نیچر در یادداشت جالبی، واکنش به کلمات تخصصی (Jargon) در نوشتار علمی را منتشر کرده است. هیلاری شولمن (Hillary Shulman )، نویسنده ارشد ارتباطات در دانشگاه ایالتی اوهایو در کلمبوس ، می گوید: خیلی سخت است که اطلاعات را مفهوم سازی کنیم و بیشتر مواقع از این کار وحشت داریم.. او می گوید: دانشمندان "با کلماتی که انتخاب می کنند" در درک متون، موانع ایجاد می کنند.
نتایج یک مطالعه نشان داد که مردم عادی هنگامی که یک متن حاوی اصطلاحات تخصصی را می خوانند، فکر می کنند که زبان علم را نمی فهمند و از مطالعه بیشتر درباره آن موضوع در آینده ناامید می شوند. حتی در طول مطالعه لینک هایی برای توضیحات بیشتر اصطلاحات در دسترس آن ها بود، ولی اصلا از آن ها استفاده نکردند.
بارام تساری یکی دیگر از محققان این مطالعه می گوید: یکی از دانشجویان تحصیلات تکمیلی او شواهدی عینی را جمع آوری کرده است که نشان می دهد برخی از محققان زن به خصوص در استفاده از کلمات و اصطلاحات به شدت فنی در کار و مکالمات خود ، تحت فشار قرار می گیرند. آنها می گویند: " مردم من را جدی نمی گیرند زیرا من زن هستم". اگر من از زبان عامیانه استفاده کنم ، این رویکرد برای حرفه من بد خواهد بود. شولمن متوجه شده است که محققان در اوایل کار حرفه ای خود تمایل دارند که به زبان فنی تکیه کنند و آن را راهی برای نشان دادن این نکته می دانند که به جامعه علمی تعلق دارند. وی می گوید: "من این رویکرد را در دانشجویان تحصیلات تکمیلی زیاد می بینم."
وی تآکید می کند که حتی دانشجویانی که به آن ها تدریس می کنید هم ممکن است از اصطلاحات تخصصی خسته شوند. بهتر است با ساده سازی توجه ان ها را به محیط کلاس معطوف کنید.
https://go.nature.com/2vtFPo1
#jargon
#Nature
@inforscience
نتایج یک مطالعه نشان داد که مردم عادی هنگامی که یک متن حاوی اصطلاحات تخصصی را می خوانند، فکر می کنند که زبان علم را نمی فهمند و از مطالعه بیشتر درباره آن موضوع در آینده ناامید می شوند. حتی در طول مطالعه لینک هایی برای توضیحات بیشتر اصطلاحات در دسترس آن ها بود، ولی اصلا از آن ها استفاده نکردند.
بارام تساری یکی دیگر از محققان این مطالعه می گوید: یکی از دانشجویان تحصیلات تکمیلی او شواهدی عینی را جمع آوری کرده است که نشان می دهد برخی از محققان زن به خصوص در استفاده از کلمات و اصطلاحات به شدت فنی در کار و مکالمات خود ، تحت فشار قرار می گیرند. آنها می گویند: " مردم من را جدی نمی گیرند زیرا من زن هستم". اگر من از زبان عامیانه استفاده کنم ، این رویکرد برای حرفه من بد خواهد بود. شولمن متوجه شده است که محققان در اوایل کار حرفه ای خود تمایل دارند که به زبان فنی تکیه کنند و آن را راهی برای نشان دادن این نکته می دانند که به جامعه علمی تعلق دارند. وی می گوید: "من این رویکرد را در دانشجویان تحصیلات تکمیلی زیاد می بینم."
وی تآکید می کند که حتی دانشجویانی که به آن ها تدریس می کنید هم ممکن است از اصطلاحات تخصصی خسته شوند. بهتر است با ساده سازی توجه ان ها را به محیط کلاس معطوف کنید.
https://go.nature.com/2vtFPo1
#jargon
#Nature
@inforscience
Nature
Words matter: jargon alienates readers
Non-scientists feel shut out and confused by articles that use technical language — even if it’s defined.
استفاده از تجزیه و تحلیل پیشرفته متن برای گراف های دانش:
رویکرد «استدلال رابطه گرایی/ connectionist reasoning» فرصتی را برای تعریف و مصورسازی داده ایجاد می کند. بازنمون دانش یکی ازمؤلفه های اصلی در هوش مصنوعی است که روش «استدلال رابطه گرایی» را تحقق می بخشد. این امر نحوه ارائه دانش و استدلال را در سیستمهای هوشمند با ارائه استدلال از طریق رابطه ها تعریف می کند. در این لینک توضیح داده شده است که پردازش زبان طبیعی (NLP) براساس «استدلال رابطه گرایی» چگونه می تواند روابط بین موجودیت ها در تحلیل متن را پیدا کند و در نهایت گراف دانش مربوطه را ترسیم کند. "روابط" بین موجودیت های مختلف، اطلاعات کلیدی در مورد دانش بازنمون شده در اختیار دارد. به طور خلاصه ،تهیه نمودار دانش از داده های متنی یک فرایند چالش برانگیز است. به لیستی پیچیده از روشهای مختلف NLP نیاز است تا بتواند اطلاعات موجودیت ، اطلاعات مربوط به رابطه بین موجودیت ها و حقایق مختصر و دقیق را استخراج کند. علاوه بر این ، ادغام اطلاعات متنی از منابع ناهمگن برای نشان دادن دانش در کلان داده ها ( از نظر مقیاس و حجم) بسیار پیچیده است.
