بگذارند. من هم ایمیل زدم، ولی هنوز هیچ پاسخی نگرفته‌ام. این ماجرا من را یاد مقاله‌ای در Journal of Clinical Epidemiology انداخت: Many researchers were not compliant with their published data sharing statement: a mixed-methods study (Link) در این پژوهش، محققان به ۱۷۹۲ نویسنده ایمیل زدند؛ به همان نویسندگانی که در مقاله‌شان نوشته بودند اگر درخواست بدهید، داده‌های پژوهش را در اختیارتان قرار می‌دهیم. اما نتیجه واقعاً جالب بود: ۸۱٫۵ درصد (۱۴۶۱ نفر) اصلاً هیچ پاسخی ندادند. ۴٫۳ درصد (۷۷ نفر) ایمیلشان برگشت خورد. فقط ۱۴٫۲ درصد (۲۵۴ نفر) به ایمیل پاسخ دادند. از بین همین ۲۵۴ نفر هم فقط ۱۲۳ نفر داده‌ها را ارسال کردند و ۱۳۱ نفر با وجود پاسخ دادن، داده‌ای در اختیار پژوهشگران نگذاشتند. یعنی در نهایت، حدود ۹۳٪ از نویسندگان یا اصلاً به ایمیل پاسخ ندادند، یا پاسخ دادند اما داده‌ها را ارسال نکردند. بنابراین، صرف نوشتن یک Data Availability Statement در مقاله، هیچ تضمینی برای اشتراک‌گذاری واقعی داده‌ها نیست. گاهی بین آنچه در مقاله نوشته می‌شود و آنچه در عمل اتفاق می‌افتد، فاصله قابل‌توجهی وجود دارد. به نظر می‌رسد بحران شفافیت داده‌ها جدی‌تر از آن چیزی است که تصور می‌کنیم. #Research 🆔 @irevidence

🔘 عنوان وبینار: غربالگری، استخراج داده و ارزیابی خطر سوگیری با Rayyan ⌛️ تاریخ برگزاری: یکشنبه 11 مرداد 1405 ⏰ ساعت برگزاری: 17:30 تا 19:30 👨🏻‍🏫 مدرس: رسول معصومی آخرین بار در ۲۵ خرداد ۱۴۰۳ وبیناری با عنوان «غربالگری آسان مقالات با سامانه Rayyan» برگزار کردم. طی بیش از دو سال گذشته، این سامانه پیشرفت‌های چشمگیری داشته است. Rayyan اکنون علاوه بر غربالگری مقالات، از دو مرحله مهم دیگر در مرورهای نظام‌مند، یعنی استخراج داده‌ها و ارزیابی خطر سوگیری (فعلاً برای ابزار RoB 2) نیز پشتیبانی می‌کند. همچنین قابلیت‌ها و امکانات متعددی به آن اضافه شده که مهم‌ترین آن‌ها، بهره‌گیری از هوش مصنوعی در بخش‌های مختلف این سامانه است. در این وبینار، ضمن آشنایی با قابلیت‌های جدید Rayyan، به‌صورت عملی با امکانات آن برای غربالگری، استخراج داده‌ها و ارزیابی خطر سوگیری آشنا خواهیم کرد و نکات و ترفندهای کاربردی استفاده از این سامانه را یاد خواهیم گرفت. به‌روزرسانی (11-5-1405) مهلت ثبت‌نام تمام شد. اگر نتوانستید در وبینار شرکت کنید، بجای آن می‌توانید فیلم ضبط شده را تهیه کنید که بعداً اطلاع‌رسانی خواهد شد. 🆔 @irevidence

▫️دوازده نکته برای آموزش مهارت‌های پژوهشی در عصر هوش مصنوعیِ عامل‌محور: راهنمایی برای مدرسان حرفه‌های سلامت مقاله زیر در 7 جولای 2026 در مجله Medical Teacher منتشر شده است: Twelve tips for teaching research skills in the age of agentic AI: A guide for health professions educators متن کامل را در پیوست این پست بخوانید و اما خلاصه‌ای از 12 نکته:    1. فرض را بر این بگذارید که دانشجویان از AI استفاده می‌کنند؛ به‌جای ممنوعیت، استفاده از آن را در قالب چارچوب‌های مشخص سامان‌دهی کنید. شواهد نشان می‌دهد بسیاری از دانشجویان از AI استفاده می‌کنند. بنابراین، به جای منع کامل، باید مشخص شود کدام فعالیت‌های پژوهشی با کمک AI مجاز است، کدام مهارت‌ها ابتدا باید بدون AI آموخته شوند و دانشجو چگونه استفاده از AI را مستند و راستی‌آزمایی کند.    2. چشم‌انداز هوش مصنوعی در پژوهش را برای دانشجویان ترسیم کنید. دانشجویان باید بدانند AI از ابزارهای کمکی ساده تا عامل‌های خودمختار را دربرمی‌گیرد. همچنین لازم است تفاوت بین کارهایی که AI به‌خوبی انجام می‌دهد و وظایفی که همچنان به قضاوت، تجربه و تعامل انسانی نیاز دارند را بشناسند.    