The Jalayirid Contribution- A Topkapı Palace Album.pdf
43.5 MB
گُلرو نَجیب‌اوغلو
سهم جلایریان
مرقعی از کاخ توپقاپی با تصاویری به شیوه‌های ایرانی، چینی و اروپایی
(حدود ۱۳۵۰–۱۵۰۰ میلادی)
چکیده
این مقاله یکی از مشهورترین مرقعات موجود در کتابخانه موزه کاخ توپقاپی در استانبول (H. 2153) را در چارچوبی میان‌فرهنگی بازخوانی می‌کند. چشم‌انداز گسترده این مرقع، که حدود سال ۱۵۱۴ میلادی فراهم آمده و از چین تا اروپا امتداد می‌یابد، با مجموعه گالری هنر فریرِ موزه ملی هنرهای آسیاییِ مؤسسه اسمیتسونین همخوانی و ارتباط دارد.
با تحلیل شماری از تصاویر منتخب این مرقع، و نیز چند نمونه از مرقع کوچک‌ترِ همراه آن (H. 2160)، می‌توان به بررسی دیوان مشهور فریر، یعنی دیوان اشعار سلطان احمد جلایر (حکومت ۱۳۸۲–۱۴۱۰م)، نیز پرداخت. تصاویر منتخب این مرقع هم‌زمان با ظهور سبک موسوم به «گوتیک بین‌المللی» در اروپا، در اواخر سده چهاردهم و اوایل سده پانزدهم میلادی، پدید آمده‌اند.
https://t.me/UT_Central_Library
https://journals.publishing.umich.edu/ars/article/id/9312/
سهم جلایریان
مرقعی از کاخ توپقاپی با تصاویری به شیوه‌های ایرانی، چینی و اروپایی
(حدود ۱۳۵۰–۱۵۰۰ میلادی)
چکیده
این مقاله یکی از مشهورترین مرقعات موجود در کتابخانه موزه کاخ توپقاپی در استانبول (H. 2153) را در چارچوبی میان‌فرهنگی بازخوانی می‌کند. چشم‌انداز گسترده این مرقع، که حدود سال ۱۵۱۴ میلادی فراهم آمده و از چین تا اروپا امتداد می‌یابد، با مجموعه گالری هنر فریرِ موزه ملی هنرهای آسیاییِ مؤسسه اسمیتسونین همخوانی و ارتباط دارد.
با تحلیل شماری از تصاویر منتخب این مرقع، و نیز چند نمونه از مرقع کوچک‌ترِ همراه آن (H. 2160)، می‌توان به بررسی دیوان مشهور فریر، یعنی دیوان اشعار سلطان احمد جلایر (حکومت ۱۳۸۲–۱۴۱۰م)، نیز پرداخت. تصاویر منتخب این مرقع هم‌زمان با ظهور سبک موسوم به «گوتیک بین‌المللی» در اروپا، در اواخر سده چهاردهم و اوایل سده پانزدهم میلادی، پدید آمده‌اند.
https://t.me/UT_Central_Library
https://journals.publishing.umich.edu/ars/article/id/9312/
Forwarded from کتابخانه تخصصی تاریخ اسلام و ایران
مصطفی درایتی
بحول و قوه الهی، پس از سه دهه عشق و رنج، امروز اول مهر ماه ۱۴۰۵ هجری شمسی، تدوین نهایی مجموعه سترگ "گنجینه میراث فارسی" را آغاز کردم.
این مجموعه به معرفی تفصیلی ۵۰۰ هزار نسخه خطی فقط فارسی از سراسر جهان خواهد پرداخت، و با هدف مستند کردن زبان و ادبیات فارسی انجام می شود.
انجام این کار یکی از آرزوهای دیرینه من بود و شاید برخی دیگر. چالش ها موجود در مسیر این کار، همواره دل نگرانی توقف و بن بست کار را گوشزد می کرد، چون مسبوق به سابقه بود، ولی همین نگرانی عزم مرا بر ایستایی و مقاومت، وتلاش برای رفع چالش ها، همواره زنده نگه داشت. ولذا امروز که مشکلات و سختی های دیروز را مرور می کنم که از آن عبور کردم، به صورت طبیعی شعفی هم در درونم خود نمایی می کند.
نمی دانم آیا تدوین نهایی کار را می توانم به سرانجام برسانم یا خیر. ولی تا زنده ام همه تلاشم اتمام این آن خواهد بود.
تعداد ۵۰۰ هزار نه به معنای همه موجودی آثار خطی فارسی است، ولی هدفی بود که از ابتدا برای آن منظور کرده بودم، و جمع آوری اطلاعات و سر و شکل دادن به آن، حدود سی سال از عمر پژوهشی مرا اشغال کرد.
این مجموعه بیش از هفتاد جلد در قطع رحلی بالغ می شود، و تدوین نهایی آن، چندین سال به درازا خواهد کشید.
بسیار امید دارم این مجموعه، بتواند حجم و گستره این زبان را به خوبی به نمایش بگذارد و به منبعی پر و پیمان برای پژوهشگران حوزه های گوناگون تبدیل شود.
تلاش خواهم کرد با کمک دستیاران و همکارانم، هر ماه یک مجلد از کار را آماده کنم، البته اگر روزگار با من سر ناسازگاری نداشته باشد.
از فیس‌بوک مصطفی درایتی
بحول و قوه الهی، پس از سه دهه عشق و رنج، امروز اول مهر ماه ۱۴۰۵ هجری شمسی، تدوین نهایی مجموعه سترگ "گنجینه میراث فارسی" را آغاز کردم.
این مجموعه به معرفی تفصیلی ۵۰۰ هزار نسخه خطی فقط فارسی از سراسر جهان خواهد پرداخت، و با هدف مستند کردن زبان و ادبیات فارسی انجام می شود.
انجام این کار یکی از آرزوهای دیرینه من بود و شاید برخی دیگر. چالش ها موجود در مسیر این کار، همواره دل نگرانی توقف و بن بست کار را گوشزد می کرد، چون مسبوق به سابقه بود، ولی همین نگرانی عزم مرا بر ایستایی و مقاومت، وتلاش برای رفع چالش ها، همواره زنده نگه داشت. ولذا امروز که مشکلات و سختی های دیروز را مرور می کنم که از آن عبور کردم، به صورت طبیعی شعفی هم در درونم خود نمایی می کند.
نمی دانم آیا تدوین نهایی کار را می توانم به سرانجام برسانم یا خیر. ولی تا زنده ام همه تلاشم اتمام این آن خواهد بود.
تعداد ۵۰۰ هزار نه به معنای همه موجودی آثار خطی فارسی است، ولی هدفی بود که از ابتدا برای آن منظور کرده بودم، و جمع آوری اطلاعات و سر و شکل دادن به آن، حدود سی سال از عمر پژوهشی مرا اشغال کرد.
این مجموعه بیش از هفتاد جلد در قطع رحلی بالغ می شود، و تدوین نهایی آن، چندین سال به درازا خواهد کشید.
بسیار امید دارم این مجموعه، بتواند حجم و گستره این زبان را به خوبی به نمایش بگذارد و به منبعی پر و پیمان برای پژوهشگران حوزه های گوناگون تبدیل شود.
تلاش خواهم کرد با کمک دستیاران و همکارانم، هر ماه یک مجلد از کار را آماده کنم، البته اگر روزگار با من سر ناسازگاری نداشته باشد.
از فیس‌بوک مصطفی درایتی
اهدای ۲۴۵ عنوان کتاب توسط مرکز مطالعات و برنامه ریزی شهرداری تهران به کتابخانه مرکزی دانشگاه تهران
https://t.me/UT_Central_Library
https://t.me/UT_Central_Library
بازخوانی حاشیه نوبل ادبیات ۲۰۲۶
[دولت‌آبادی با ضریب ۱ به ۴۰؛ شانس واقعی یا هیجان اکتبری رسانه‌ها؟](ibna.ir/x6Kvz)
🔸چند روز مانده به اعلام برنده جایزه نوبل ادبیات ۲۰۲۶، نام محمود دولت‌آبادی، رمان‌نویس برجسته ایران و خالق «کلیدر» و «جای خالی سلوچ»، با ضریب ۱ به ۴۰ در فهرست شانس‌های بنگاه شرط‌بندی بریتانیایی «لدبروکس» دیده شده است. حضور یک نویسنده ایرانی در کنار چهره‌های سرشناس جهان، بار دیگر پرسش قدیمی را زنده کرده است: این فهرست‌ها چه می‌گویند و آیا مسیر نوبل از دفتر یک بنگاه شرط‌بندی در لندن می‌گذرد.
🔸در میان این اعداد و ارقام، آنچه اهمیتی واقعی دارد، جایگاه خود نویسنده است. دولت‌آبادی با آثاری چون «کلیدر» ــ بلندترین رمان فارسی که نگارش آن حدود پانزده سال به درازا کشید ــ «جای خالی سلوچ» و «کلنل»، جایگاهی تثبیت‌شده در ادبیات معاصر جهان دارد. آثار او به دست‌کم یازده زبان ترجمه شده است: «جای خالی سلوچ» به انگلیسی (ترجمه کامران رستگار)، سوئدی، نروژی، فرانسوی، آلمانی و ایتالیایی؛ «کلنل» به انگلیسی (ترجمه تام پتردیل) که در سال ۲۰۱۳ نامزد جایزه بهترین کتاب ترجمه آمریکا شد، و همچنین به آلمانی، ایتالیایی و عبری؛ و «عطش» به انگلیسی با ترجمه مارتین ویر. گزارش‌های رسانه‌ای داخلی نیز تأیید کرده‌اند که اکنون ۱۶ عنوان از آثار او در کتابخانه نوبل ــ کتابخانه عمومی وابسته به آکادمی که از سال ۱۹۰۱ دایر است ــ نگهداری می‌شود. البته باید صادق بود: هیچ مدرکی وجود ندارد که تعداد کتاب‌ها در این کتابخانه معیاری کمّی برای داوری باشد؛ اما حضور گسترده یک نویسنده در چرخه جهانی کتاب، بی‌تأثیر بر دیده‌شدن او نیست. دولت‌آبادی پیش‌تر نیز ــ از جمله در سال ۲۰۲۴ با ضریب ۱ به ۳۳ ــ در همین لیست‌ها حضور داشته و جایزه ادبیات خانه فرهنگ‌های جهان برلین (۲۰۰۹) را نیز دریافت کرده است.