https://bit.ly/2IWabCx
رویکرد «استدلال رابطه گرایی/ connectionist reasoning» فرصتی را برای تعریف و مصورسازی داده ایجاد می کند. بازنمون دانش یکی ازمؤلفه های اصلی در هوش مصنوعی است که روش «استدلال رابطه گرایی» را تحقق می بخشد. این امر نحوه ارائه دانش و استدلال را در سیستمهای هوشمند با ارائه استدلال از طریق رابطه ها تعریف می کند. در این لینک توضیح داده شده است که پردازش زبان طبیعی (NLP) براساس «استدلال رابطه گرایی» چگونه می تواند روابط بین موجودیت ها در تحلیل متن را پیدا کند و در نهایت گراف دانش مربوطه را ترسیم کند. "روابط" بین موجودیت های مختلف، اطلاعات کلیدی در مورد دانش بازنمون شده در اختیار دارد. به طور خلاصه ،تهیه نمودار دانش از داده های متنی یک فرایند چالش برانگیز است. به لیستی پیچیده از روشهای مختلف NLP نیاز است تا بتواند اطلاعات موجودیت ، اطلاعات مربوط به رابطه بین موجودیت ها و حقایق مختصر و دقیق را استخراج کند. علاوه بر این ، ادغام اطلاعات متنی از منابع ناهمگن برای نشان دادن دانش در کلان داده ها ( از نظر مقیاس و حجم) بسیار پیچیده است.
https://bit.ly/2IWabCx
Persistent Systems
Employing Advanced Text Analytics For Knowledge Graphs | Persistent Systems
This blog describes about extraction of data from text and representing it on Knowledge Graph. This NLP methods helps in accurately extracting entity information and relationship information.
گوگل اسکالر برای ایجاد یکدستی در جستجوی منابع اطلاعاتی درباره کوید۱۹، بر حسب نام ناشران منتشرکننده منابع اطلاعاتی، در صفحه اول خود فضایی را ایجاد کرده است که با کلیک بر روی نام ناشر به منابع کرونا دسترسی دارید .
@inforscience
#COVID19
#CoronaVirus
#GoogleScholar
@inforscience
#COVID19
#CoronaVirus
#GoogleScholar
رهبران علمی دنیا درخواست کرده بودند تا مقالات علمی کوید ۱۹ برای همه دنیا دسترس پذیر باشد. از این رو، دفتر سیاست گذاری علم و فناوری کاخ سفید و کتابخانه علوم پزشکی آمریکا تفاهم نامه ای را با بیش از سی ناشر معتبر دنیا امضا کرده اند تا مقالات منتشرشده درباره ویروس کرونا و داده های پزشکی مرتبط با آن ها را به طور رایگان از طریق پابمد (PMC) دسترس پذیر کنند. هدف این است تا محتوای منتشر شده توسط سایر پژوهشگران دنیا قابلیت استفاده مجدد داشته باشد تا با اشتراک نظر جهانی، سلامت عمومی در سطح جهانی، سریعتر قابلیت کنترل یابد. در میان نام ناشران، نام امرالد، پلاس، دانشگاه آکسفورد، الزویر، لنست، فرانتیرز، اشپیرنگر نیچر، وایلی، انجمن آمریکایی میکروبیولوژی و .... به چشم می خورد:
https://wellcome.ac.uk/press-release/publishers-make-coronavirus-covid-19-content-freely-available-and-reusable
#COVID19
#Coronavirus
@inforscience
https://wellcome.ac.uk/press-release/publishers-make-coronavirus-covid-19-content-freely-available-and-reusable
#COVID19
#Coronavirus
@inforscience
wellcome.ac.uk
Publishers make coronavirus (COVID-19) content freely available and
More than 25 leading publishers have committed to making all of their COVID-19 and coronavirus-related publications, and the available data supporting them, immediately accessible in PubMed Central
« توسعه هستان شناسی ایكاروس ICARUS ontology» :
این هستان شناسی به عنوان یكی از مؤلفه های اصلی فعالیت های ایكاروس در جهت یکپارچه سازی و غنی سازی معنایی داده های مربوط به حمل و نقل هوایی در فرمت های مختلف و از منابع داده ای گوناگون توسعه یافته است. به طور خاص ، اصلی ترین کاربرد هستان شناسی ICARUS نگاشت داده ها است ، زیرا هر داده ارائه شده با مفاهیمی از مدل داده های ایکاروس (که از هستان شناسی ایکاروس مشتق می شود) به روش نیمه اتوماتیک نگاشت می شوند و به منابع مرتبط دیگر پیوند می خورد. علاوه براین، سیستم توصیه گر براساس توسعه الگوریتم ها و نرم افزارها، مناسب ترین داده مرتبط با ترجیحات کاربر را پیشنهاد می کند.