3. چارچوبی برای سطوح مختلف نظارت انسان بر AI آموزش دهید. به دانشجویان بیاموزید که برخی وظایف هرگز نباید به AI واگذار شوند، برخی نیازمند بررسی مداوم انسان هستند (human-in-the-loop) و در برخی موارد تنها نظارت کلی کافی است (human-on-the- loop). بدون درک یک فرایند، نظارت مؤثر بر عملکرد AI نیز امکان‌پذیر نیست.    4. درباره خطر "دید تونلی پژوهشی" ناشی از AI هشدار دهید. هوش مصنوعی ممکن است منابع جعلی، تحلیل‌های نادرست یا متن‌های روان اما فاقد استدلال علمی تولید کند. همچنین معمولاً پژوهش را به سمت موضوعات داده‌محور سوق می‌دهد و مسائل انسانی، اخلاقی و عدالت سلامت را کمتر مورد توجه قرار می‌دهد.    5. تدوین سؤال پژوهش و اخلاق پژوهش را به‌عنوان مهارت‌های غیرقابل واگذاری حفظ کنید. انتخاب اینکه چه سؤالی ارزش تحقیق دارد و تصمیم‌گیری درباره ملاحظات اخلاقی، حریم خصوصی، رضایت آگاهانه و پیامدهای پژوهش باید همواره بر عهده پژوهشگر باشد؛ AI فقط می‌تواند در نگارش یا سازمان‌دهی این موارد کمک کند.  6. تفسیر آماری را مهم‌تر از انجام محاسبات بدانید. با توجه به اینکه AI می‌تواند بسیاری از محاسبات و کدنویسی‌های آماری را انجام دهد، آموزش باید بر درک نتایج، تشخیص سوگیری‌ها، ارزیابی طراحی مطالعه و تفسیر صحیح یافته‌های آماری متمرکز شود.    7. آموزش پژوهش‌های کیفی و مبتنی بر زمینه را حفظ کنید. اگرچه AI در کدگذاری داده‌های کیفی کمک‌کننده است، اما هنوز نمی‌تواند تفسیر عمیق، درک زمینه، تأمل‌ورزی انتقادی و قضاوت پژوهشگر را جایگزین کند. بنابراین آموزش روش‌های کیفی باید همچنان بخش مهمی از برنامه درسی باشد.    8. ارزیابی نقادانه را به مهم‌ترین مهارت پژوهشی تبدیل کنید.   دانشجویان باید بتوانند نه ‌تنها مقالات علمی، بلکه خلاصه‌ها، تحلیل‌ها، پروتکل‌ها و متن‌های تولیدشده توسط AI را از نظر صحت منابع، استدلال، شواهد و اهمیت عملی به‌صورت نقادانه بررسی کنند.    9. راستی‌آزمایی خروجی‌های AI را به یک عادت آموزشی تبدیل کنید.   دانشجویان باید به‌طور منظم استنادها، خلاصه‌ها، کدها، تحلیل‌های آماری و نتایج تولیدشده توسط AI را با منابع اصلی تطبیق دهند و این فرایند را مستند کنند تا راستی‌آزمایی بخشی از رفتار حرفه‌ای پژوهش باشد.    10. نگارش پرامپت و دستوردهی به عامل‌های AI را مانند طراحی پژوهش آموزش دهید.   پژوهشگران آینده باید بیاموزند چگونه دستورهای دقیق، هدفمند و دارای زمینه کافی برای AI طراحی کنند و در صورت استفاده از عامل‌های هوشمند، جریان کار و نقاط مداخله انسانی را نیز مشخص نمایند.    11. افشای استفاده از AI، نویسندگی و مسئولیت‌پذیری را جزئی از حرفه‌گرایی پژوهشی بدانید.   دانشجویان باید بدانند استفاده از AI باید شفاف گزارش شود، AI نویسنده مقاله محسوب نمی‌شود و مسئولیت علمی و اخلاقی تمام محتوای منتشرشده همواره بر عهده پژوهشگران انسانی است.    12. ارزشیابی پژوهش را بازطراحی کنید تا عملکرد واقعی دانشجو مشخص باشد.   روش‌های ارزیابی باید به گونه‌ای طراحی شوند که هم توانایی مستقل دانشجو و هم نحوه استفاده مسئولانه او از AI قابل سنجش باشد؛ به‌ویژه در مهارت‌هایی مانند تدوین سؤال پژوهش، استدلال علمی، تفسیر نتایج و ارزیابی نقادانه. خلاصه اینکه: ‏AI آموزشِ پژوهش را منسوخ نمی‌کند، بلکه مهارت‌های موردنیاز آن را تغییر می‌دهد. بنابراین، برنامه‌های آموزشی باید به‌جای ممنوعیت AI، برای استفاده مسئولانه از آن بازطراحی شوند. مهم‌ترین شایستگی پژوهشگر در عصر AI، ارزیابی نقادانه، راستی‌آزمایی و پذیرش مسئولیت نتایجی است که با AI تولید می‌شوند. #AI #Research #tips 🆔 @irevidence