🔸افراد واجد شرایط ــ برندگان پیشین، اعضای آکادمی‌ها، استادان دانشگاه‌ها و رؤسای انجمن‌های نویسندگان ــ تا پایان ژانویه حق معرفی دارند؛ کمیته نوبل فهرست را به بیست نفر و سپس در ماه مه به پنج نفر نهایی می‌رساند و داوران تابستان را به خواندن آثار این پنج نفر می‌گذارند. یعنی هیچ‌کس بیرون از این دایره محدود نمی‌داند دولت‌آبادی در فهرست هست یا نیست. جالب آنکه آرشیوهای آشکارشده نشان می‌دهد در سال ۱۹۴۹ عیسی سپهبدی، استاد دانشگاه تهران، محمدعلی جمالزاده را برای نوبل معرفی کرده بود؛ از جمله معدود ایرانیانی که نامشان در اسناد رسمی آمده است. پس آنچه امروز در رسانه‌ها می‌خوانیم، نه نامزدی رسمی، که گمانه‌زنی بیرونی است.
@ibna_official
[دولت‌آبادی با ضریب ۱ به ۴۰؛ شانس واقعی یا هیجان اکتبری رسانه‌ها؟](ibna.ir/x6Kvz)
🔸چند روز مانده به اعلام برنده جایزه نوبل ادبیات ۲۰۲۶، نام محمود دولت‌آبادی، رمان‌نویس برجسته ایران و خالق «کلیدر» و «جای خالی سلوچ»، با ضریب ۱ به ۴۰ در فهرست شانس‌های بنگاه شرط‌بندی بریتانیایی «لدبروکس» دیده شده است. حضور یک نویسنده ایرانی در کنار چهره‌های سرشناس جهان، بار دیگر پرسش قدیمی را زنده کرده است: این فهرست‌ها چه می‌گویند و آیا مسیر نوبل از دفتر یک بنگاه شرط‌بندی در لندن می‌گذرد.
🔸در میان این اعداد و ارقام، آنچه اهمیتی واقعی دارد، جایگاه خود نویسنده است. دولت‌آبادی با آثاری چون «کلیدر» ــ بلندترین رمان فارسی که نگارش آن حدود پانزده سال به درازا کشید ــ «جای خالی سلوچ» و «کلنل»، جایگاهی تثبیت‌شده در ادبیات معاصر جهان دارد. آثار او به دست‌کم یازده زبان ترجمه شده است: «جای خالی سلوچ» به انگلیسی (ترجمه کامران رستگار)، سوئدی، نروژی، فرانسوی، آلمانی و ایتالیایی؛ «کلنل» به انگلیسی (ترجمه تام پتردیل) که در سال ۲۰۱۳ نامزد جایزه بهترین کتاب ترجمه آمریکا شد، و همچنین به آلمانی، ایتالیایی و عبری؛ و «عطش» به انگلیسی با ترجمه مارتین ویر. گزارش‌های رسانه‌ای داخلی نیز تأیید کرده‌اند که اکنون ۱۶ عنوان از آثار او در کتابخانه نوبل ــ کتابخانه عمومی وابسته به آکادمی که از سال ۱۹۰۱ دایر است ــ نگهداری می‌شود. البته باید صادق بود: هیچ مدرکی وجود ندارد که تعداد کتاب‌ها در این کتابخانه معیاری کمّی برای داوری باشد؛ اما حضور گسترده یک نویسنده در چرخه جهانی کتاب، بی‌تأثیر بر دیده‌شدن او نیست. دولت‌آبادی پیش‌تر نیز ــ از جمله در سال ۲۰۲۴ با ضریب ۱ به ۳۳ ــ در همین لیست‌ها حضور داشته و جایزه ادبیات خانه فرهنگ‌های جهان برلین (۲۰۰۹) را نیز دریافت کرده است.
🔸افراد واجد شرایط ــ برندگان پیشین، اعضای آکادمی‌ها، استادان دانشگاه‌ها و رؤسای انجمن‌های نویسندگان ــ تا پایان ژانویه حق معرفی دارند؛ کمیته نوبل فهرست را به بیست نفر و سپس در ماه مه به پنج نفر نهایی می‌رساند و داوران تابستان را به خواندن آثار این پنج نفر می‌گذارند. یعنی هیچ‌کس بیرون از این دایره محدود نمی‌داند دولت‌آبادی در فهرست هست یا نیست. جالب آنکه آرشیوهای آشکارشده نشان می‌دهد در سال ۱۹۴۹ عیسی سپهبدی، استاد دانشگاه تهران، محمدعلی جمالزاده را برای نوبل معرفی کرده بود؛ از جمله معدود ایرانیانی که نامشان در اسناد رسمی آمده است. پس آنچه امروز در رسانه‌ها می‌خوانیم، نه نامزدی رسمی، که گمانه‌زنی بیرونی است.
@ibna_official
ایبنا
دولت‌آبادی با ضریب ۱ به ۴۰؛ شانس واقعی یا هیجان اکتبری رسانه‌ها؟
چند روز مانده به اعلام برنده جایزه نوبل ادبیات ۲۰۲۶، نام محمود دولت‌آبادی، رمان‌نویس برجسته ایران و خالق «کلیدر» و «جای خالی سلوچ»، با ضریب ۱ به ۴۰ در فهرست شانس‌های بنگاه شرط‌بندی بریتانیایی «لدبروکس» دیده شده است. حضور یک نویسنده ایرانی در کنار چهره‌های…
🚨 مگاژورنال‌ها: چاپ سریع مقاله یا تجارت با علم؟
مگاژورنال‌ها (Mega-journals) مجلات علمی بسیار بزرگی هستند که سالانه هزاران مقاله چاپ می‌کنند. برخلاف مجلات سنتی که بر اساس حق اشتراک خوانندگان درآمدزایی می‌کردند، مگاژورنال‌ها بر اساس مدل «دسترسی آزاد» (Open Access) کار می‌کنند؛ یعنی نویسنده مقاله (یا دانشگاه او) هزینه‌ای به نام APC یا Article Processing Charge پرداخت می‌کند تا مقاله برای همه رایگان در دسترس باشد.
مدل کاری و دلیل عدم سخت‌گیری آنها چیست؟
سودآوری بر اساس حجم: در این مدل، درآمد مجله مستقیماً به تعداد مقالات چاپ‌شده بستگی دارد. هرچه بیشتر چاپ کنند، پول بیشتری می‌گیرند.
داوری سریع و سطحی: بسیاری از این ناشران (به‌ویژه ناشرانی که به سمت تجاری‌سازی افراطی رفته‌اند) فرآیند داوری (Peer-review) را به چند هفته یا حتی چند روز کاهش داده‌اند.
معیار پذیرش: شعار اصلی مگاژورنال‌های معتبر این است که «فقط صحت علمی مهم است، نه اهمیت و نوآوری». اما در عمل، بسیاری از آنها (و مجلات موسوم به یغماگر/Predatory) به خاطر دریافت پول، مقالات ضعیف را هم با یک داوری فرمالیته می‌پذیرند.
📚 معرفی چند مگاژورنال/مجله دسترسی آزاد بزرگ در علوم انسانی، اجتماعی و تاریخ
پیدا کردن مگاژورنالِ صرفاً تخصصی در تاریخ یا خاورمیانه سخت است، زیرا ذات مگاژورنال‌ها چندتخصصی (Multidisciplinary) است. با این حال، مجلات زیر بخش‌های بسیار بزرگی برای علوم انسانی و اجتماعی دارند و با دریافت هزینه، مقالات را با سرعت بالایی چاپ می‌کنند:
۱. Humanities and Social Sciences Communications
ناشر: Springer Nature
حوزه: تمام شاخه‌های علوم انسانی، تاریخ، و علوم اجتماعی.
توضیح: این یکی از معتبرترین مگاژورنال‌های این حوزه است، اما به دلیل حجم بالای پذیرش و دریافت هزینه (حدود ۲۰۰۰ تا ۳۰۰۰ دلار)، داوری نسبتاً متفاوتی با مجلات سنتی دارد.
🔗 nature.com/palcomms
۲. Cogent Arts & Humanities / Cogent Social Sciences
ناشر: Taylor & Francis
حوزه: تاریخ، ادبیات، فلسفه، مطالعات منطقه‌ای (از جمله خاورمیانه) و جامعه‌شناسی.
توضیح: مجموعه‌ی Cogent کاملاً بر اساس مدل Open Access و دریافت هزینه کار می‌کند. سرعت تعیین تکلیف مقالات در آنها بالاست و سخت‌گیری مجلات رده اول (Q1) سنتی را ندارند.
🔗 tandfonline.com/journals/oaah20
۳. MDPI - Humanities / Societies / Social Sciences
ناشر: MDPI
حوزه: علوم انسانی، جامعه‌شناسی، تاریخ و مطالعات فرهنگی.
توضیح: ناشر سوئیسی MDPI پادشاه بلامنازع چاپ سریع است! مقالات اغلب زیر یک ماه داوری و چاپ می‌شوند. به دلیل همین سرعت بالا و دریافت هزینه‌های سنگین، انتقادات زیادی به کیفیت داوری آنها وارد است و بسیاری از پژوهشگران آنها را کارخانه‌ی چاپ مقاله می‌دانند.
🔗 مجله علوم انسانی: mdpi.com/journal/humanities
🔗 مجله علوم اجتماعی: mdpi.com/journal/socsci
۴. SAGE Open
ناشر: SAGE
حوزه: علوم اجتماعی، رفتاری و انسانی.
توضیح: اولین مگاژورنال اختصاصی برای علوم انسانی و اجتماعی. هزینه چاپ میگیرد (حدود ۱۲۰۰ دلار) و معیار پذیرش آن صرفاً بی‌نقص بودن روش تحقیق است، نه اهمیت موضوعیِ مقاله.
🔗 journals.sagepub.com/home/sgo
۵. Heliyon
ناشر: Elsevier (Cell Press)
حوزه: چندتخصصی (دارای بخش مجزای Arts and Humanities).
توضیح: مگاژورنال غول‌پیکر الزویر که هر مقاله‌ای که از نظر علمی «صحیح» باشد را با دریافت پول چاپ می‌کند و بخش مطالعات تاریخ و جامعه‌شناسی آن بسیار فعال است.