توسعه این انتولوژی متمرکز بر بافت هوانوردی در نحو OWL با نرم افزار پروتژه و در سطح بالا است که با استفاده از زبان اسپارکل (SPARQL) قابلیت بازیابی دارد.
به طور کلی ، هستان شناسی ایکاروس قادر به ضبط ویژگی های ساختاری و معنایی موجودیت های مختلف درگیر در حوزه هوانوردی است ، در حالی که مدل های مفهومی اساسی با استفاده از استدلال سبک وزن را در طی فرآیند تطابق تسهیل می کنند. علاوه بر این ، می توان از آن برای جستجوی داده های یکپارچه از چندین منبع (به عنوان مثال داده های پروازی ، داده های مربوط به حساب های شبکه های اجتماعی خطوط هوایی و فرودگاه ها و غیره) با استفاده از پرس و جوهای SPARQL و همچنین ارائه توصیه های با کیفیت بالا از مجموعه داده ها ، مبتنی بر ترجیحات کاربران با استفاده از یک سیستم توصیه معنایی استفاده کرد.
https://bit.ly/2xEJrUK
#ontology_development
#semantic_recommendation_sysystem
@infoscience
این هستان شناسی به عنوان یكی از مؤلفه های اصلی فعالیت های ایكاروس در جهت یکپارچه سازی و غنی سازی معنایی داده های مربوط به حمل و نقل هوایی در فرمت های مختلف و از منابع داده ای گوناگون توسعه یافته است. به طور خاص ، اصلی ترین کاربرد هستان شناسی ICARUS نگاشت داده ها است ، زیرا هر داده ارائه شده با مفاهیمی از مدل داده های ایکاروس (که از هستان شناسی ایکاروس مشتق می شود) به روش نیمه اتوماتیک نگاشت می شوند و به منابع مرتبط دیگر پیوند می خورد. علاوه براین، سیستم توصیه گر براساس توسعه الگوریتم ها و نرم افزارها، مناسب ترین داده مرتبط با ترجیحات کاربر را پیشنهاد می کند.
توسعه این انتولوژی متمرکز بر بافت هوانوردی در نحو OWL با نرم افزار پروتژه و در سطح بالا است که با استفاده از زبان اسپارکل (SPARQL) قابلیت بازیابی دارد.
به طور کلی ، هستان شناسی ایکاروس قادر به ضبط ویژگی های ساختاری و معنایی موجودیت های مختلف درگیر در حوزه هوانوردی است ، در حالی که مدل های مفهومی اساسی با استفاده از استدلال سبک وزن را در طی فرآیند تطابق تسهیل می کنند. علاوه بر این ، می توان از آن برای جستجوی داده های یکپارچه از چندین منبع (به عنوان مثال داده های پروازی ، داده های مربوط به حساب های شبکه های اجتماعی خطوط هوایی و فرودگاه ها و غیره) با استفاده از پرس و جوهای SPARQL و همچنین ارائه توصیه های با کیفیت بالا از مجموعه داده ها ، مبتنی بر ترجیحات کاربران با استفاده از یک سیستم توصیه معنایی استفاده کرد.
https://bit.ly/2xEJrUK
#ontology_development
#semantic_recommendation_sysystem
@infoscience
ICARUS project
The ICARUS Ontology: An ontology for the representation of the knowledge of the aviation sector - ICARUS project
The management of data is a great challenge for industries in aviation as the amount of available data has been […]
پرِپ(PREP) چیست؟
Platform for Responsible Editorial Policies (PREP)
پرِپ یک بستر آنلاین است که به سردبیران نشریات علمی کمک می کند تا درباره رویه های تحریریه خود با شفافیت عمل کنند و به سردبیران و ناشران پیشنهاد می کند تا از بهبودهای بالقوه روندهای هم ترازی نشریات خود و نشریات همتراز خود اگاه تر شوند. این پلتفرم همچنین اطلاعات یکپارچه ای را درباره انواع فرآیندهای داوری که مورد استفاده قرار می گیرد، ارائه می کند. PREP دارای یک پایگاه داده است و اطلاعات و ابزارهایی را برای یافتن نشریات علمی دارای ویژگی های مختلف هم ترازی ارائه می نماید. PREP دارای ویژگی های زیر است:
- به عنوان یک بانک اطلاعاتی، روش های ویراستاری فعلی نشریات را مستند می کند.