▫️آیا هوش مصنوعی انتشار مقالات علمی را کندتر، بدتر و گران‌تر کرده است؟ جواب پروفسور Herbert Holden Thorp- سردبیر ارشد کل مجلات گروه Science- به سوال فوق، مثبت است. وی در قالب یک سرمقاله در شماره جدید مجله ساینس (Vol 393, Issue 6808) سعی کرده به این موضوع بپردازد که خلاصه‌ای از آن را در ادامه می‌خوانید: دنیل گولدین (Daniel Goldin) مدیر ناسا در دهه 1990 گفته بود: هدف پیشرفت فناوری این است که محصولات را "سریع‌تر، بهتر و ارزان‌تر" (Faster, Better, Cheaper) کند. طرفداران AI نیز همین وعده را می‌دهند؛ اینکه AI، کار پژوهش و انتشار علم را سریع‌تر، بهتر و ارزان‌تر خواهد کرد و انسان‌ها را از بخش زیادی از کارهای تکراری و زمان‌بر رها می‌کند. اما در حوزه انتشار مقالات علمی، واقعیت فعلی تقریباً عکس این وعده است. ‏AI می‌تواند مقاله بنویسد، داده‌ها را تحلیل کند و حتی در طراحی پژوهش کمک کند، ولی اشتباهات زیادی هم تولید می‌کند؛ مثل: ساختن رفرنس‌های جعلی، نتیجه‌گیری‌های نادرست، استدلال ضعیف و حتی رفتارهایی شبیه تخلف پژوهشی، مثل انتخاب گزینشی داده‌ها یا دستکاری تحلیل‌ها برای رسیدن به نتیجه دلخواه. چون این خطاها زیاد شده‌اند، ناشران و داوران باید زمان بیشتری صرف بررسی مقاله‌ها کنند. یعنی: مقاله‌های بیشتری ارسال می‌شود، اما بررسی هر مقاله سخت‌تر و طولانی‌تر شده است و بنابراین هزینه انتشار علمی بالا می‌رود و فرآیند کندتر می‌شود. حتی ابزارهای AI برای تشخیص خطا هم کافی نیستند. ممکن است رفرنس‌های جعلی را پیدا کنند یا سرقت علمی و دستکاری تصویر را تشخیص دهند، اما خودشان هم اشتباه می‌کنند و گاهی مقاله سالم را به اشتباه مشکوک اعلام می‌کنند. بنابراین در نهایت باز هم یک انسان مجبور است همه‌چیز را بررسی کند. اگر جامعه علمی این وضعیت را مدیریت نکند: پژوهش‌های معتبر دیرتر منتشر می‌شوند، اطلاعات جعلی و بی‌کیفیت بیشتر وارد متون علمی می‌شود و در نتیجه اعتماد به علم کاهش پیدا می‌کند. در این فرایند، شرکت‌های سازنده AI سود می‌برند، اما هزینه اضافی بر دوش پژوهشگران، داوران و ناشران می‌افتد. البته که AI دستاوردهای بزرگی داشته است؛ مثلاً در پیش‌بینی ساختار پروتئین‌ها و کشف مواد جدید تحول ایجاد کرده است و حرف این نیست که AI بی‌فایده است، بلکه این است که در فرآیند انتشار مقالات علمی، استفاده گسترده از AI در وضعیت فعلی، بار کاری انسان‌ها را نه تنها کاهش نداده، بلکه حتی آن را افزایش هم داده است. خلاصه اینکه هوش مصنوعی در پژوهش می‌تواند بسیار مفید باشد، اما در نگارش و انتشار مقالات علمی هنوز هزینه نظارت انسانی آن‌قدر بالاست که وعده سریع‌تر، بهتر و ارزان‌تر را محقق نکرده است. #AI #publishing #Science 🆔 @irevidence

▫️ماکس پلانک و شیرین‌کاری انتشارات اشپرینگر ماکس پلانک (1947-1858)، برنده‌ نوبل فیزیک و مشهور به پدر فیزیک کوانتوم، دو مقاله در سال‌های 1940 و 1942در مجله‌ Die Naturwissenschaften منتشر کرده بود. انتشارات Springer Nature در سال 2011 (یعنی بعد از 70 سال) این دو مقاله را به اتهام "نقض کپی‌رایت" ریترکت کرده است. اما حالا در 6 جولای 2026 و بعد از 15 سال اعلام کرده که ببخشید تصمیم‌مان اشتباه بوده و خطای انسانی رخ داده! در قبر هم نمیذارن دانشمندان راحت بخوابند. #retraction #springer 🆔 @irevidence

▫️ آیا دوران چت‌بات‌ها به سر رسیده؟ نسل بعدی هوش مصنوعی در راه است! تا الان شرکت‌های تکنولوژی فکر می‌کردند برای باهوش‌تر کردن هوش مصنوعی، فقط کافیه مدل‌های زبانی (مثل ChatGPT یا Gemini) را بزرگ‌تر کنند و متن‌های بیشتری به خوردشان بدهند. اما این روش کم‌کم دارد به بن‌بست می‌خورد! چرا مدل‌های متنی کافی نیستند؟ بحران داده و انرژی: متن‌های باکیفیت اینترنت در حال تمام شدن است و دیتاسنترها برق وحشتناکی مصرف می‌کنند. فقدان عقل سلیم: این مدل‌ها دنیا را تجربه نمی‌کنند، بلکه فقط کلمه بعدی را حدس می‌زنند! به قول یکی از دانشمندان بزرگ (یان لوکان): «هوشمندترین سیستم‌های فعلی ما حتی از یک گربه خانگی هم خنگ‌ترند!» چون گربه قوانین فیزیک را درک می‌کند، اما هوش مصنوعی نه. 