🔗 cell.com/heliyon
⚠️ نکته بسیار مهم برای پژوهشگران: پیش از ارسال مقاله و پرداخت هزینه‌های دلاری سنگین، حتماً چک کنید که مجله مورد نظر در لیست سیاه وزارت علوم یا دانشگاه شما (Blacklist) قرار نداشته باشد. مرز بین یک مگاژورنال معتبر و یک «مجله پولی یغماگر» گاهی بسیار باریک است!
https://t.me/UT_Central_Library
مگاژورنال‌ها (Mega-journals) مجلات علمی بسیار بزرگی هستند که سالانه هزاران مقاله چاپ می‌کنند. برخلاف مجلات سنتی که بر اساس حق اشتراک خوانندگان درآمدزایی می‌کردند، مگاژورنال‌ها بر اساس مدل «دسترسی آزاد» (Open Access) کار می‌کنند؛ یعنی نویسنده مقاله (یا دانشگاه او) هزینه‌ای به نام APC یا Article Processing Charge پرداخت می‌کند تا مقاله برای همه رایگان در دسترس باشد.
مدل کاری و دلیل عدم سخت‌گیری آنها چیست؟
سودآوری بر اساس حجم: در این مدل، درآمد مجله مستقیماً به تعداد مقالات چاپ‌شده بستگی دارد. هرچه بیشتر چاپ کنند، پول بیشتری می‌گیرند.
داوری سریع و سطحی: بسیاری از این ناشران (به‌ویژه ناشرانی که به سمت تجاری‌سازی افراطی رفته‌اند) فرآیند داوری (Peer-review) را به چند هفته یا حتی چند روز کاهش داده‌اند.
معیار پذیرش: شعار اصلی مگاژورنال‌های معتبر این است که «فقط صحت علمی مهم است، نه اهمیت و نوآوری». اما در عمل، بسیاری از آنها (و مجلات موسوم به یغماگر/Predatory) به خاطر دریافت پول، مقالات ضعیف را هم با یک داوری فرمالیته می‌پذیرند.
📚 معرفی چند مگاژورنال/مجله دسترسی آزاد بزرگ در علوم انسانی، اجتماعی و تاریخ
پیدا کردن مگاژورنالِ صرفاً تخصصی در تاریخ یا خاورمیانه سخت است، زیرا ذات مگاژورنال‌ها چندتخصصی (Multidisciplinary) است. با این حال، مجلات زیر بخش‌های بسیار بزرگی برای علوم انسانی و اجتماعی دارند و با دریافت هزینه، مقالات را با سرعت بالایی چاپ می‌کنند:
۱. Humanities and Social Sciences Communications
ناشر: Springer Nature
حوزه: تمام شاخه‌های علوم انسانی، تاریخ، و علوم اجتماعی.
توضیح: این یکی از معتبرترین مگاژورنال‌های این حوزه است، اما به دلیل حجم بالای پذیرش و دریافت هزینه (حدود ۲۰۰۰ تا ۳۰۰۰ دلار)، داوری نسبتاً متفاوتی با مجلات سنتی دارد.
🔗 nature.com/palcomms
۲. Cogent Arts & Humanities / Cogent Social Sciences
ناشر: Taylor & Francis
حوزه: تاریخ، ادبیات، فلسفه، مطالعات منطقه‌ای (از جمله خاورمیانه) و جامعه‌شناسی.
توضیح: مجموعه‌ی Cogent کاملاً بر اساس مدل Open Access و دریافت هزینه کار می‌کند. سرعت تعیین تکلیف مقالات در آنها بالاست و سخت‌گیری مجلات رده اول (Q1) سنتی را ندارند.
🔗 tandfonline.com/journals/oaah20
۳. MDPI - Humanities / Societies / Social Sciences
ناشر: MDPI
حوزه: علوم انسانی، جامعه‌شناسی، تاریخ و مطالعات فرهنگی.
توضیح: ناشر سوئیسی MDPI پادشاه بلامنازع چاپ سریع است! مقالات اغلب زیر یک ماه داوری و چاپ می‌شوند. به دلیل همین سرعت بالا و دریافت هزینه‌های سنگین، انتقادات زیادی به کیفیت داوری آنها وارد است و بسیاری از پژوهشگران آنها را کارخانه‌ی چاپ مقاله می‌دانند.
🔗 مجله علوم انسانی: mdpi.com/journal/humanities
🔗 مجله علوم اجتماعی: mdpi.com/journal/socsci
۴. SAGE Open
ناشر: SAGE
حوزه: علوم اجتماعی، رفتاری و انسانی.
توضیح: اولین مگاژورنال اختصاصی برای علوم انسانی و اجتماعی. هزینه چاپ میگیرد (حدود ۱۲۰۰ دلار) و معیار پذیرش آن صرفاً بی‌نقص بودن روش تحقیق است، نه اهمیت موضوعیِ مقاله.
🔗 journals.sagepub.com/home/sgo
۵. Heliyon
ناشر: Elsevier (Cell Press)
حوزه: چندتخصصی (دارای بخش مجزای Arts and Humanities).
توضیح: مگاژورنال غول‌پیکر الزویر که هر مقاله‌ای که از نظر علمی «صحیح» باشد را با دریافت پول چاپ می‌کند و بخش مطالعات تاریخ و جامعه‌شناسی آن بسیار فعال است.
🔗 cell.com/heliyon
⚠️ نکته بسیار مهم برای پژوهشگران: پیش از ارسال مقاله و پرداخت هزینه‌های دلاری سنگین، حتماً چک کنید که مجله مورد نظر در لیست سیاه وزارت علوم یا دانشگاه شما (Blacklist) قرار نداشته باشد. مرز بین یک مگاژورنال معتبر و یک «مجله پولی یغماگر» گاهی بسیار باریک است!
https://t.me/UT_Central_Library
Nature
Humanities and Social Sciences Communications
Humanities & Social Sciences Communications is a fully open-access, online journal publishing peer-reviewed research from across—and between—all areas of the ...
وقتی ناشر علمی به دستیار پژوهشی تبدیل می‌شود؛
هوش مصنوعی الزویر چه می‌کند؟
شرکت Elsevier را دانشجویان و پژوهشگران بیشتر به عنوان یکی از بزرگ‌ترین ناشران علمی جهان و صاحب پایگاه‌هایی مانند ScienceDirect و Scopus می‌شناسند. اما این شرکت طی چند سال اخیر وارد مرحله تازه‌ای شده است: الزویر دیگر نمی‌خواهد فقط محل انتشار و جست‌وجوی مقالات باشد؛ می‌خواهد هوش مصنوعی را به واسطه‌ای میان پژوهشگر و انبوه دانش علمی جهان تبدیل کند.
تازه‌ترین و مهم‌ترین محصول این مسیر LeapSpace نام دارد؛ محیطی مبتنی بر هوش مصنوعی که می‌توان تا حدی آن را «دستیار هوشمند پژوهشگر» دانست. البته LeapSpace رقیبی عمومی برای ChatGPT، Gemini یا Claude نیست. هدف آن پاسخ دادن به هر نوع پرسشی نیست، بلکه مشخصاً برای پژوهش علمی طراحی شده است. الزویر LeapSpace را در نوامبر ۲۰۲۵ معرفی کرد و در سال ۲۰۲۶ امکانات آن را به‌طور قابل توجهی گسترش داد.
تفاوت اصلی با ChatGPT چیست؟
برای فهم اهمیت این تحول باید میان دو نوع هوش مصنوعی تفاوت گذاشت.
ChatGPT یا Gemini ابزارهای عمومی‌اند. می‌توان از آنها درباره تاریخ، برنامه‌نویسی، آشپزی، ادبیات، فیزیک یا تقریباً هر موضوع دیگری پرسید. اما LeapSpace اساساً برای محیط دانشگاه و پژوهش طراحی شده است. پرسش اصلی آن این نیست که «هوش مصنوعی درباره این موضوع چه می‌داند؟»، بلکه بیشتر این است که:
«ادبیات علمی معتبر درباره این مسئله چه می‌گوید و شواهد آن کجاست؟»
این تفاوت بسیار مهم است. یکی از مشکلات استفاده از مدل‌های زبانی عمومی در پژوهش، امکان ارائه اطلاعات نادرست، منابع ناموجود یا استنادهای اشتباه است. الزویر تلاش کرده است پاسخ‌های سیستم خود را به مجموعه‌ای کنترل‌شده از منابع دانشگاهی متصل کند و امکان بازگشت از پاسخ هوش مصنوعی به منبع اصلی را فراهم سازد. LeapSpace اکنون از بیش از ۲۳ میلیون مقاله و کتاب علمی دارای متن کامل استفاده می‌کند و در کنار آنها به بیش از ۱۰۰ میلیون رکورد علمی Scopus دسترسی دارد. الزویر در سپتامبر ۲۰۲۶ اعلام کرد که این مجموعه همچنین از ۲٫۶ میلیارد مرجع استنادی موجود در داده‌های Scopus بهره میگیرد.
نکته مهم آن است که این مجموعه فقط شامل تولیدات خود Elsevier نیست. این شرکت با بیش از هزار ارائه‌دهنده محتوای علمی دیگر همکاری کرده و آثاری از ناشران و انجمن‌های علمی دیگر نیز در مجموعه وجود دارد. به همین دلیل الزویر از اصطلاح «publisher-neutral» یا «ناشر-خنثی» برای توصیف آن استفاده می‌کند. البته این ادعایی است که خود شرکت مطرح می‌کند و ارزیابی مستقل عملکرد سیستم در این زمینه همچنان اهمیت دارد.
پیش از LeapSpace، Scopus AI و ScienceDirect AI آمدند
حرکت الزویر به سمت هوش مصنوعی ناگهانی نبود. یکی از نخستین محصولات مهم آن Scopus AI بود. ایده ساده اما مهم بود: پژوهشگر به جای ساختن عبارت‌های پیچیده جست‌وجو، سؤال خود را به زبان طبیعی مطرح کند و سیستم با استفاده از منابع نمایه‌شده در Scopus، پاسخ و منابع مرتبط را ارائه دهد.
قابلیت‌های هوش مصنوعی Scopus اکنون می‌تواند علاوه بر خلاصه‌سازی موضوع، مقالات بنیادی، موضوعات نوظهور و ارتباط میان مفاهیم را نیز نشان دهد. قابلیت Deep Research حتی از یک جست‌وجوی ساده فراتر می‌رود و برای بررسی یک مسئله پژوهشی، برنامه جست‌وجو و تحلیل مفصل‌تری ایجاد می‌کند.
