Evidence.ir

▫️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