🌟 راه‌حل جدید: ورود به «مدل‌های جهانی» (World Models) به جای اینکه به هوش مصنوعی فقط متن بدهند، دانشمندان در حال ساخت محیط‌های شبیه‌سازی‌شده (مثل بازی‌های ویدیویی) هستند. هوش مصنوعی در این دنیاهای مجازی رها می‌شود تا مثل یک کودک خردسال، با آزمون و خطا قوانین فیزیک، فضا و علت‌ومعلول را یاد بگیرد. شرکت‌هایی مثل گوگل و انویدیا و آزمایشگاه AMI روی این حوزه دارند کار می‌کنند. 💡در آینده چه اتفاقی می‌افتد؟ احتمالاً مدل‌های متنی و مدل‌های جهانی با هم ترکیب می‌شوند. یعنی در آینده با هوش مصنوعی‌ای روبرو می‌شویم که هم خوب حرف می‌زند (مثل چت‌بات‌های فعلی) و هم مثل انسان، دنیای فیزیکی اطرافش را کاملاً درک می‌کند. متن کامل مقاله را در مجله Science بخوانید. عنوان مقاله کلمات در برابر دنیاها است (Words vs. worlds) و به قلم Matthew Hutson نوشته شده. (لینک) #AI #LLM 🆔 @irevidence

▫️مجله CA: A Cancer Journal for Clinicians و چرایی عامل تأثیر شگفت‌انگیز آن چندین سال است که مجله CA: A Cancer Journal for Clinicians از نظر عامل تأثیر (IF) در رتبه نخست قرار دارد. در JCR نسخه 2026، IF این مجله به عدد چشمگیر 685.2 رسیده است. این عدد در سال گذشته 232.4 و در سال قبل از آن 521.6 بود. در رتبه دوم، مجله Nature Reviews Molecular Cell Biology با عامل تأثیر 118 قرار دارد و رتبه سوم به The Lancet با عامل تأثیر 109 تعلق گرفته است. به این ترتیب، IF مجله CA حدود شش برابرِ مجله دوم و بیش از شش برابرِ مجله سوم است. سوال اصلی این است: چرا IF این مجله تا این اندازه بالاست؟ برای پاسخ، باید به شیوه محاسبه IF نگاه کنیم. IF یک کسر است:. مخرج کسر، تعداد مقالات قابل استناد منتشرشده در دو سال قبل از سال گزارش است؛ یعنی مقالات اصیل و مروری منتشرشده در سال‌های 2023 و 2024. مجله CA در این دو سال، 40 مقاله قابل استناد منتشر کرده است. بنابراین عدد مخرج، 40 است. صورت کسر، مجموع استنادهایی است که در سال 2025 به همه مقالات منتشرشده در سال‌های 2023 و 2024 داده شده است. این عدد برای مجله CA برابر با 27,406 استناد است. اگر 27,406 را بر 40 تقسیم کنیم، عدد 685.2 به دست می‌آید؛ همان IF مجله. نکته مهم این است که در صورت کسر، استنادهای همه انواع مقالات، از جمله ادیتوریال، نامه‌ها و غیره، محاسبه می‌شود؛ اما در مخرج فقط مقالات اصیل و مروری قرار می‌گیرند. بنابراین IF از نظر آماری همه ویژگی‌های یک میانگین حسابی دقیق را ندارد، چون صورت و مخرج آن کاملاً هم‌جنس نیستند. از سوی دیگر، می‌دانیم که میانگین به‌شدت از داده‌های پرت اثر می‌پذیرد. اگر در یک مجموعه داده، چند مقدار بسیار بزرگ وجود داشته باشد، میانگین به‌طور جدی منحرف می‌شود و دیگر نماینده مناسبی برای کل داده‌ها نیست. در چنین شرایطی، میانه معمولاً تصویر دقیق‌تری از وضعیت کلی ارائه می‌دهد. در مجله CA، چند مقاله سهم بسیار بزرگی در استنادها دارند: 1. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries (15,335) 2. Cancer statistics, 2024 (5,605) 3. Cancer statistics, 2023 (2,894) 4. Colorectal cancer statistics, 2023 (1,222) 5. Breast cancer statistics, 2024 (457) هر پنج مقاله درباره آمار سرطان‌اند. مقاله اولی 15,335 استناد دارد؛ یعنی به‌تنهایی باعث افزایش 384 واحدی IF مجله شده است. به بیان دیگر، 56 درصد IF مجله حاصل فقط یک مقاله است. مقاله دوم نیز حدود 140 واحد و مقاله سوم حدود 72 واحد به IF مجله افزوده‌اند. از مجموع 27,406 استناد، سهم سه مقاله اولی 23,834 استناد است؛ یعنی حدود 87 درصد کل استنادها. اگر این سه مقاله را حذف کنیم، ضریب تأثیر مجله از 685.2 به حدود 96 سقوط می‌کند. اگر پنج مقاله پراستناد را با هم در نظر