دانشکده پزشکی

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال

وبینار دلایل بازپس گیری مقالات در تاریخ 1405/5/11  توسط واحد نشر مدیریت منابع علمی دانشگاه علوم پزشکی تبریز و دکتر علی شایان فر برگزار شد و پژوهشگران و اعضای هیات علمی و دانشجویان از سراسر کشور در آن شرکت کردند. 

 

محتوای این کارگاه به طور خلاصه به این مهم پرداخت که مواردی چون ابهامات نویسندگی، استفاده غیر شفاف از هوش مصنوعی، دستکاری بدون دلیل تصاویر در مقالات، اشکالات داوری، ذکر نکردن تضادهای منافع، در دسترس نبودن داده های خام، بازپس گیری مقالات شامل در متاآنالیزها و ارائه رفرنسهای غیرمرتبط از جمله دلایل باز پس گیری مقالات شمرده شد. داشتن صداقت در کارهای علمی و رعایت اخلاق پژوهش از جمله راهکارهای جلوگیری از ابطال مقالات شمرده شد. 

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال

ابزار JANE (مخفف Journal/Author Name Estimator) یک ابزار رایگان و مبتنی بر وب است که به شما کمک می‌کند نشریه مناسب برای مقاله‌تان را پیدا کنید. این ابزار با استفاده از پایگاه داده‌ی عظیم PubMed/MEDLINE کار می‌کند و به خصوص در حوزه‌ی علوم زیستی و پزشکی بسیار کارآمد است .

https://jane.biosemantics.org/

JANE بیش از یک ابزار ساده برای پیدا کردن نشریه است و سه کاربرد اصلی دارد :

   پیدا کردن نشریه مناسب: شما عنوان یا چکیده مقاله‌تان را وارد می‌کنید و JANE فهرستی از نشریاتی که بیشترین شباهت را با محتوای مقاله‌ی شما دارند، به همراه درجه‌ی اطمینان (Confidence Score) و شاخص تأثیر (Article Influence) نمایش می‌دهد .

   پیدا کردن نویسندگان مرتبط: این قابلیت به شما کمک می‌کند متخصصان و نویسندگانی را پیدا کنید که در حوزه‌ی موضوعی شما کار مشابهی انجام داده‌اند. این اطلاعات می‌تواند برای پیدا کردن داوران بالقوه برای مقاله‌تان بسیار مفید باشد .

   پیدا کردن مقالات مشابه: JANE می‌تواند مقالاتی را که از نظر محتوا به مقاله‌ی شما شباهت دارند، پیدا کند. این ویژگی به شما کمک می‌کند ببینید مقالات مشابه در چه نشریاتی چاپ شده‌اند و از آن‌ها برای ارجاع در مقاله‌تان استفاده کنید .

 نحوه‌ی عملکرد و امتیازات کلیدی

   اتصال به PubMed: مهم‌ترین نقطه‌قوت JANE، اتصال مستقیم آن به پایگاه داده‌ی PubMed است. این یعنی نتایج بر اساس مقالات معتبر و نمایه‌شده در این پایگاه داده ارائه می‌شوند و بنابراین بسیار مرتبط و قابل اعتماد هستند .

   تشخیص نشریات معتبر از نامعتبر: یکی از چالش‌های مهم، تشخیص نشریات کلاهبردار است. از سال ۲۰۱۷، JANE یک ویژگی عالی برای این کار اضافه کرده است. در نتایج جستجو، کنار نام هر نشریه، یک برچسب رنگی نشان می‌دهد که وضعیت آن را مشخص می‌کند :

       برچسب سبز "Medline-indexed": یعنی این نشریه در پایگاه داده‌ی اصلی MEDLINE نمایه می‌شود و از اعتبار بالایی برخوردار است.

       برچسب نارنجی "High-quality open access": یعنی نشریه یک مجله‌ی دسترسی آزاد با کیفیت بالا است که توسط دایرکتوری DOAJ تأیید شده است.

       برچسب آبی "PMC": یعنی مقالات این نشریه در PubMed Central آرشیو می‌شوند.

   سادگی استفاده: کاربری JANE بسیار ساده است. کافی است عنوان، چکیده، یا چند کلمه کلیدی از مقاله‌تان را در کادر جستجو وارد کنید .