محصول دیگر ScienceDirect AI بود که مزیت مهم آن امکان کار با متن کامل مقالات و فصل‌های کتاب بود. برای مثال پژوهشگر می‌تواند مقاله‌ای را مطالعه کند و از دستیار هوشمند بپرسد روش تحقیق چه بوده، نتایج اصلی چیست یا چند آزمایش چه تفاوت‌هایی با یکدیگر دارند. امکانات ScienceDirect AI اکنون بخشی از محیط گسترده‌تر LeapSpace شده‌اند.
LeapSpace عملاً چه کاری برای پژوهشگر انجام می‌دهد؟
فرض کنید دانشجویی می‌خواهد درباره «تأثیر شبکه‌های اجتماعی بر قطبی‌شدن سیاسی» تحقیق کند. در روش سنتی باید کلیدواژه تعیین کند، در پایگاه‌های مختلف جست‌وجو کند، ده‌ها یا صدها چکیده بخواند، مقالات مهم را انتخاب و سپس ارتباط میان آنها را پیدا کند.
محیط جدید الزویر می‌خواهد بخشی از این فرایند را خودکار کند. پژوهشگر می‌تواند پرسش خود را مستقیماً مطرح کند؛ سیستم منابع مرتبط را پیدا کند، نتایج را ترکیب کند، اختلاف میان مطالعات را نشان دهد و برای ادعاهایش منابع ارائه کند.
قابلیت Compare Tables نیز مطالعات را کنار یکدیگر قرار می‌دهد و اطلاعاتی مانند هدف، مواد و روش‌ها، نتایج و نتیجه‌گیری آنها را استخراج می‌کند. بنابراین کاری که پژوهشگر قبلاً برای مقایسه چندین مقاله به صورت دستی انجام می‌داد، می‌تواند تا حدی به کمک AI انجام شود.
ادامه در پست بعدی 👇👇
هوش مصنوعی الزویر چه می‌کند؟
شرکت Elsevier را دانشجویان و پژوهشگران بیشتر به عنوان یکی از بزرگ‌ترین ناشران علمی جهان و صاحب پایگاه‌هایی مانند ScienceDirect و Scopus می‌شناسند. اما این شرکت طی چند سال اخیر وارد مرحله تازه‌ای شده است: الزویر دیگر نمی‌خواهد فقط محل انتشار و جست‌وجوی مقالات باشد؛ می‌خواهد هوش مصنوعی را به واسطه‌ای میان پژوهشگر و انبوه دانش علمی جهان تبدیل کند.
تازه‌ترین و مهم‌ترین محصول این مسیر LeapSpace نام دارد؛ محیطی مبتنی بر هوش مصنوعی که می‌توان تا حدی آن را «دستیار هوشمند پژوهشگر» دانست. البته LeapSpace رقیبی عمومی برای ChatGPT، Gemini یا Claude نیست. هدف آن پاسخ دادن به هر نوع پرسشی نیست، بلکه مشخصاً برای پژوهش علمی طراحی شده است. الزویر LeapSpace را در نوامبر ۲۰۲۵ معرفی کرد و در سال ۲۰۲۶ امکانات آن را به‌طور قابل توجهی گسترش داد.
تفاوت اصلی با ChatGPT چیست؟
برای فهم اهمیت این تحول باید میان دو نوع هوش مصنوعی تفاوت گذاشت.
ChatGPT یا Gemini ابزارهای عمومی‌اند. می‌توان از آنها درباره تاریخ، برنامه‌نویسی، آشپزی، ادبیات، فیزیک یا تقریباً هر موضوع دیگری پرسید. اما LeapSpace اساساً برای محیط دانشگاه و پژوهش طراحی شده است. پرسش اصلی آن این نیست که «هوش مصنوعی درباره این موضوع چه می‌داند؟»، بلکه بیشتر این است که:
«ادبیات علمی معتبر درباره این مسئله چه می‌گوید و شواهد آن کجاست؟»
این تفاوت بسیار مهم است. یکی از مشکلات استفاده از مدل‌های زبانی عمومی در پژوهش، امکان ارائه اطلاعات نادرست، منابع ناموجود یا استنادهای اشتباه است. الزویر تلاش کرده است پاسخ‌های سیستم خود را به مجموعه‌ای کنترل‌شده از منابع دانشگاهی متصل کند و امکان بازگشت از پاسخ هوش مصنوعی به منبع اصلی را فراهم سازد. LeapSpace اکنون از بیش از ۲۳ میلیون مقاله و کتاب علمی دارای متن کامل استفاده می‌کند و در کنار آنها به بیش از ۱۰۰ میلیون رکورد علمی Scopus دسترسی دارد. الزویر در سپتامبر ۲۰۲۶ اعلام کرد که این مجموعه همچنین از ۲٫۶ میلیارد مرجع استنادی موجود در داده‌های Scopus بهره میگیرد.
نکته مهم آن است که این مجموعه فقط شامل تولیدات خود Elsevier نیست. این شرکت با بیش از هزار ارائه‌دهنده محتوای علمی دیگر همکاری کرده و آثاری از ناشران و انجمن‌های علمی دیگر نیز در مجموعه وجود دارد. به همین دلیل الزویر از اصطلاح «publisher-neutral» یا «ناشر-خنثی» برای توصیف آن استفاده می‌کند. البته این ادعایی است که خود شرکت مطرح می‌کند و ارزیابی مستقل عملکرد سیستم در این زمینه همچنان اهمیت دارد.
پیش از LeapSpace، Scopus AI و ScienceDirect AI آمدند
حرکت الزویر به سمت هوش مصنوعی ناگهانی نبود. یکی از نخستین محصولات مهم آن Scopus AI بود. ایده ساده اما مهم بود: پژوهشگر به جای ساختن عبارت‌های پیچیده جست‌وجو، سؤال خود را به زبان طبیعی مطرح کند و سیستم با استفاده از منابع نمایه‌شده در Scopus، پاسخ و منابع مرتبط را ارائه دهد.
قابلیت‌های هوش مصنوعی Scopus اکنون می‌تواند علاوه بر خلاصه‌سازی موضوع، مقالات بنیادی، موضوعات نوظهور و ارتباط میان مفاهیم را نیز نشان دهد. قابلیت Deep Research حتی از یک جست‌وجوی ساده فراتر می‌رود و برای بررسی یک مسئله پژوهشی، برنامه جست‌وجو و تحلیل مفصل‌تری ایجاد می‌کند.
محصول دیگر ScienceDirect AI بود که مزیت مهم آن امکان کار با متن کامل مقالات و فصل‌های کتاب بود. برای مثال پژوهشگر می‌تواند مقاله‌ای را مطالعه کند و از دستیار هوشمند بپرسد روش تحقیق چه بوده، نتایج اصلی چیست یا چند آزمایش چه تفاوت‌هایی با یکدیگر دارند. امکانات ScienceDirect AI اکنون بخشی از محیط گسترده‌تر LeapSpace شده‌اند.
LeapSpace عملاً چه کاری برای پژوهشگر انجام می‌دهد؟
فرض کنید دانشجویی می‌خواهد درباره «تأثیر شبکه‌های اجتماعی بر قطبی‌شدن سیاسی» تحقیق کند. در روش سنتی باید کلیدواژه تعیین کند، در پایگاه‌های مختلف جست‌وجو کند، ده‌ها یا صدها چکیده بخواند، مقالات مهم را انتخاب و سپس ارتباط میان آنها را پیدا کند.
محیط جدید الزویر می‌خواهد بخشی از این فرایند را خودکار کند. پژوهشگر می‌تواند پرسش خود را مستقیماً مطرح کند؛ سیستم منابع مرتبط را پیدا کند، نتایج را ترکیب کند، اختلاف میان مطالعات را نشان دهد و برای ادعاهایش منابع ارائه کند.
قابلیت Compare Tables نیز مطالعات را کنار یکدیگر قرار می‌دهد و اطلاعاتی مانند هدف، مواد و روش‌ها، نتایج و نتیجه‌گیری آنها را استخراج می‌کند. بنابراین کاری که پژوهشگر قبلاً برای مقایسه چندین مقاله به صورت دستی انجام می‌داد، می‌تواند تا حدی به کمک AI انجام شود.
ادامه در پست بعدی 👇👇
👆ادامه ی پست بالا
LeapSpace حتی به جست‌وجوی مقاله محدود نیست. پژوهشگر می‌تواند از آن برای ایده‌پردازی، طراحی پروژه، پیدا کردن پژوهشگران و همکاران بالقوه و یافتن فرصت‌های تأمین مالی پژوهش استفاده کند. داده‌های مربوط به ده‌ها هزار فرصت تأمین مالی نیز در این محیط وجود دارد.
هوش مصنوعی حتی نوشته پژوهشگر را نقد می‌کند
یکی از جالب‌ترین امکانات جدید LeapSpace، Writing Coach است. این ابزار صرفاً ویراستار املایی و دستوری نیست. پژوهشگر می‌تواند نوشته علمی خود را در اختیار سیستم قرار دهد و هوش مصنوعی استدلال آن را در برابر ادبیات علمی موجود بررسی کند.
برای مثال ممکن است پژوهشگر در مقاله خود ادعایی مطرح کرده باشد که شواهد کافی برای آن ارائه نکرده است. Writing Coach می‌تواند منابع مرتبط را پیدا کند یا نشان دهد که در ادبیات علمی، دیدگاه‌های دیگری نیز وجود دارد که نویسنده آنها را نادیده گرفته است. به گفته الزویر، این قابلیت بر ادبیات علمی نمایه‌شده در Scopus متکی است.
در نتیجه هوش مصنوعی در اینجا فقط نقش «نویسنده متن» را ندارد؛ به سمت نوعی منتقد و دستیار پژوهشی حرکت می‌کند.
Trust Card و Claim Radar؛ تلاش برای حل مشکل اعتماد
اما از کجا معلوم خلاصه‌ای که هوش مصنوعی ارائه کرده واقعاً با مقاله اصلی سازگار باشد؟
الزویر برای این مسئله قابلیتی با عنوان Trust Card طراحی کرده است. کاربر می‌تواند ببیند یک ادعای تولیدشده توسط AI بر چه منبعی استوار است و حتی به بخش متن مورد استفاده برای آن ادعا مراجعه کند.