بگیریم، مجموع استنادهای آن‌ها به 25,513 می‌رسد؛ یعنی حدود 93 درصد کل استنادهای مجله. بنابراین بخش عمده IF مجله CA محصول تعداد بسیار اندکی مقاله است، نه عملکرد یکنواخت همه مقالات مجله. این موضوع وقتی روشن‌تر می‌شود که به میانه استنادها نگاه کنیم. میانه استنادهای مجله CA فقط 31 است. در مقابل، مجله Nature Reviews Molecular Cell Biology با اینکه IF بسیار کمتری نسبت به CA دارد، یعنی 118، اما میانه استنادهایش 66.5 است؛ بیش از دو برابر مجله CA. حتی میانه استنادهای The Lancet نیز از CA بالاتر است. هرچه میانه به میانگین نزدیک‌تر باشد، توزیع داده‌ها نرمال‌تر و چولگی کمتر است. اما توزیع استنادها در بسیاری از مجلات چولگی مثبت دارد؛ یعنی تعداد کمی از مقالات، استنادهای بسیار زیادی دریافت می‌کنند، در حالی که بیشتر مقالات، استنادهای نسبتاً کمی دارند. این چولگی در برخی مجلات، مانند CA، بسیار شدیدتر است. بنابراین در تفسیر IF باید محتاط بود. بالا بودن IF یک مجله لزوماً به این معنا نیست که همه مقالات آن از مقالات مجلاتی با IF پایین‌تر بهترند. این مثال همچنین نشان می‌دهد که برای ارزیابی یک مقاله، نباید به IF مجله تکیه کرد. ارزیابی مقاله باید بر پایه شاخص‌های سطح مقاله انجام شود، نه شاخص‌های سطح مجله. البته علاوه بر شاخص‌های کمی، باید شاخص‌های کیفی هم برای ارزیابی مقاله مورد استفاده قرار بگیرند. خود Clarivate نیز بر همین نکته تأکید می‌کند: شاخص‌هایی مانند JIF برای ارزیابی عملکرد مجله طراحی شده‌اند، نه برای سنجش کیفیت تک‌تک مقالات یا عملکرد پژوهشگران. #research_metrics #impactfactor #JCR #webofscience #journal #clarivate 🆔 @irevidence

📊 گزارش جدید JCR 2026 و وضعیت مجلات ایرانی گزارش استنادی مجلات 2026 به‌تازگی منتشر شده است. در این پست نگاهی کوتاه دارم به وضعیت مجلات ایرانی. در مجموع، 163 مجله از ایران در JCR 2026 فهرست شده‌اند. توزیع مجلات ایرانی بر اساس چارک استنادی: ‏Q1: تعداد 9 مجله | 5.5٪ ‏Q2: تعداد 19 مجله | 11.7٪ ‏Q3: تعداد 36 مجله | 22.1٪ ‏Q4: تعداد 95 مجله | 58.3٪ بدون Q: تعداد 4 مجله | 2.5٪ بنابراین، بیش از 80 درصد مجلات ایرانی در چارک‌های سوم و چهارم قرار دارند. از سوی دیگر، بیش از 17 درصد نیز در چارک‌های اول و دوم جای گرفته‌اند. توزیع بر اساس نمایه استنادی: ‏ESCI: تعداد 123 مجله | 75.5٪ ‏SCIE: تعداد 39 مجله | 23.9٪ ‏SCIE, SSCI: تعداد 1 مجله | 0.6٪ بیش از سه‌چهارم مجلات ایرانی در نمایه استنادی منابع نوظهور (ESCI) قرار دارند. در نمایه استنادی هنر و علوم انسانی (AHCI) هیچ مجله‌ای از ایران دیده نمی‌شود و در نمایه استنادی علوم اجتماعی (SSCI) نیز تنها یک مجله حضور دارد که هم‌زمان در نمایه استنادی علوم (SCIE) هم نمایه شده است. 10 مجله ایرانی با بالاترین JIF 1. Journal of Nanostructure in Chemistry ‎ناشر: OICC Press | JIF: 19.2 | Q1 2. International Journal of Health Policy and Management ‎‌‏ناشر: د.ع.پ کرمان | JIF: 4.9 | Q1 3. Civil Engineering Journal-Tehran ‎‌‏ناشر: CEJ Publishing Group | JIF: 4.9 | Q1 4. Advanced Pharmaceutical Bulletin ‎‌‏ناشر: د.ع.پ تبریز | JIF: 4.7 | Q1 5. Health Promotion Perspectives ‌‎‌‏ناشر: د.ع.پ تبریز | JIF: 4.4 | Q1 6. International Journal of Environmental Research ‌‎‌‏ناشر: Springer | JIF: 4.3 | Q2 7. Journal of Environmental Health Science and Engineering ‎‌‏ناشر: Springer | JIF: 3.9 | Q3 8. Journal of Applied and Computational Mechanics ‎‌‏ناشر: دانشگاه شهید چمران اهواز | JIF: 3.5 | Q2 9. International Journal of Environmental Science and Technology ‎‌‏ناشر: Springer | JIF: 3.4 | Q3 10. Iranian Journal of Basic Medical Sciences ‎‌‏ناشر: د.