- پرسشنامه ساده ای که به سردبیران امکان می دهد مراحل فعلی هم ترازی خود را توصیف کنند و پیشنهادهایی را برای پیشرفت های بالقوه دریافت کنند.
- مروری بر رویه های فعلی و کسب دانش در مورد نقاط قوت و ضعف آنها.
- پیشنهاداتی در مورد چگونگی بهبود شفافیت سیاست های تحریریه.
در این پایگاه می توان میزان گم نامی داوری، سطح رابطه بین داور و نویسنده، رابطه بین داوان مختلف و غیره را مشخص کرد که به عنوان نتیجه جستجو،بر اساس ویژگی های مشخص شده به کاربر نشریه پیشنهاد می شود.
https://www.responsiblejournals.org/database/search
#PREP
#Responsible_journals
@inforscience
Platform for Responsible Editorial Policies (PREP)
پرِپ یک بستر آنلاین است که به سردبیران نشریات علمی کمک می کند تا درباره رویه های تحریریه خود با شفافیت عمل کنند و به سردبیران و ناشران پیشنهاد می کند تا از بهبودهای بالقوه روندهای هم ترازی نشریات خود و نشریات همتراز خود اگاه تر شوند. این پلتفرم همچنین اطلاعات یکپارچه ای را درباره انواع فرآیندهای داوری که مورد استفاده قرار می گیرد، ارائه می کند. PREP دارای یک پایگاه داده است و اطلاعات و ابزارهایی را برای یافتن نشریات علمی دارای ویژگی های مختلف هم ترازی ارائه می نماید. PREP دارای ویژگی های زیر است:
- به عنوان یک بانک اطلاعاتی، روش های ویراستاری فعلی نشریات را مستند می کند.
- پرسشنامه ساده ای که به سردبیران امکان می دهد مراحل فعلی هم ترازی خود را توصیف کنند و پیشنهادهایی را برای پیشرفت های بالقوه دریافت کنند.
- مروری بر رویه های فعلی و کسب دانش در مورد نقاط قوت و ضعف آنها.
- پیشنهاداتی در مورد چگونگی بهبود شفافیت سیاست های تحریریه.
در این پایگاه می توان میزان گم نامی داوری، سطح رابطه بین داور و نویسنده، رابطه بین داوان مختلف و غیره را مشخص کرد که به عنوان نتیجه جستجو،بر اساس ویژگی های مشخص شده به کاربر نشریه پیشنهاد می شود.
https://www.responsiblejournals.org/database/search
#PREP
#Responsible_journals
@inforscience
Responsible Journals
PREP (Platform for Responsible Editorial Policies) is an online platform contributing to the responsible organisation of editorial procedures of scholarly journals.
آینده ارزیابی پژوهش:
در یکی از سخنرانی های انجام شده در کنفرانس LIS-Bibliometrics بیان شد که چهار روند فعلی زیر «آینده ارزیابی پژوهش» را شکل می دهد:
- خروجی ها: به طور فزاینده متنوع خواهند بود ، مواردی مانند کدهای نرم افزاری ، بازتر ، مشارکتی تر ، و به طور بالقوه تعاملی تر می شوند.
- بینش: روشهای مختلف درک ممکن است وجود داشته باشد ، مانند شاخص های اندازه گیری میان رشته ای ها.
- فرهنگ: زمینه تحقیق و چگونگی دریافت آن در جوامع مختلف می تواند بسیار بیشتر مورد بررسی قرار گیرد.
- هوش مصنوعی: هوش مصنوعی هم از نظر خود تحقیق و هم چگونگی تجزیه و تحلیل تحقیقات، به عنوان یک بازیکن بزرگتر ایفای نقش خواهد کرد. ابزارهایی مانند Unsilo یا به اصطلاح "داوران روبات / robot reviewers" که می توانند هرگونه تعصب و سوگیری داوری علمی را حذف کنند.
https://blog.cabells.com/author/slinacre/
#future_of_research_evluation
@inforscience
در یکی از سخنرانی های انجام شده در کنفرانس LIS-Bibliometrics بیان شد که چهار روند فعلی زیر «آینده ارزیابی پژوهش» را شکل می دهد:
- خروجی ها: به طور فزاینده متنوع خواهند بود ، مواردی مانند کدهای نرم افزاری ، بازتر ، مشارکتی تر ، و به طور بالقوه تعاملی تر می شوند.
- بینش: روشهای مختلف درک ممکن است وجود داشته باشد ، مانند شاخص های اندازه گیری میان رشته ای ها.
- فرهنگ: زمینه تحقیق و چگونگی دریافت آن در جوامع مختلف می تواند بسیار بیشتر مورد بررسی قرار گیرد.