 محدودیت‌ها

با وجود همه‌ی مزایا، JANE یک اشکال مهم هم دارد: از آنجا که به داده‌های PubMed متکی است، ممکن است نام برخی نشریات نامعتبر یا کلاهبردار که توانسته‌اند خود را به PubMed برسانند، در نتایج آن دیده شود. بنابراین، همیشه توصیه می‌شود پس از دریافت پیشنهادهای JANE، اعتبار و اطلاعات نشریه را به طور جداگانه بررسی کنید .

JANE یک نقطه‌شروع عالی برای یافتن نشریه است، اما نباید تنها ابزار تصمیم‌گیری شما باشد و بهتر است نتایج آن را با تحقیقات دیگر تکمیل کنید.

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال

روشهای Humanize  کردن متن نگارش شده توسط هوش مصنوعی (قسمت دوم)

 

۵. پرهیز از جملات دفاعی و کلیشه‌ای (Defensive Restatements)

الگوی رایج AI: «This is not X. It is Y.»

   راهکار: جمله را به صورت مستقیم و مثبت بنویسید.

       بد: «This is not a finding about one model. It is a finding about architecture.»

       خوب: «The failure is architectural, not model-specific.»

 

6. استفاده طبیعی از ضمیر «We» (اول شخص)

هوش مصنوعی تمایل به استفاده از ساختار مجهول (passive voice) دارد.

   بد: «It was observed that the results indicate...»

   خوب: «We found that...» یا «The results show...»

 

7. اجتناب از عبارات اغراق‌آمیز (Dramatic Language)

به جای گفتن «the effect was dramatic» مستقیماً عدد یا آمار را گزارش دهید: «Cohen's d = 7.70».

 

8. تنوع در لیست‌ها (Rule-of-Three)

هوش مصنوعی تمایل دارد همیشه مثال‌ها را در دسته‌های سه‌تایی بیاورد. سعی کنید تعداد آیتم‌های لیست‌های خود را تغییر دهید یا از اعداد زوج استفاده کنید.

 

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال

روش‌های فنی برای کاهش تشخیص‌پذیری متن هوش مصنوعی بر اساس تحلیل الگوهای زبانی هستند که معمولاً در متون تولیدشده توسط مدل‌های زبانی بزرگ دیده می‌شوند. برخی از این روشها عبارتند از موارد زیر.

۱. حذف کلمات و عبارات "هشداردهنده"

برخی کلمات در متون تولیدشده توسط هوش مصنوعی بسیار بیشتر از نوشته‌های انسانی به کار می‌روند. استفاده از این کلمات مانند یک «اثر انگشت» عمل می‌کند.

   کلمات ممنوعه:

`delve`, `showcase`, `meticulous`, `tapestry`, `intricate`, `pivotal`, `nuanced`, `multifaceted`, `commendable`, `noteworthy`, `underscores`, `landscape`, `realm`, `embark`, `harnessing`, `beacon`, `groundbreaking`, `game-changing`.

   کلمات پرمخاطره (با احتیاط استفاده کنید):

 `comprehensive`, `robust`, `novel`, `innovative`, `holistic`, `leverage`, `paradigm`, `cutting-edge`, `plethora`, `myriad`, `crucial`, `vital`, `overarching`.

 

۲. پرهیز از عبارات انتقالی قالبی (Formulaic Transitions)

هوش مصنوعی برای شروع پاراگراف‌ها از عبارات کلیشه‌ای استفاده می‌کند.

   عبارات ممنوعه:

 `Moreover`, `Furthermore`, `Additionally`, `Consequently`, `Notably`, `Importantly`, `Crucially`, `Interestingly`, `It is worth noting that`, `It should be noted that`.

   راهکار: جملات را مستقیماً با فاعل شروع کنید یا از کلمات کوتاه‌تری مثل `But`، `And`، `This` یا `The` استفاده کنید.

 

 3. کاهش استفاده از خط فاصله بلند (Em Dash —)

مدل Claude به طور خاص از این علامت نگارشی بیش از حد استفاده می‌کند. تراکم طبیعی در نوشته‌های انسانی حدود ۱ خط فاصله بلند در هر ۵۰۰ تا ۱۰۰۰ کلمه است، در حالی که در متون AI این عدد به ۱ در هر ۵۰ تا ۸۰ کلمه می‌رسد.