ع.پ مشهد | JIF: 3.2 | Q2 عدد خام IF به تنهایی ارزش خاصی ندارد، رتبه و صدک مجله در یک طبقه موضوعی مهم‌تر است. مثلاً مجلات شماره 7 و 9 با اینکه IF بالایی دارند ولی در Q3 قرار دارند. تنها مجله ایرانی که در بین 10 درصد برتر مجلات طبقه موضوعی خود در جهان قرار گرفته، Journal of Nanostructure in Chemistry با صدک 92.9 است. 9 مجله Q1 ایرانی: 1. Journal of Nanostructure in Chemistry | IF: 19.2 2. Iranian Journal of Fuzzy Systems | IF: 1.6 3. Health Promotion Perspectives | IF: 4.4 4. International Journal of Health Policy and Management | IF: 4.9 5. Journal of Mathematics and Computer Science-JMCS | IF: 1.5 6. Civil Engineering Journal-Tehran | IF: 4.9 7. Journal of Research in Applied Linguistics | IF: 2.4 8. Advanced Pharmaceutical Bulletin | IF: 4.7 9. Bulletin of the Iranian Mathematical Society | IF: 1.2 نکته قابل توجه، حضور دو مجله ریاضی در فهرست مجلات Q1 ایران است.‌‌‌‌‌ ‎ #research_metrics #impactfactor #JCR #webofscience #journal #clarivate 🆔 @irevidence

‏📊 CiteScore 2025 و وضعیت مجلات ایرانی در اسکوپوس متأسفانه در بخش Sources پایگاه اسکوپوس، فیلتری برای محدود کردن مجلات به یک کشور خاص وجود ندارد. به همین دلیل، فهرست مجلات ایرانی نمایه‌شده در اسکوپوس را از پایگاه Scimago استخراج کردم، سپس شماره‌های ISSN آن‌ها را جدا نموده و در قالب دسته‌های 25تایی برای جست‌وجو در اسکوپوس آماده کردم. در نهایت، 398 مجله ایرانی بازیابی شد. 🔝 10 مجله ایرانی با بالاترین CiteScore 1. International Journal of Health Policy and Management ‎دانشگاه علوم پزشکی کرمان CiteScore: 8 (Q1) 2. Journal of Applied and Computational Mechanics ‎دانشگاه تهران CiteScore: 7.9 (Q2) 3. Advanced Pharmaceutical Bulletin ‎دانشگاه علوم پزشکی تبریز CiteScore: 7.7 (Q1) 4. Civil Engineering Journal ‎مؤسسه آموزش عالی صالحان CiteScore: 7.3 (Q1) 5. Journal of Soft Computing in Civil Engineering ‎ انتشارات پویان CiteScore: 6.3 (Q1) 6. Global Journal of Environmental Science and Management ‎ مستقل CiteScore: 5.8 (Q1) 7. Journal of Advances in Medical Education and Professionalism ‎دانشگاه علوم پزشکی شیراز CiteScore: 5.5 (Q1) 8. Progress in Color, Colorants and Coatings ‎پژوهشگاه رنگ CiteScore: 5.3 (Q2) 9. Iranian Journal of Basic Medical Sciences ‎دانشگاه علوم پزشکی مشهد CiteScore: 5.2 (Q2) 10. International Journal of Engineering, Transactions A: Basics ‎پژوهشگاه مواد و انرژی CiteScore: 5.1 (Q1) سه مجله با اینکه CiteScore بالایی دارند ولی در چارک دوم قرار گرفته‌اند. 📈 توزیع مجلات ایرانی در چارک‌های استنادی 🔹 چارک اول (Q1): 31 مجله (7.8٪) 🔹 چارک دوم (Q2): 68 مجله (17.1٪) 🔹 چارک سوم (Q3): 159 مجله (40٪) 🔹 چارک چهارم (Q4): 139 مجله (34.9٪) 🔹 بدون چارک: 1 مجله (به دلیل توقف نمایه‌سازی در اسکوپوس) در مجموع، حدود 75 درصد مجلات ایرانی (298 عنوان) در چارک‌های سوم و چهارم قرار دارند و 25 درصد (99 عنوان) در چارک‌های اول و دوم جای گرفته‌اند. این نسبت در سال گذشته به‌ترتیب 78 درصد و 22 درصد بود؛ بنابراین اندکی بهبود را نشان می دهد. 