- هوش مصنوعی: هوش مصنوعی هم از نظر خود تحقیق و هم چگونگی تجزیه و تحلیل تحقیقات، به عنوان یک بازیکن بزرگتر ایفای نقش خواهد کرد. ابزارهایی مانند Unsilo یا به اصطلاح "داوران روبات / robot reviewers" که می توانند هرگونه تعصب و سوگیری داوری علمی را حذف کنند.
https://blog.cabells.com/author/slinacre/
#future_of_research_evluation
@inforscience
The Source
Simon Linacre
Cabells' Simon Linacre reports from the LIS-Bibliometrics Conference in the UK on the future of research evaluation.
نقشه باز پژوهشی کوید ۱۹:
در این لینک نقشه باز پژوهشی کوید ۱۹، به عنوان یک ابزار تعاملی بر اساس پردازش زبان طبیعی و تحلیل شبکه اراٸه شده است که آخرین مطالعات کوید ۱۹ در پایگاه داده ای CORD-19 را بازنمون کرده است و قرار هست هرهفته با محتوای جدید بروزرسانی شود:
https://covid-19.kenedict.com/
#research_map
#COVID19
@inforscience
در این لینک نقشه باز پژوهشی کوید ۱۹، به عنوان یک ابزار تعاملی بر اساس پردازش زبان طبیعی و تحلیل شبکه اراٸه شده است که آخرین مطالعات کوید ۱۹ در پایگاه داده ای CORD-19 را بازنمون کرده است و قرار هست هرهفته با محتوای جدید بروزرسانی شود:
https://covid-19.kenedict.com/
#research_map
#COVID19
@inforscience
استنادها اقدامات سوگیرانه برای شاخص های کیفیت و تأثیر هستند:
استنادها در ارزیابی تحقیقات، بسیار گسترده مورد استفاده قرار می گیرند ، اما چگونگی ارتباط آنها با کیفیت و تأثیر فکری( quality and intellectual impact) دقیقاً مشخص نیست. در یک مطالعه، روابط بین استنادها با کیفیت و تأثیر، با استفاده از یک پیمایش، بررسی شد که در آن 12670 نویسنده در 15 رشته دانشگاهی حدود 25هزار ارجاع خاص را شرح داده اند. نتایج نشان می دهد که تعداد استناد ، هنگامی که با کیفیت و تأثیر (quality,impact) برابر باشد ، دارای سوگیری است. بدین معنی که افشای تعداد استناد به صورت واقعی در هنگام بررسی ، باعث می شود که پاسخ دهندگان همه استنادها را به جز 10 درصد برتر، دارای کیفیت پایین بدانند. از آنجا که درک کیفیت از فاکتورهای اساسی در تصمیم به استناد است ، احتمالاً تعداد استناد به صورت ذاتی باعث استناد بیشتر به مطالب برتر می شود و برابر بودن آنها با کیفیت ، کیفیت واقعی آن مقالات را بیش از حد ارزیابی می کند. در مقابل ، 54 درصد منابع تأثیرات صفر یا جزئی بر نویسندگانی دارند که به ان منابع استناد کرده اند،اما حدود 200 درصد بیشتر احتمال دارد که استناد به مقالات پر استناد (highly cited) تأثیرات قابل توجهی را نشان دهند. بنابراین، یکسان فرض کردن استناد با تأثیر، تأثیر مقالات پراستناد را ناچیز می پندارد. در نتیجه، شیوه های استناد واقعی نشان می دهد که استنادها اقداماتی سوگیرانه برای شاخص های کیفیت و تأثیر هستند:
https://arxiv.org/abs/2002.10033
#quality
#impact
#citation
#highly_cited_papers
@inforscience
استنادها در ارزیابی تحقیقات، بسیار گسترده مورد استفاده قرار می گیرند ، اما چگونگی ارتباط آنها با کیفیت و تأثیر فکری( quality and intellectual impact) دقیقاً مشخص نیست. در یک مطالعه، روابط بین استنادها با کیفیت و تأثیر، با استفاده از یک پیمایش، بررسی شد که در آن 12670 نویسنده در 15 رشته دانشگاهی حدود 25هزار ارجاع خاص را شرح داده اند. نتایج نشان می دهد که تعداد استناد ، هنگامی که با کیفیت و تأثیر (quality,impact) برابر باشد ، دارای سوگیری است. بدین معنی که افشای تعداد استناد به صورت واقعی در هنگام بررسی ، باعث می شود که پاسخ دهندگان همه استنادها را به جز 10 درصد برتر، دارای کیفیت پایین بدانند. از آنجا که درک کیفیت از فاکتورهای اساسی در تصمیم به استناد است ، احتمالاً تعداد استناد به صورت ذاتی باعث استناد بیشتر به مطالب برتر می شود و برابر بودن آنها با کیفیت ، کیفیت واقعی آن مقالات را بیش از حد ارزیابی می کند. در مقابل ، 54 درصد منابع تأثیرات صفر یا جزئی بر نویسندگانی دارند که به ان منابع استناد کرده اند،اما حدود 200 درصد بیشتر احتمال دارد که استناد به مقالات پر استناد (highly cited) تأثیرات قابل توجهی را نشان دهند. بنابراین، یکسان فرض کردن استناد با تأثیر، تأثیر مقالات پراستناد را ناچیز می پندارد. در نتیجه، شیوه های استناد واقعی نشان می دهد که استنادها اقداماتی سوگیرانه برای شاخص های کیفیت و تأثیر هستند:
https://arxiv.org/abs/2002.10033
#quality
#impact
#citation
#highly_cited_papers
@inforscience
تولیدات علمی پاکستان در ده سال اخیر رشد ۳۰۰درصدی داشته است:
گروه وب علوم شرکت کلریویت آنالتیکز در طی جلسه ای به مناسبت روز پژوهش پاکستان، گزارشی از فعالیت علمی پاکستان در ده سال اخیر اراٸه کرد.