قابلیت دیگری با عنوان Claim Radar تلاش می‌کند یک ادعا را در برابر مجموعه گسترده‌تری از تحقیقات قرار دهد. ممکن است یک مقاله از ادعایی حمایت کند، اما ده‌ها مطالعه دیگر نتایج متفاوتی داشته باشند. در پژوهش علمی، صرف پیدا کردن یک منبع موافق کافی نیست؛ باید دید مجموعه شواهد چه می‌گوید.
این ویژگی‌ها نشان‌دهنده یک تغییر مهم در طراحی AI پژوهشی هستند: پاسخ به تنهایی کافی نیست؛ مسیر رسیدن به پاسخ نیز باید قابل بررسی باشد.
آیا الزویر خودش چیزی شبیه GPT ساخته است؟
پاسخ کوتاه خیر، دست‌کم نه به آن معنایی که OpenAI، Google یا Anthropic مدل‌های بنیادی خود را می‌سازند.
LeapSpace یک محصول مستقل هوش مصنوعی است، اما الزاماً یک مدل زبانی بنیادی اختصاصی نیست. الزویر می‌گوید از یک معماری چندمدلی یا Multi-model استفاده می‌کند؛ یعنی بسته به نوع وظیفه، مدل مناسب انتخاب می‌شود. استفاده از مدل‌های زبانی شرکت‌های دیگر نیز در محیط خصوصی انجام می‌شود و الزویر می‌گوید داده‌های کاربران برای آموزش مدل‌های عمومی استفاده نمی‌شوند.
پس قدرت اصلی الزویر را باید جای دیگری جست‌وجو کرد: داده علمی.
شرکت‌هایی مانند OpenAI و Google در ساخت مدل‌های عمومی بسیار قدرتمندند؛ اما Elsevier دهه‌هاست یکی از بزرگ‌ترین زیرساخت‌های اطلاعات علمی جهان را در اختیار دارد. اتصال مدل‌های زبانی قدرتمند به این منابع علمی ساختاریافته می‌تواند مزیتی بسیار مهم ایجاد کند.
آیا دانشجویان هم می‌توانند از آن استفاده کنند؟
بله. در حال حاضر الزویر برای LeapSpace دسترسی فردی نیز ارائه می‌کند و یک امکان آزمایشی رایگان با محدودیت‌هایی وجود دارد. نسخه کامل فردی نیز اشتراکی است. بنابراین LeapSpace صرفاً محصولی سازمانی برای دانشگاه‌ها و شرکت‌های بزرگ نیست.
ورود به LeapSpace و مشاهده امکانات آن
البته دسترسی به خود ابزار الزاماً به معنای دسترسی آزاد به متن کامل همه مقالات نیست. اگر مقاله‌ای پشت دیوار پرداخت باشد، دسترسی کاربر به متن اصلی همچنان می‌تواند تابع اشتراک دانشگاه یا خرید آن محتوا باشد.
اما باید جانب احتیاط را هم نگه داشت
همه اینها به معنای پایان مشکلات هوش مصنوعی در پژوهش نیست.
اول اینکه «متکی بودن بر منابع علمی» مساوی با «درست بودن پاسخ» نیست. مقالات علمی نیز ممکن است اشتباه باشند، با یکدیگر تعارض داشته باشند یا بعدها رد شوند. افزون بر آن، مدل هوش مصنوعی ممکن است در استخراج یا ترکیب مطالب خطا کند. بنابراین هیچ پاسخ تولیدشده توسط AI نباید جای مطالعه و کنترل منابع اصلی را بگیرد.
دوم، مسئله تمرکز قدرت علمی مطرح است. شرکت‌هایی مانند Elsevier هم مالک یا عرضه‌کننده حجم عظیمی از محتوای علمی‌اند و هم ابزارهایی می‌سازند که قرار است همان دانش را برای پژوهشگران انتخاب، خلاصه و تفسیر کنند. اگر در آینده پژوهشگران بیش از اندازه به چنین واسطه‌هایی وابسته شوند، این پرسش اهمیت بیشتری پیدا می‌کند که الگوریتم بر چه اساسی تصمیم میگیرد کدام پژوهش مهم‌تر است و کدام پژوهش دیده نمی‌شود؟
ادامه در پست بعدی 👇👇👇
LeapSpace حتی به جست‌وجوی مقاله محدود نیست. پژوهشگر می‌تواند از آن برای ایده‌پردازی، طراحی پروژه، پیدا کردن پژوهشگران و همکاران بالقوه و یافتن فرصت‌های تأمین مالی پژوهش استفاده کند. داده‌های مربوط به ده‌ها هزار فرصت تأمین مالی نیز در این محیط وجود دارد.
هوش مصنوعی حتی نوشته پژوهشگر را نقد می‌کند
یکی از جالب‌ترین امکانات جدید LeapSpace، Writing Coach است. این ابزار صرفاً ویراستار املایی و دستوری نیست. پژوهشگر می‌تواند نوشته علمی خود را در اختیار سیستم قرار دهد و هوش مصنوعی استدلال آن را در برابر ادبیات علمی موجود بررسی کند.
برای مثال ممکن است پژوهشگر در مقاله خود ادعایی مطرح کرده باشد که شواهد کافی برای آن ارائه نکرده است. Writing Coach می‌تواند منابع مرتبط را پیدا کند یا نشان دهد که در ادبیات علمی، دیدگاه‌های دیگری نیز وجود دارد که نویسنده آنها را نادیده گرفته است. به گفته الزویر، این قابلیت بر ادبیات علمی نمایه‌شده در Scopus متکی است.
در نتیجه هوش مصنوعی در اینجا فقط نقش «نویسنده متن» را ندارد؛ به سمت نوعی منتقد و دستیار پژوهشی حرکت می‌کند.
Trust Card و Claim Radar؛ تلاش برای حل مشکل اعتماد
اما از کجا معلوم خلاصه‌ای که هوش مصنوعی ارائه کرده واقعاً با مقاله اصلی سازگار باشد؟
الزویر برای این مسئله قابلیتی با عنوان Trust Card طراحی کرده است. کاربر می‌تواند ببیند یک ادعای تولیدشده توسط AI بر چه منبعی استوار است و حتی به بخش متن مورد استفاده برای آن ادعا مراجعه کند.
قابلیت دیگری با عنوان Claim Radar تلاش می‌کند یک ادعا را در برابر مجموعه گسترده‌تری از تحقیقات قرار دهد. ممکن است یک مقاله از ادعایی حمایت کند، اما ده‌ها مطالعه دیگر نتایج متفاوتی داشته باشند. در پژوهش علمی، صرف پیدا کردن یک منبع موافق کافی نیست؛ باید دید مجموعه شواهد چه می‌گوید.
این ویژگی‌ها نشان‌دهنده یک تغییر مهم در طراحی AI پژوهشی هستند: پاسخ به تنهایی کافی نیست؛ مسیر رسیدن به پاسخ نیز باید قابل بررسی باشد.
آیا الزویر خودش چیزی شبیه GPT ساخته است؟
پاسخ کوتاه خیر، دست‌کم نه به آن معنایی که OpenAI، Google یا Anthropic مدل‌های بنیادی خود را می‌سازند.
LeapSpace یک محصول مستقل هوش مصنوعی است، اما الزاماً یک مدل زبانی بنیادی اختصاصی نیست. الزویر می‌گوید از یک معماری چندمدلی یا Multi-model استفاده می‌کند؛ یعنی بسته به نوع وظیفه، مدل مناسب انتخاب می‌شود. استفاده از مدل‌های زبانی شرکت‌های دیگر نیز در محیط خصوصی انجام می‌شود و الزویر می‌گوید داده‌های کاربران برای آموزش مدل‌های عمومی استفاده نمی‌شوند.
پس قدرت اصلی الزویر را باید جای دیگری جست‌وجو کرد: داده علمی.
شرکت‌هایی مانند OpenAI و Google در ساخت مدل‌های عمومی بسیار قدرتمندند؛ اما Elsevier دهه‌هاست یکی از بزرگ‌ترین زیرساخت‌های اطلاعات علمی جهان را در اختیار دارد. اتصال مدل‌های زبانی قدرتمند به این منابع علمی ساختاریافته می‌تواند مزیتی بسیار مهم ایجاد کند.
آیا دانشجویان هم می‌توانند از آن استفاده کنند؟
بله. در حال حاضر الزویر برای LeapSpace دسترسی فردی نیز ارائه می‌کند و یک امکان آزمایشی رایگان با محدودیت‌هایی وجود دارد. نسخه کامل فردی نیز اشتراکی است. بنابراین LeapSpace صرفاً محصولی سازمانی برای دانشگاه‌ها و شرکت‌های بزرگ نیست.
ورود به LeapSpace و مشاهده امکانات آن
البته دسترسی به خود ابزار الزاماً به معنای دسترسی آزاد به متن کامل همه مقالات نیست. اگر مقاله‌ای پشت دیوار پرداخت باشد، دسترسی کاربر به متن اصلی همچنان می‌تواند تابع اشتراک دانشگاه یا خرید آن محتوا باشد.
اما باید جانب احتیاط را هم نگه داشت
همه اینها به معنای پایان مشکلات هوش مصنوعی در پژوهش نیست.
اول اینکه «متکی بودن بر منابع علمی» مساوی با «درست بودن پاسخ» نیست. مقالات علمی نیز ممکن است اشتباه باشند، با یکدیگر تعارض داشته باشند یا بعدها رد شوند. افزون بر آن، مدل هوش مصنوعی ممکن است در استخراج یا ترکیب مطالب خطا کند. بنابراین هیچ پاسخ تولیدشده توسط AI نباید جای مطالعه و کنترل منابع اصلی را بگیرد.
دوم، مسئله تمرکز قدرت علمی مطرح است. شرکت‌هایی مانند Elsevier هم مالک یا عرضه‌کننده حجم عظیمی از محتوای علمی‌اند و هم ابزارهایی می‌سازند که قرار است همان دانش را برای پژوهشگران انتخاب، خلاصه و تفسیر کنند. اگر در آینده پژوهشگران بیش از اندازه به چنین واسطه‌هایی وابسته شوند، این پرسش اهمیت بیشتری پیدا می‌کند که الگوریتم بر چه اساسی تصمیم میگیرد کدام پژوهش مهم‌تر است و کدام پژوهش دیده نمی‌شود؟
ادامه در پست بعدی 👇👇👇
ادامه پست بالا
سوم، دانشگاه‌ها باید مراقب باشند «راحتی» جای «مهارت پژوهش» را نگیرد. دانشجویی که بدون شناخت روش جست‌وجوی علمی، ارزیابی مقاله، روش‌شناسی و نقد منابع فقط پاسخ AI را دریافت می‌کند، ممکن است سریع‌تر به جواب برسد، اما الزاماً پژوهشگر بهتری نمی‌شود.