🌟 10 مجله ایرانی برتر بر اساس بالاترین صدک موضوعی: ده مجله ایرانی در بین 10 درصد برتر مجلات حوزه موضوعی خود قرار دارند؛ به این معنا که عملکرد آن‌ها از دست‌کم 90 درصد مجلات هم‌رشته در سطح جهان بهتر بوده است. 1. Archives of Academic Emergency Medicine — صدک 97 | CiteScore: 4.4 2. International Journal of Health Policy and Management — صدک 94 | CiteScore: 8.0 3. Advanced Pharmaceutical Bulletin — صدک 93 | CiteScore: 7.7 4. Journal of Soft Computing in Civil Engineering — صدک 93 | CiteScore: 6.3 5. Journal of Advances in Medical Education and Professionalism — صدک 93 | CiteScore: 5.5 6. Persica Antiqua — صدک 93 | CiteScore: 1.1 7. Global Journal of Environmental Science and Management — صدک 92 | CiteScore: 5.8 8. Journal of Medical Ethics and History of Medicine — صدک 91 | CiteScore: 1.5 9. Iranian Journal of Language Teaching Research — صدک 90 | CiteScore: 3.7 10. International Journal of Community Based Nursing and Midwifery — صدک 90 | CiteScore: 3.8 🏅 بالاترین صدک (97) متعلق به Archives of Academic Emergency Medicine از انتشارات دانشگاه علوم پزشکی شهید بهشتی است. همچنین مجله Persica Antiqua متعلق به گروه پژوهشی باستان‌کاوی تیسافرن، با وجود CiteScore برابر با 1.1، در صدک 93 حوزه «ادبیات و نظریه ادبی» قرار گرفته است. 📌 یک نکته مهم بالاتر بودن CiteScore لزوماً به معنای جایگاه علمی بهتر نیست. جایگاه هر مجله باید در چارچوب حوزه موضوعی خودش ارزیابی شود. به همین دلیل، برخی مجلات ایرانی با CiteScore حدود 1 تا 2 در بین 10 درصد برتر رشته تخصصی خود در جهان قرار دارند، در حالی که مجلاتی با CiteScore بالاتر ممکن است رتبه موضوعی پایین‌تری کسب کرده باشند. بنابراین در ارزیابی مجلات، توجه هم‌زمان به CiteScore، چارک (Quartile) و صدک (Percentile) و البته طبقه موضوعی ضروری است. 📎 در فایل اکسل، عناوین مجلات به همراه شاخص‌های CiteScore، SJR، SNIP و صدک موضوعی (Percentile) ارائه شده است. برای دانلود فایل، روی این لینک کلیک کنید. #citescore #research_metrics #scopus #journal #Iran 🆔 @irevidence

‏📊 CiteScore 2025 منتشر شد ویرایش ۲۰۲۵ شاخص CiteScore منتشر و برای تمامی مجلات نمایه‌شده در پایگاه Scopus اعمال شد. اسکوپوس تاکنون جزئیات و آمارهای کلیدی این ویرایش را به‌صورت رسمی منتشر نکرده است. ▫️ در گزارش سال ۲۰۲۵، مجموعاً ۳۲٬۰۸۹ مجله و پیایند (Serial) موفق به دریافت CiteScore شده‌اند که نسبت به سال گذشته ۹۵۱ عنوان افزایش نشان می‌دهد. ▫️ توزیع نشریات بر اساس چارک‌های استنادی به شرح زیر است: ‏🔹 Q1 (چارک اول): ۹٬۹۷۹ عنوان ‏🔹 Q2 (چارک دوم): ۸٬۳۵۱ عنوان ‏🔹 Q3 (چارک سوم): ۸٬۳۲۴ عنوان ‏🔹 Q4 (چارک چهارم): ۶٬۴۳۵ عنوان ▫️ از بین نشریات دارای CiteScore، تعداد ۸٬۰۷۹ عنوان به‌صورت دسترسی آزاد (Open Access) منتشر می‌شوند. ‏🏆 CA: A Cancer Journal for Clinicians با CiteScore برابر با ۶۴۹٫۸ همچنان رتبه نخست را در بین تمامی نشریات حفظ کرده است. با این حال، مقدار CiteScore این مجله نسبت به نسخه قبلی بیش از ۵۰۴ واحد کاهش یافته است. ▫️ رتبه‌های دوم تا پنجم بالاترین CiteScore نیز به‌ترتیب متعلق به نشریات زیر است: ‎2️⃣ Nature Reviews Molecular Cell Biology — 165.2 3️⃣ Nature Reviews Drug Discovery — 159.2 4️⃣ MMWR Recommendations and Reports — 131.2 5️⃣ Nature Reviews Clinical Oncology — 126.6 ⚠️ نکته مهم: CiteScore یک شاخص استانداردشده بین‌رشته‌ای نیست؛ بنابراین مقایسه و رتبه‌بندی نشریاتِ حوزه‌های موضوعی مختلف بر اساس این شاخص، از نظر روش‌شناختی صحیح نیست. CiteScore صرفاً برای مقایسه نشریات درون یک حوزه موضوعی مشخص کاربرد دارد. 📌 در پستی جداگانه، به بررسی وضعیت مجلات ایرانی بر اساس CiteScore 2025 خواهم پرداخت. 🔗 دسترسی رایگان به فهرست مجلات نمایه‌شده در اسکوپوس و مشاهده CiteScore آن‌ها: https://www.scopus.com/sources #citescore #research_metrics #scopus #journal 🆔 @irevidence