از یافته های اصلی این گزارش این است که تعداد انتشارات نمایه شده در مجموعه هسته وب علوم برای پاکستان رشد ۳۰۰ درصدی داشته است. در سال ۲۰۱۹ تأثیر این انتشارات بیشتر از میانگین جهانی بوده است که بر جهش بزرگ پژوهش و توسعه در این کشور دلالت می کند.
علاوه براین، در حوزه موضوعی کشاورزی، ۱/۱۹ درصد کل تولیدات جهان مربوط به پاکستان است، اما هنوز کمتر از میانگین جهانی است. درحوزه فیزیک ۰/۷۹درصد تولیدات جهانی سهم پاکستان است که ۵۰ درصد بالاتر از میانگین جهانی است:
https://clarivate.com/webofsciencegroup/news/global-influence-of-pakistans-research-on-the-rise-finds-report-from-clarivate-analytics/
#Clarivate_analytics
@inforscience
گروه وب علوم شرکت کلریویت آنالتیکز در طی جلسه ای به مناسبت روز پژوهش پاکستان، گزارشی از فعالیت علمی پاکستان در ده سال اخیر اراٸه کرد.
از یافته های اصلی این گزارش این است که تعداد انتشارات نمایه شده در مجموعه هسته وب علوم برای پاکستان رشد ۳۰۰ درصدی داشته است. در سال ۲۰۱۹ تأثیر این انتشارات بیشتر از میانگین جهانی بوده است که بر جهش بزرگ پژوهش و توسعه در این کشور دلالت می کند.
علاوه براین، در حوزه موضوعی کشاورزی، ۱/۱۹ درصد کل تولیدات جهان مربوط به پاکستان است، اما هنوز کمتر از میانگین جهانی است. درحوزه فیزیک ۰/۷۹درصد تولیدات جهانی سهم پاکستان است که ۵۰ درصد بالاتر از میانگین جهانی است:
https://clarivate.com/webofsciencegroup/news/global-influence-of-pakistans-research-on-the-rise-finds-report-from-clarivate-analytics/
#Clarivate_analytics
@inforscience
Web of Science Group
Global Influence of Pakistan’s Research on the Rise, Finds Report from Clarivate Analytics - Web of Science Group
Pakistan Research and Innovation Landscape Report showed 300% growth in number of publications indexed on Web of Science Core Collection in past decade London, UK and Islamabad, Pakistan – 19 February 2020: The Web of Science Group, part of Clarivate Analytics…
با رشد مداوم اکوسیستم اینترنت اشیا، مشکل اصلی، تعامل شفاف دو جامعه پژوهشی و توسعه نرم افزار است. در یک مطالعه با اراٸه یک رویکرد جدید، یک اکوسیستم میانکنش پذیر معنایی از ابزارهای اینترنت اشیا پیشنهاد شده است. این رویکرد، مکانیزمی مبتنی بر پرس وجوی اسپارکل اراٸه می کند، که به طور شفاف ابزارهای اینترنت اشیا را کشف و دسترس پذیر می کند:
https://www.mdpi.com/1424-8220/20/3/822
#Internet_of_things
#eWOT
#semantic_interoperbility
@inforscience
https://www.mdpi.com/1424-8220/20/3/822
#Internet_of_things
#eWOT
#semantic_interoperbility
@inforscience
MDPI
eWoT: A Semantic Interoperability Approach for Heterogeneous IoT Ecosystems Based on the Web of Things
With the constant growth of Internet of Things (IoT) ecosystems, allowing them to interact transparently has become a major issue for both the research and the software development communities. In this paper we propose a novel approach that builds semantically…
"دستنامه شاخص های علوم و فناوری" یک منبع ارزشمند برای محققان و سیاست گذاران است که می خواهند یک تحلیل منظم و کامل از پتانسیل ها و محدودیت های رویکردهای مختلف برای ارزیابی تحقیق و عملکرد آن داشته باشند. در این کتاب، روش ها و مدل های کمی برای درک و ارزیابی نظام های علم و فناوری ارائه شده است. تمرکز اصلی بر جنبه های مختلف توسعه و استفاده از شاخص های به دست آمده از داده های مربوط به انتشارات علمی ، ثبت اختراعات و ارتباطات الکترونیکی است که توسط متخصصان برجسته این حوزه نوشته شده است.مطالبی مانند مباحث نظری و روش شناختی ، مصور سازی ، و برجسته کردن بافت سیاست گذاری و ارتباط آنها با تحقیقات آینده است:
https://link.springer.com/book/10.1007/978-3-030-02511-3?page=1#toc