از «پایگاه مقاله» به «دستیار دانش»
شاید مهم‌ترین جنبه LeapSpace همین باشد. در سی سال گذشته پایگاه‌هایی مانند Scopus، Web of Science و ScienceDirect عمدتاً ابزارهایی برای پیدا کردن اطلاعات بودند. پژوهشگر جست‌وجو می‌کرد، فهرستی از نتایج می‌گرفت و خودش آنها را می‌خواند و تحلیل می‌کرد.
اکنون این الگو در حال تغییر است.
پایگاه علمی جدید می‌خواهد نه فقط مقاله را پیدا کند، بلکه آن را بخواند، مقایسه کند، ارتباط میان مطالعات را کشف کند، تناقض‌ها را نشان دهد و حاصل آنها را به زبان قابل فهم در اختیار پژوهشگر قرار دهد.
به عبارت دیگر، صنعت نشر علمی ممکن است در حال عبور از دوره «فروش دسترسی به اطلاعات» به دوره «فروش دسترسی به هوشِ متصل به اطلاعات» باشد.
این تحول برای دانشجویان یک پیام روشن دارد. احتمالاً مهارت پژوهشگر آینده فقط این نخواهد بود که بداند چگونه در Scopus یا Google Scholar کلیدواژه جست‌وجو کند. مهارت مهم‌تر این خواهد بود که پرسش پژوهشی خوب مطرح کند، از AI برای پیمایش حجم عظیم ادبیات استفاده کند، پاسخ آن را نقد کند، استنادها را کنترل کند و در نهایت خودش درباره اعتبار شواهد داوری کند.
هوش مصنوعی شاید بخش بزرگی از زحمت جست‌وجو و مرور ادبیات را کم کند؛ اما مسئولیت تشخیص اینکه «چه چیزی را باید باور کرد؟» همچنان بر عهده پژوهشگر باقی خواهد ماند.
سوم، دانشگاه‌ها باید مراقب باشند «راحتی» جای «مهارت پژوهش» را نگیرد. دانشجویی که بدون شناخت روش جست‌وجوی علمی، ارزیابی مقاله، روش‌شناسی و نقد منابع فقط پاسخ AI را دریافت می‌کند، ممکن است سریع‌تر به جواب برسد، اما الزاماً پژوهشگر بهتری نمی‌شود.
از «پایگاه مقاله» به «دستیار دانش»
شاید مهم‌ترین جنبه LeapSpace همین باشد. در سی سال گذشته پایگاه‌هایی مانند Scopus، Web of Science و ScienceDirect عمدتاً ابزارهایی برای پیدا کردن اطلاعات بودند. پژوهشگر جست‌وجو می‌کرد، فهرستی از نتایج می‌گرفت و خودش آنها را می‌خواند و تحلیل می‌کرد.
اکنون این الگو در حال تغییر است.
پایگاه علمی جدید می‌خواهد نه فقط مقاله را پیدا کند، بلکه آن را بخواند، مقایسه کند، ارتباط میان مطالعات را کشف کند، تناقض‌ها را نشان دهد و حاصل آنها را به زبان قابل فهم در اختیار پژوهشگر قرار دهد.
به عبارت دیگر، صنعت نشر علمی ممکن است در حال عبور از دوره «فروش دسترسی به اطلاعات» به دوره «فروش دسترسی به هوشِ متصل به اطلاعات» باشد.
این تحول برای دانشجویان یک پیام روشن دارد. احتمالاً مهارت پژوهشگر آینده فقط این نخواهد بود که بداند چگونه در Scopus یا Google Scholar کلیدواژه جست‌وجو کند. مهارت مهم‌تر این خواهد بود که پرسش پژوهشی خوب مطرح کند، از AI برای پیمایش حجم عظیم ادبیات استفاده کند، پاسخ آن را نقد کند، استنادها را کنترل کند و در نهایت خودش درباره اعتبار شواهد داوری کند.
هوش مصنوعی شاید بخش بزرگی از زحمت جست‌وجو و مرور ادبیات را کم کند؛ اما مسئولیت تشخیص اینکه «چه چیزی را باید باور کرد؟» همچنان بر عهده پژوهشگر باقی خواهد ماند.
Elsevier
LeapSpace: Try for free or subscribe
LeapSpace is a research-grade AI workspace powered by trusted scientific content. Discover literature faster, plan research, and find funding with confidence.
استیلای_زنان_حسین_خدیو_جم_به_احترام_هفتاد_سالگی_فرخ.pdf
87.7 KB
مقاله کوتاه حسین خدیو جم در جشن نامه هفتادسالگی فرخ. تسلط زنان در دربار عباسی و حکایت روستای نقره ای
https://t.me/UT_Central_Library
https://t.me/UT_Central_Library
Forwarded from کتاب کست هوشمند کتابخانه مرکزی و مرکز اسناد دانشگاه تهران (A.B)
Audio
عنوان: Creative geographies of Islam: the case of Islamic and traditional visual arts scene in Istanbul
مولف: Hulya Arik
ناشر: Sage
سال انتشار: 2021
این پژوهش به بررسی جغرافیاهای خلاق اسلام و شکوفایی هنرهای تجسمی سنتی و اسلامی مانند خوش‌نویسی، تذهیب و نگارگری در شهر استانبول می‌پردازد که پس از سال‌ها حاشیه‌نشینی در دوران سکولاریسم جمهوری ترکیه، با روی کار آمدن احزاب سیاست اسلامی احیا شدند. نویسنده با بهره‌گیری از تحقیقات میدانی و رویکرد صنایع فرهنگی، نشان می‌دهد که چگونه این آثار هنری از طریق نهادهای عمومی نظیر شهرداری‌ها و حمایت‌های دولتی گسترش یافته‌اند و با گفتمان‌های ملی‌گرایی اسلامی پیوند خورده‌اند. با این حال، تجربیات و چالش‌های هنرمندان زن در این عرصه آشکار می‌کند که این جریان هنری تنها بازتابی ساده از ایدئولوژی‌های رسمی نیست، بلکه فضایی پویا برای به چالش کشیدن هنجارهای مردسالارانه و تفسیرهای محافظه‌کارانه از سنت فراهم می‌آورد.
@KETABCAST_AI_LIB_UT_AC
مولف: Hulya Arik
ناشر: Sage
سال انتشار: 2021
این پژوهش به بررسی جغرافیاهای خلاق اسلام و شکوفایی هنرهای تجسمی سنتی و اسلامی مانند خوش‌نویسی، تذهیب و نگارگری در شهر استانبول می‌پردازد که پس از سال‌ها حاشیه‌نشینی در دوران سکولاریسم جمهوری ترکیه، با روی کار آمدن احزاب سیاست اسلامی احیا شدند. نویسنده با بهره‌گیری از تحقیقات میدانی و رویکرد صنایع فرهنگی، نشان می‌دهد که چگونه این آثار هنری از طریق نهادهای عمومی نظیر شهرداری‌ها و حمایت‌های دولتی گسترش یافته‌اند و با گفتمان‌های ملی‌گرایی اسلامی پیوند خورده‌اند. با این حال، تجربیات و چالش‌های هنرمندان زن در این عرصه آشکار می‌کند که این جریان هنری تنها بازتابی ساده از ایدئولوژی‌های رسمی نیست، بلکه فضایی پویا برای به چالش کشیدن هنجارهای مردسالارانه و تفسیرهای محافظه‌کارانه از سنت فراهم می‌آورد.
@KETABCAST_AI_LIB_UT_AC
📚| نقاشی برای امپراتوران مغول
هنر کتاب، سال‌های 1560 تا 1660
کتابی از سوزان استرانج
نویسنده: سوزان استرانج
شبستانِ هنر
⚜️@rezamahdavi51.
هنر کتاب، سال‌های 1560 تا 1660
کتابی از سوزان استرانج
نویسنده: سوزان استرانج
شبستانِ هنر
⚜️@rezamahdavi51.
Painting for the Mughal Emperor -Susan Stronge.pdf
83.6 MB
📚| نقاشی برای امپراتوران مغول
هنر کتاب، سال‌های 1560 تا 1660
کتابی از سوزان استرانج
نویسنده: سوزان استرانج
شبستانِ هنر
⚜️@rezamahdavi51.
https://t.me/UT_Central_Library
هنر کتاب، سال‌های 1560 تا 1660
کتابی از سوزان استرانج
نویسنده: سوزان استرانج
شبستانِ هنر
⚜️@rezamahdavi51.
https://t.me/UT_Central_Library
خبر فوری
🔵جایزه نوبل فیزیولوژی یا پزشکی سال ۲۰۲۶ به کارل دایسروت، پیتر هگمان و گئورگ ناگل «برای کشفیاتشان در زمینه کانال‌های یونی حساس به نور و اپتوژنتیک» اهدا شد.
https://fxtwitter.com/NobelPrize/status/2107041023977513263
۵ اکتبر ۲۰۲۶
مجمع نوبل در انستیتو کارولینسکا تصمیم گرفته است که جایزه نوبل فیزیولوژی یا پزشکی سال ۲۰۲۶ را به‌طور مشترک اهدا کند به:
کارل دایسروت
مؤسسه پزشکی هاوارد هیوز و دانشگاه استنفورد، ایالات متحده آمریکا
پیتر هگمان
دانشگاه هومبولت برلین، آلمان
گئورگ ناگل
دانشگاه وورتسبورگ، آلمان
«برای کشفیاتشان در زمینه کانال‌های یونی حساس به نور و اپتوژنتیک»
🔹جلبک‌های نورجو، کلیدی برای کنترل سلول‌های عصبی به ما دادند
جایزه نوبل فیزیولوژی یا پزشکی سال ۲۰۲۶ به «اپتوژنتیک» تعلق میگیرد — روشی که نشان دادن نحوه شکل‌گیری حافظه، احساسات و رفتارها توسط سلول‌های عصبی در مغز زنده را امکان‌پذیر می‌سازد.
پیتر هگمان و گئورگ ناگل پروتئینی فوق‌العاده به نام «کانال‌‌رودوپسین» را در یک جلبک تک‌سلولی کشف کردند.