📊 رتبه‌بندی SIR 2026 و جایگاه دانشگاه‌های ایران در رتبه‌بندی SCImago Institutions Rankings (SIR)، دانشگاه‌ها و مؤسسات علمی بر اساس سه محور اصلی ارزیابی می‌شوند: 🔹 پژوهش: ۵۰ درصد 🔹 نوآوری: ۳۰ درصد 🔹 تأثیر اجتماعی: ۲۰ درصد محور پژوهش، شاخص‌هایی مانند حجم و کیفیت تولیدات علمی، استنادها، رهبری علمی، همکاری‌های بین‌المللی و دسترسی آزاد را بررسی می‌کند. محور نوآوری بر ارتباط بین علم، فناوری و ثبت اختراع متمرکز است و محور تأثیر اجتماعی نیز حضور رسانه‌ای و وب، پژوهش‌های مرتبط با اهداف توسعه پایدار، مشارکت زنان در پژوهش و تأثیر تولیدات علمی بر سیاست‌گذاری عمومی را می‌سنجد. در رتبه‌بندی SIR 2026، بر اساس دوره ارزیابی پنج‌ساله، تولیدات علمی سال‌های ۲۰۲۰ تا ۲۰۲۴ در نظر گرفته شده‌اند. در این دوره، در مجموع ۵۴۹۱ دانشگاه رتبه‌بندی شده‌اند که ۱۶۶ دانشگاه ایرانی در بین آن‌ها حضور دارند. 🔟 ده دانشگاه برتر ایران در رتبه‌بندی SIR 2026 رتبه جهانی هر دانشگاه داخل پرانتز و رتبه سال قبل در ادامه آمده است: ۱. دانشگاه علوم پزشکی تهران — ۷۰۱ رتبه سال قبل: ۵۴۶ ۲. دانشگاه تهران — ۱۱۶۱ رتبه سال قبل: ۱۰۳۰ ۳. دانشگاه علوم پزشکی شهید بهشتی — ۱۸۹۱ رتبه سال قبل: ۱۶۵۲ ۴. دانشگاه علوم پزشکی تبریز — ۲۵۱۸ رتبه سال قبل: ۲۱۶۵ ۵. دانشگاه علوم پزشکی ایران — ۲۶۱۴ رتبه سال قبل: ۲۲۸۶ ۶. دانشگاه علوم پزشکی مشهد — ۳۰۵۹ رتبه سال قبل: ۲۳۹۵ ۷. دانشگاه علوم پزشکی شیراز — ۳۲۰۵ رتبه سال قبل: ۲۸۷۱ ۸. دانشگاه تربیت مدرس — ۳۲۵۰ رتبه سال قبل: ۲۷۵۲ ۹. دانشگاه گلستان — ۴۱۶۷ رتبه سال قبل: ۵۰۴۴ ۱۰. دانشگاه علوم پزشکی اصفهان — ۴۳۵۷ رتبه سال قبل: ۵۳۴۳ از بین این ۱۰ دانشگاه، هفت دانشگاه وابسته به وزارت بهداشت و سه دانشگاه وابسته به وزارت علوم هستند. بررسی رتبه‌ها نشان می‌دهد جایگاه جهانی هشت دانشگاه از ۱۰ دانشگاه برتر ایران نسبت به سال قبل افت کرده است. در مقابل، دانشگاه گلستان و دانشگاه علوم پزشکی اصفهان بهبود رتبه داشته‌اند. 🩺 رتبه‌بندی در حوزه پزشکی برای دانشگاه‌های علوم پزشکی، بررسی رتبه‌بندی موضوعی می‌تواند تصویر دقیق‌تر و کاربردی‌تری ارائه دهد. در حوزه Medicine، دانشگاه علوم پزشکی تهران با رتبه ۱۳۱ جهان در جایگاه نخست دانشگاه‌های ایرانی قرار دارد. پس از آن نیز دانشگاه‌های زیر قرار گرفته‌اند: 🔸 دانشگاه علوم پزشکی شهید بهشتی: رتبه ۳۲۶ 🔸 دانشگاه علوم پزشکی ایران: رتبه ۶۱۵ 🔸 دانشگاه علوم پزشکی تبریز: رتبه ۸۳۸ 🔸 دانشگاه علوم پزشکی شیراز: رتبه ۹۶۴ 🔗 مشاهده جزئیات رتبه‌بندی: https://www.scimagoir.com/rankings.php?page=1&sector=Higher%20educ #university #Iran #ranking #SCImago 🆔 @irevidence

📚آموزش نرم افزار Calibre: تولید، مشاهده و مدیریت آسان کتاب‌های الکترونیکی بسیاری از ما تعداد زیادی کتاب الکترونیکی روی رایانه‌مان ذخیره کرده‌ایم؛ اما معمولاً نام‌گذاری فایل‌ها منظم نیست و بعد از مدتی پیدا کردن یک کتاب خاص دشوار می‌شود. همان‌طور که برای مدیریت مقالات علمی نرم‌افزارهایی مانند EndNote و Mendeley وجود دارد، برای مدیریت کتاب‌های الکترونیکی نیز ابزارهای کاربردی و قدرتمندی طراحی شده‌اند. در بین آن‌ها، Calibre یکی از بهترین گزینه‌هاست؛ نرم‌افزاری رایگان، متن‌باز و پرامکانات که به‌صورت مرتب به‌روزرسانی می‌شود و می‌تواند بخش بزرگی از نیازهای شما در زمینه سازمان‌دهی و مدیریت کتاب‌های الکترونیکی را برطرف کند. من کار با این نرم‌افزار را در قالب ۹ جلسه آموزشی و در مجموع حدود ۱۰۰ دقیقه به‌صورت کامل آموزش داده‌ام و تصمیم گرفتم این دوره را رایگان در کانال اویدنس در آپارات منتشر کنم. برای مشاهده دوره به لینک زیر مراجعه کنید: 🔗 مشاهده رایگان دوره در صورت مفید بودن آموزش‌ها، خوشحال می‌شوم کانال را نیز دنبال کنید. https://www.aparat.com/irevidence #calibre #reference_management #book 🆔 @irevidence