@inforscience
https://link.springer.com/book/10.1007/978-3-030-02511-3?page=1#toc
@inforscience
Springer
Springer Handbook of Science and Technology Indicators | SpringerLink
This handbook presents the state of the art of quantitative methods and models to understand and assess the science and technology system. Focusing on various aspects of the development and applicatio
شماره اخیر (شماره اول 2020) نشریه information research از طریق این لینک در دسترس است:
https://www.informationr.net/ir/25-1/infres251.html
@inforscience
https://www.informationr.net/ir/25-1/infres251.html
@inforscience
www.informationr.net
Information Research - Contents - Vol. 24 No. 4
Information Research-Contents page Vol. 24 No. 4
نسخه هفتم "اسکیما.اُرگ" با تمرکز بر کرونا منتشر شد:
نسخه هفتم "اسکیما.اُرگ" با انجام ویرایش ها و تمرکز بر کرونا منتشر شده است. در این نسخه رابطه های استفاده نشده بافت پزشکی حذف شدند و کلاس virtualloction با رابطه location اضافه شده است تا رویدادهای آنلاین مرتبط را پوشش دهد:
https://schema.org/version/7.0/schema-all.html#term_VirtualLocation
@inforcience
#Schema
نسخه هفتم "اسکیما.اُرگ" با انجام ویرایش ها و تمرکز بر کرونا منتشر شده است. در این نسخه رابطه های استفاده نشده بافت پزشکی حذف شدند و کلاس virtualloction با رابطه location اضافه شده است تا رویدادهای آنلاین مرتبط را پوشش دهد:
https://schema.org/version/7.0/schema-all.html#term_VirtualLocation
@inforcience
#Schema
schema.org
Full Release Summary: Schema.org - 7.0 - 2020-03-10
Schema.org is a set of extensible schemas that enables webmasters to embed
structured data on their web pages for use by search engines and other applications.
structured data on their web pages for use by search engines and other applications.
این لینک راهنمای مفیدی برای توسعه هستان شناسی در یک بافت خاص است:
https://www.datasciencecentral.com/profiles/blogs/ontologies-and-semantic-annotation-part-2-developing-an-ontology
#ontology_development
@inforscience
https://www.datasciencecentral.com/profiles/blogs/ontologies-and-semantic-annotation-part-2-developing-an-ontology
#ontology_development
@inforscience
Datasciencecentral
Ontologies and Semantic Annotation. Part 2: Developing an Ontology
In the previous part, we started to outline what ontologies are and how they may be used; now it is time to get into more practical guidelines and tips…
مبدع شاخص H درخواست کرده است این شاخص را با دقت بیشتری در ارزیابی های پژوهش مورد استفاده قرار دهید:
شاخص اچ (H index) همواره موافقان و مخالفانی داشته است. زمانی که جرج هیرش ، فیزیکدان دانشگاه کالیفرنیا ، سن دیگو در سال 2005 مقاله ای را درباره این شاخص منتشر کرد، گفته است :"من حتی مطمئن نبودم که آن را منتشر کنم یا نه و انتظار نداشتم چنین تأثیر بزرگی داشته باشد".
وی در ژانویه 2020 مقاله دیگری را نوشته است و معتقد است که "شاخص H هنوز یکی از بهترین اقدامات هدفمند علمی است، اما می تواند به طرز چشمگیری شکست بخورد و عواقب منفی ناخواسته شدیدی داشته باشد".
مثلا دانشجویی که تحت نظارت استادی با شاخص H بالا کار می کند، ممکن است تمایلی به پرسیدن درباره مفاهیمی که به آنها آموزش داده می شود، نداشته باشد زیرا احتمال می رود که فرض کند که این استاد براساس شاخص اچ خود بسیار متخصص است.
تحلیلی در سال 2012 بر روی 2307 محقق پراستناد نشان داد که شاخص H به طور گسترده ای در رشته های گوناگون، متفاوت است. محققان پزشکی بالینی و شیمی به طور متوسط دارای بالاترین شاخص های H هستند ، در حالی که ریاضیدانان و متخصصان کامپیوتر کمترین میزان را دارند.