کارل دایسروت این پروتئین را به یک کلیدِ کنترل‌شونده با نور برای سلول‌های عصبی تبدیل کرد.
برندگان این جایزه، بنیاد دوران جدیدی را در علوم اعصاب بنا نهاده‌اند.
https://www.nobelprize.org/prizes/medicine/2026/press-release/?utm_source=X&utm_medium=Social+&utm_campaign=X_medicine_2026
جایزه نوبل فیزیولوژی یا پزشکی سال ۲۰۲۶ به «اپتوژنتیک» تعلق میگیرد — روشی که نشان دادن نحوه شکل‌گیری حافظه، احساسات و رفتارها توسط سلول‌های عصبی در مغز زنده را امکان‌پذیر می‌سازد.
پیتر هگمان و گئورگ ناگل پروتئینی فوق‌العاده به نام «کانال‌‌رودوپسین» را در یک جلبک تک‌سلولی کشف کردند.
کارل دایسروت این پروتئین را به یک کلیدِ کنترل‌شونده با نور برای سلول‌های عصبی تبدیل کرد.
برندگان این جایزه، بنیاد دوران جدیدی را در علوم اعصاب بنا نهاده‌اند.
اینکه مغز چگونه احساسات، رفتارها و عملکردهای بدن را هدایت می‌کند، مدت‌ها یک راز بوده است.
در قرن بیستم، پژوهشگران بررسی این موضوع را آغاز کردند که کدام مناطق مغز بر کدام عملکردها تأثیر می‌گذارند، اما روش‌های مورد استفاده به این معنی بود که آنها نمی‌توانستند روابط علّی و معلولی را اثبات کنند.
تصوری که آنها از مغز توسعه دادند مانند یک نقشه دستیِ اولیه، پر از علامت‌های سؤال و مجهولات بود. اکنون همه اینها در حال تغییر است.
پر اسونینگسون، رئیس کمیته نوبل فیزیولوژی یا پزشکی، می‌گوید: «اپتوژنتیک فرصت‌هایی را برای نقشه‌برداری از مغز به روشی فراهم می‌کند که زمانی تنها می‌توانستیم خوابش را ببینیم».
همه چیز با کنجکاوی پیتر هگمان آغاز شد.
او می‌خواست بداند چگونه کلامیدوموناس (یک جلبک تک‌سلولی) می‌تواند به سمت منبع نور شنا کند.
در اوایل دهه ۲۰۰۰، او و گئورگ ناگل، کانال رودوپسین را کشف کردند؛ پروتئینی جلبکی با ویژگی‌های منحصر‌به‌فرد که روی سطح سلول یافت می‌شود.
هنگامی که نور آبی به آن تابیده می‌شود، کانالی از میان پروتئین باز می‌شود. سپس یون‌های باردار به داخل سلول جریان می‌یابند و یک تکانه (پالس) الکتریکی ایجاد می‌کنند.
آنها دریافتند که این پروتئین را در هر سلولی قرار دهند، آن سلول‌ها نسبت به نور حساس می‌شوند.
کارل دایسروت ژن مربوط به کانال رودوپسین را وارد سلول‌های عصبی موش‌های صحرایی کرد.
او با تاباندن نور آبی به سلول‌ها توانست یک سیگنال عصبی را تحریک کند.
او این دستاورد بزرگ را در سال ۲۰۰۵ منتشر کرد. دو سال بعد، او کاری کرد که این کلیدِ کنترل‌شونده با نور برای سلول‌های عصبی، در مغز موش‌های زنده کار کند.
این روش برای کنترل سیگنال‌های عصبی با نور، اکنون «اپتوژنتیک» نامیده می‌شود و به‌سرعت تأثیری جهانی پیدا کرده است.
پژوهشگران با استفاده از اپتوژنتیک توانسته‌اند مدارهای عصبیِ حاکم بر حافظه‌ها، احساسات و رفتارهای خاصِ مرتبط با اختلالات عصبی و روانی را آشکار سازند.
در پزشکی بالینی، پژوهشگران در تلاشند تا با استفاده از این روش، بینایی را به افراد دارای کم‌بینایی و آسیب‌های چشمی بازگردانند.
اپتوژنتیک درک ما از مغز را به‌طور بنیادی تغییر داده است.
هر روز کشفیات جدیدی به همراه دارد و به حل یکی از بزرگ‌ترین رازهای بشریت کمک می‌کند: اینکه مغز فوق‌العاده ما چگونه کار می‌کند.
🔻بین دوگانگی ها: از همان بدو پیدایش/اختراع تکنیک اپتوژنتیک حدود بیست سال پیش توسط کارل دایسروت مشخص بود که او به خاطر اینکار جایزه نوبل خواهد گرفت.
🔻پیوند به این فرسته درX:
https://x.com/FGhoddoussi/status/2107057277681258712
@BetweenDichotomies
🔵جایزه نوبل فیزیولوژی یا پزشکی سال ۲۰۲۶ به کارل دایسروت، پیتر هگمان و گئورگ ناگل «برای کشفیاتشان در زمینه کانال‌های یونی حساس به نور و اپتوژنتیک» اهدا شد.
https://fxtwitter.com/NobelPrize/status/2107041023977513263
۵ اکتبر ۲۰۲۶
مجمع نوبل در انستیتو کارولینسکا تصمیم گرفته است که جایزه نوبل فیزیولوژی یا پزشکی سال ۲۰۲۶ را به‌طور مشترک اهدا کند به:
کارل دایسروت
مؤسسه پزشکی هاوارد هیوز و دانشگاه استنفورد، ایالات متحده آمریکا
پیتر هگمان
دانشگاه هومبولت برلین، آلمان
گئورگ ناگل
دانشگاه وورتسبورگ، آلمان
«برای کشفیاتشان در زمینه کانال‌های یونی حساس به نور و اپتوژنتیک»
🔹جلبک‌های نورجو، کلیدی برای کنترل سلول‌های عصبی به ما دادند
جایزه نوبل فیزیولوژی یا پزشکی سال ۲۰۲۶ به «اپتوژنتیک» تعلق میگیرد — روشی که نشان دادن نحوه شکل‌گیری حافظه، احساسات و رفتارها توسط سلول‌های عصبی در مغز زنده را امکان‌پذیر می‌سازد.
پیتر هگمان و گئورگ ناگل پروتئینی فوق‌العاده به نام «کانال‌‌رودوپسین» را در یک جلبک تک‌سلولی کشف کردند.
کارل دایسروت این پروتئین را به یک کلیدِ کنترل‌شونده با نور برای سلول‌های عصبی تبدیل کرد.
برندگان این جایزه، بنیاد دوران جدیدی را در علوم اعصاب بنا نهاده‌اند.
https://www.nobelprize.org/prizes/medicine/2026/press-release/?utm_source=X&utm_medium=Social+&utm_campaign=X_medicine_2026
جایزه نوبل فیزیولوژی یا پزشکی سال ۲۰۲۶ به «اپتوژنتیک» تعلق میگیرد — روشی که نشان دادن نحوه شکل‌گیری حافظه، احساسات و رفتارها توسط سلول‌های عصبی در مغز زنده را امکان‌پذیر می‌سازد.
پیتر هگمان و گئورگ ناگل پروتئینی فوق‌العاده به نام «کانال‌‌رودوپسین» را در یک جلبک تک‌سلولی کشف کردند.
کارل دایسروت این پروتئین را به یک کلیدِ کنترل‌شونده با نور برای سلول‌های عصبی تبدیل کرد.
برندگان این جایزه، بنیاد دوران جدیدی را در علوم اعصاب بنا نهاده‌اند.
اینکه مغز چگونه احساسات، رفتارها و عملکردهای بدن را هدایت می‌کند، مدت‌ها یک راز بوده است.
در قرن بیستم، پژوهشگران بررسی این موضوع را آغاز کردند که کدام مناطق مغز بر کدام عملکردها تأثیر می‌گذارند، اما روش‌های مورد استفاده به این معنی بود که آنها نمی‌توانستند روابط علّی و معلولی را اثبات کنند.
تصوری که آنها از مغز توسعه دادند مانند یک نقشه دستیِ اولیه، پر از علامت‌های سؤال و مجهولات بود. اکنون همه اینها در حال تغییر است.
پر اسونینگسون، رئیس کمیته نوبل فیزیولوژی یا پزشکی، می‌گوید: «اپتوژنتیک فرصت‌هایی را برای نقشه‌برداری از مغز به روشی فراهم می‌کند که زمانی تنها می‌توانستیم خوابش را ببینیم».
همه چیز با کنجکاوی پیتر هگمان آغاز شد.
او می‌خواست بداند چگونه کلامیدوموناس (یک جلبک تک‌سلولی) می‌تواند به سمت منبع نور شنا کند.
در اوایل دهه ۲۰۰۰، او و گئورگ ناگل، کانال رودوپسین را کشف کردند؛ پروتئینی جلبکی با ویژگی‌های منحصر‌به‌فرد که روی سطح سلول یافت می‌شود.
هنگامی که نور آبی به آن تابیده می‌شود، کانالی از میان پروتئین باز می‌شود. سپس یون‌های باردار به داخل سلول جریان می‌یابند و یک تکانه (پالس) الکتریکی ایجاد می‌کنند.
آنها دریافتند که این پروتئین را در هر سلولی قرار دهند، آن سلول‌ها نسبت به نور حساس می‌شوند.
کارل دایسروت ژن مربوط به کانال رودوپسین را وارد سلول‌های عصبی موش‌های صحرایی کرد.
او با تاباندن نور آبی به سلول‌ها توانست یک سیگنال عصبی را تحریک کند.
او این دستاورد بزرگ را در سال ۲۰۰۵ منتشر کرد. دو سال بعد، او کاری کرد که این کلیدِ کنترل‌شونده با نور برای سلول‌های عصبی، در مغز موش‌های زنده کار کند.
این روش برای کنترل سیگنال‌های عصبی با نور، اکنون «اپتوژنتیک» نامیده می‌شود و به‌سرعت تأثیری جهانی پیدا کرده است.
پژوهشگران با استفاده از اپتوژنتیک توانسته‌اند مدارهای عصبیِ حاکم بر حافظه‌ها، احساسات و رفتارهای خاصِ مرتبط با اختلالات عصبی و روانی را آشکار سازند.
در پزشکی بالینی، پژوهشگران در تلاشند تا با استفاده از این روش، بینایی را به افراد دارای کم‌بینایی و آسیب‌های چشمی بازگردانند.