   راهکار: حداکثر تعداد این خط‌ها را در کل متن به ۳ تا ۵ عدد محدود کنید. به جای آن از پرانتز، نقطه یا دونقطه استفاده کنید.

 

۴. افزایش «نوسان» در طول جملات (Burstiness)

متون AI معمولاً از جملاتی با طول یکنواخت (۲۰ تا ۳۵ کلمه) تشکیل شده‌اند. نوشته‌های انسانی «نوسان» دارند؛ یعنی جملات کوتاه (۵ کلمه‌ای) و بلند (۴۰ کلمه‌ای) در کنار هم قرار می‌گیرند.

   راهکار: بعد از هر جمله پیچیده، یک جمله کوتاه و برنده بیاورید. مثلاً: «This is the core problem. No existing system fixes it. The gap is structural.»

امتیاز کاربران

ستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعالستاره غیر فعال

چگونه بزرگ‌ترین کتابخانه‌های علوم پزشکی جهان هنوز بر کتاب چاپی و خدمات کلاسیک تکیه دارند؟

سوالی که ذهن بسیاری از کاربران کتابخانه ها را به خود مشغول می کند!

با گسترش منابع دیجیتال و پایگاه‌های داده آنلاین، این تصور شکل گرفته که کتابخانه‌های سنتی و خدمات کلاسیک کتابداری رو به افول‌اند. اما بررسی مستند سه کتابخانه مطرح علوم پزشکی جهان نشان می‌دهد که نقش‌های سنتی کتابداری — از امانت و بازگشت گرفته تا فهرستنویسی، پردازش فنی، نگهداری مجموعه‌های چاپی و خدمات مرجع — نه تنها حذف نشده‌اند، بلکه در ساختارهای نوین تقویت شده‌اند.

هاروارد: کتابخانه‌ای با کتاب چاپی، آرشیو و پردازش فنی فعال

بر اساس گزارش رسمی FY2020–FY2023 مرکز تاریخ پزشکی Countway:

  • در سال مالی 2023 تعداد 3,552 درخواست مرجع از راه دور ثبت شده است.
  • طی چهار سال، بیش از 800 جلسه آموزشی برگزار شده است.
  • در همین بازه، 329 مجموعه و سری آرشیوی پردازش و فهرست‌نویسی کامل شده‌اند.
  • همچنین 180 عنوان کتاب نایاب چاپی به مجموعه افزوده شده است.

📎 منبع:

Countway Library – Consolidated Report FY2020–FY2023

https://countway.harvard.edu/sites/default/files/Countway/Center Annual Reports/FY20_FY23_AnnualReport_Final.pdf

همچنین طبق صفحه معرفی مجموعه Countway، این کتابخانه دارای بیش از 630 هزار جلد کتاب و هزاران عنوان مجله چاپی است.

📎 منبع:

Public Domain Review – Francis A. Countway Library of Medicine

https://publicdomainreview.org/collections/source/francis-a-countway-library-of-medicine/

این داده‌ها نشان می‌دهد که مجموعه‌سازی چاپی، فهرستنویسی و پردازش فنی همچنان جریان فعال دارند.

دانشگاه تورنتو: استمرار خدمات حضوری در کنار دیجیتال

کتابخانه Gerstein به‌عنوان مرکز علوم زیستی دانشگاه تورنتو، بخشی از سیستم کتابخانه‌ای این دانشگاه است که یکی از بزرگ‌ترین سیستم‌های کتابخانه‌ای دانشگاهی آمریکای شمالی محسوب می‌شود.

این کتابخانه:

  • خدمات امانت حضوری ارائه می‌دهد،
  • دارای فضاهای مطالعه و مجموعه فیزیکی است،
  • و در کنار منابع دیجیتال، خدمات کلاسیک مرجع و مجموعه‌داری را حفظ کرده است.

📎 منبع رسمی:

Gerstein Science Information Centre

https://library.utoronto.ca/library/gerstein

در واقع می توان دید که کتابخانه‌های علوم پزشکی جهان نه از سنت فاصله گرفته‌اند، نه در دیجیتال حل شده‌اند؛ بلکه سنت را در بستر فناوری بازتعریف کرده‌اند.