اپتوژنتیک درک ما از مغز را به‌طور بنیادی تغییر داده است.
هر روز کشفیات جدیدی به همراه دارد و به حل یکی از بزرگ‌ترین رازهای بشریت کمک می‌کند: اینکه مغز فوق‌العاده ما چگونه کار می‌کند.
🔻بین دوگانگی ها: از همان بدو پیدایش/اختراع تکنیک اپتوژنتیک حدود بیست سال پیش توسط کارل دایسروت مشخص بود که او به خاطر اینکار جایزه نوبل خواهد گرفت.
🔻پیوند به این فرسته درX:
https://x.com/FGhoddoussi/status/2107057277681258712
@BetweenDichotomies
FxTwitter
The Nobel Prize (@NobelPrize)
BREAKING NEWS
The 2026 #NobelPrize in Physiology or Medicine has been awarded to Karl Deisseroth, Peter Hegemann and Georg Nagel “for their discoveries concerning light-gated ion channels and optogenetics.”
The 2026 #NobelPrize in Physiology or Medicine has been awarded to Karl Deisseroth, Peter Hegemann and Georg Nagel “for their discoveries concerning light-gated ion channels and optogenetics.”
دعوت از فروزانفر برای سخنرانی در مشهد در اولین کنفرانس دبیران زبان و ادبیات فارسی سال 1346
https://t.me/UT_Central_Library
https://t.me/UT_Central_Library
الهی و خلّاقی و حرزی و موئلی
الیک لدی الاعسار و الیسر افزع
الهی لئن جلّت و جمّت خطیئتی
فعفوک عن ذنبی اجلّ و اوسع - ( حضرت علی علیه السّلام )
حرّره عماد
میر عماد سنه
تو پنداری که هر دلی چون دل توست
نی نی صنما میان دل ها فرق است
می گریم زار و یار گوید زرق است
چون زرق بود که دیده در خون غرق است - ( مولوی )
( عرضه شده در حراج ساتبیز - لندن انگلستان )
#میر_عماد_الحسنی
#نستعلیق_قدما
#نستعلیق
@Calligraphy_Archive
الیک لدی الاعسار و الیسر افزع
الهی لئن جلّت و جمّت خطیئتی
فعفوک عن ذنبی اجلّ و اوسع - ( حضرت علی علیه السّلام )
حرّره عماد
میر عماد سنه
تو پنداری که هر دلی چون دل توست
نی نی صنما میان دل ها فرق است
می گریم زار و یار گوید زرق است
چون زرق بود که دیده در خون غرق است - ( مولوی )
( عرضه شده در حراج ساتبیز - لندن انگلستان )
#میر_عماد_الحسنی
#نستعلیق_قدما
#نستعلیق
@Calligraphy_Archive
🔎 معرفی Filo؛ دستیار هوشمند برای جست‌وجو، تحلیل و درک منابع علمی
ابزار Filo یک پلتفرم آموزشی و پژوهشی مبتنی بر هوش مصنوعی است که در کنار پاسخ‌گویی به پرسش‌ها و تحلیل اسناد، قابلیت‌های جست‌وجو، خلاصه‌سازی و پردازش اطلاعات علمی را در اختیار کاربران قرار می‌دهد.
در فرایند پژوهش، چنین ابزارهایی می‌توانند زمان موردنیاز برای بررسی اولیه منابع و استخراج اطلاعات از مقالات و اسناد را کاهش دهند و به پژوهشگر در شناخت سریع‌تر یک موضوع کمک کنند.
یکی از کاربردهای مهم Filo برای پژوهشگر، بررسی و خلاصه‌سازی محتوای مقالات و اسناد است؛ به‌ویژه زمانی که تعداد زیادی منبع برای مطالعه اولیه در اختیار پژوهشگر قرار دارد.
پژوهشگر می‌تواند از قابلیت‌های هوش مصنوعی برای طرح پرسش درباره محتوای یک منبع و دریافت توضیح درباره مفاهیم، روش پژوهش، یافته‌ها و نکات اصلی آن استفاده کند.
در مرحله مرور ادبیات، Filo می‌تواند به فهم سریع‌تر منابع و استخراج ایده‌های اصلی کمک کند؛ برای مثال می‌توان از آن خواست مطالعات مرتبط با یک موضوع را خلاصه و مهم‌ترین یافته‌های آنها را مشخص کند.
همچنین می‌توان از قابلیت‌های تحلیلی آن برای مقایسه اطلاعات چند منبع و شناسایی شباهت‌ها، تفاوت‌ها و محورهای مشترک میان مطالعات استفاده کرد.
این فرایند می‌تواند به پژوهشگر در شناسایی روندهای پژوهشی، موضوعات پرتکرار و زمینه‌های نیازمند مطالعه بیشتر کمک کند؛ البته این یافته‌ها باید با بررسی مستقیم منابع علمی اعتبارسنجی شوند.
این ابزار قابلیت‌های مصورسازی علمی مانند تولید نمودار، دیاگرام، نمایش‌های آماری و نقشه را نیز ارائه می‌کند که می‌تواند برای فهم بهتر داده‌ها و مفاهیم پژوهشی مفید باشد.
برای مثال، پس از استخراج اطلاعات از مجموعه‌ای از مطالعات می‌توان از ابزارهای هوش مصنوعی برای سازمان‌دهی و نمایش یافته‌ها به شکل بصری استفاده کرد و تصویری روشن‌تر از وضعیت ادبیات موضوع به دست آورد.
بااین‌حال، Filo نباید جایگزین جست‌وجوی نظام‌مند در پایگاه‌های علمی و ارزیابی انتقادی منابع شود؛ در مرور ادبیات علمی، جامعیت جست‌وجو، معیارهای انتخاب منابع و ارزیابی کیفیت مطالعات همچنان بر عهده پژوهشگر است.
بنابراین بهترین کاربرد Filo در مرور ادبیات، استفاده از آن به‌عنوان دستیار پژوهش برای مطالعه اولیه، خلاصه‌سازی، مقایسه و سازمان‌دهی اطلاعات است، نه تولید مستقل و بدون بررسی پیشینه پژوهش.
در مجموع، Filo می‌تواند با ترکیب پاسخ‌گویی هوشمند، تحلیل محتوای علمی و قابلیت‌های مصورسازی، بخشی از فرایند مرور ادبیات را سریع‌تر کند؛ اما برای نگارش نهایی، مراجعه به متن اصلی مقالات و کنترل صحت اطلاعات و استنادها ضروری است.
https://felo.ai/
https://t.me/UT_Central_Library
ابزار Filo یک پلتفرم آموزشی و پژوهشی مبتنی بر هوش مصنوعی است که در کنار پاسخ‌گویی به پرسش‌ها و تحلیل اسناد، قابلیت‌های جست‌وجو، خلاصه‌سازی و پردازش اطلاعات علمی را در اختیار کاربران قرار می‌دهد.
در فرایند پژوهش، چنین ابزارهایی می‌توانند زمان موردنیاز برای بررسی اولیه منابع و استخراج اطلاعات از مقالات و اسناد را کاهش دهند و به پژوهشگر در شناخت سریع‌تر یک موضوع کمک کنند.
یکی از کاربردهای مهم Filo برای پژوهشگر، بررسی و خلاصه‌سازی محتوای مقالات و اسناد است؛ به‌ویژه زمانی که تعداد زیادی منبع برای مطالعه اولیه در اختیار پژوهشگر قرار دارد.
پژوهشگر می‌تواند از قابلیت‌های هوش مصنوعی برای طرح پرسش درباره محتوای یک منبع و دریافت توضیح درباره مفاهیم، روش پژوهش، یافته‌ها و نکات اصلی آن استفاده کند.
در مرحله مرور ادبیات، Filo می‌تواند به فهم سریع‌تر منابع و استخراج ایده‌های اصلی کمک کند؛ برای مثال می‌توان از آن خواست مطالعات مرتبط با یک موضوع را خلاصه و مهم‌ترین یافته‌های آنها را مشخص کند.
همچنین می‌توان از قابلیت‌های تحلیلی آن برای مقایسه اطلاعات چند منبع و شناسایی شباهت‌ها، تفاوت‌ها و محورهای مشترک میان مطالعات استفاده کرد.
این فرایند می‌تواند به پژوهشگر در شناسایی روندهای پژوهشی، موضوعات پرتکرار و زمینه‌های نیازمند مطالعه بیشتر کمک کند؛ البته این یافته‌ها باید با بررسی مستقیم منابع علمی اعتبارسنجی شوند.
این ابزار قابلیت‌های مصورسازی علمی مانند تولید نمودار، دیاگرام، نمایش‌های آماری و نقشه را نیز ارائه می‌کند که می‌تواند برای فهم بهتر داده‌ها و مفاهیم پژوهشی مفید باشد.
برای مثال، پس از استخراج اطلاعات از مجموعه‌ای از مطالعات می‌توان از ابزارهای هوش مصنوعی برای سازمان‌دهی و نمایش یافته‌ها به شکل بصری استفاده کرد و تصویری روشن‌تر از وضعیت ادبیات موضوع به دست آورد.
بااین‌حال، Filo نباید جایگزین جست‌وجوی نظام‌مند در پایگاه‌های علمی و ارزیابی انتقادی منابع شود؛ در مرور ادبیات علمی، جامعیت جست‌وجو، معیارهای انتخاب منابع و ارزیابی کیفیت مطالعات همچنان بر عهده پژوهشگر است.
بنابراین بهترین کاربرد Filo در مرور ادبیات، استفاده از آن به‌عنوان دستیار پژوهش برای مطالعه اولیه، خلاصه‌سازی، مقایسه و سازمان‌دهی اطلاعات است، نه تولید مستقل و بدون بررسی پیشینه پژوهش.
در مجموع، Filo می‌تواند با ترکیب پاسخ‌گویی هوشمند، تحلیل محتوای علمی و قابلیت‌های مصورسازی، بخشی از فرایند مرور ادبیات را سریع‌تر کند؛ اما برای نگارش نهایی، مراجعه به متن اصلی مقالات و کنترل صحت اطلاعات و استنادها ضروری است.
https://felo.ai/
https://t.me/UT_Central_Library
Felo
Felo — Free Multilingual AI Search & Creation Platform
Ask AI anything, search across languages, and create slides, mind maps, docs, images, and webpages with Felo. A free AI platform for research and creation.