هیرش از کمیته های استخدام و آژانس های تأمین اعتبار می خواهد تا هنگام تصمیم گیری برای استخدام یک محقق، جنبه های دیگر حرفه ای وی را در نظر بگیرند ، از جمله رشته ، جایگاه نویسنده و اینکه با چه تعداد همکاری داشته است.
هیرش تأکید می کند که اگر فقط بر اساس شاخص H شخص تصمیم گیری کنید ، در نهایت در استخدام شخص دچار اشتباه می شوید و ممکن است کمک مالی را از شخصی که ممکن است قادر باشد کار مهمی انجام دهد، دریغ کنید. شاخص H باید با دقت مورد استفاده قرار گیرد.
در نیچر ایندکس بخوانید:
https://www.natureindex.com/news-blog/whats-wrong-with-the-h-index-according-to-its-inventor
#H_index
@inforscience
شاخص اچ (H index) همواره موافقان و مخالفانی داشته است. زمانی که جرج هیرش ، فیزیکدان دانشگاه کالیفرنیا ، سن دیگو در سال 2005 مقاله ای را درباره این شاخص منتشر کرد، گفته است :"من حتی مطمئن نبودم که آن را منتشر کنم یا نه و انتظار نداشتم چنین تأثیر بزرگی داشته باشد".
وی در ژانویه 2020 مقاله دیگری را نوشته است و معتقد است که "شاخص H هنوز یکی از بهترین اقدامات هدفمند علمی است، اما می تواند به طرز چشمگیری شکست بخورد و عواقب منفی ناخواسته شدیدی داشته باشد".
مثلا دانشجویی که تحت نظارت استادی با شاخص H بالا کار می کند، ممکن است تمایلی به پرسیدن درباره مفاهیمی که به آنها آموزش داده می شود، نداشته باشد زیرا احتمال می رود که فرض کند که این استاد براساس شاخص اچ خود بسیار متخصص است.
تحلیلی در سال 2012 بر روی 2307 محقق پراستناد نشان داد که شاخص H به طور گسترده ای در رشته های گوناگون، متفاوت است. محققان پزشکی بالینی و شیمی به طور متوسط دارای بالاترین شاخص های H هستند ، در حالی که ریاضیدانان و متخصصان کامپیوتر کمترین میزان را دارند.
هیرش از کمیته های استخدام و آژانس های تأمین اعتبار می خواهد تا هنگام تصمیم گیری برای استخدام یک محقق، جنبه های دیگر حرفه ای وی را در نظر بگیرند ، از جمله رشته ، جایگاه نویسنده و اینکه با چه تعداد همکاری داشته است.
هیرش تأکید می کند که اگر فقط بر اساس شاخص H شخص تصمیم گیری کنید ، در نهایت در استخدام شخص دچار اشتباه می شوید و ممکن است کمک مالی را از شخصی که ممکن است قادر باشد کار مهمی انجام دهد، دریغ کنید. شاخص H باید با دقت مورد استفاده قرار گیرد.
در نیچر ایندکس بخوانید:
https://www.natureindex.com/news-blog/whats-wrong-with-the-h-index-according-to-its-inventor
#H_index
@inforscience
Nature Index
What's wrong with the h-index, according to its inventor
"Severe unintended negative consequences."
کنفرانس های جهانی علمی و بحران ویروس کرونا:
آندری ورونکو (Andrei Voronkov) مدیرعامل EasyChair بیان کرده است که اگر مجبورید کنفرانس علمی خود را به دلیل همه گیری کرونا کنسل کنید، شما تنها نیستید. وی پیشنهاد کرده است که کنفرانس سال 2020 خود را با کنفرانس سال 2021 ترکیب کنید یا اگر قصد به تعویق انداختن آن را ندارید از پلتفرم آنلاین EasyChair که با هدف ویژه ای تمهیداتی را برای برگزاری کنفرانس های انلاین در نظر گرفته است، استفاده کنید:
https://easychair.org/covid19
#Coronavirus
#COVID19
@inforscience
آندری ورونکو (Andrei Voronkov) مدیرعامل EasyChair بیان کرده است که اگر مجبورید کنفرانس علمی خود را به دلیل همه گیری کرونا کنسل کنید، شما تنها نیستید. وی پیشنهاد کرده است که کنفرانس سال 2020 خود را با کنفرانس سال 2021 ترکیب کنید یا اگر قصد به تعویق انداختن آن را ندارید از پلتفرم آنلاین EasyChair که با هدف ویژه ای تمهیداتی را برای برگزاری کنفرانس های انلاین در نظر گرفته است، استفاده کنید:
https://easychair.org/covid19
#Coronavirus
#COVID19
@inforscience
easychair.org
COVID-19 Pandemic and Conferences
EasyChair - conference system
ویکی دیتا (Wikidata) به عنوان یک گراف دانش برای حوزه علوم زیستی:
در مقاله زیر ، ویکی دیتا به عنوان یک پایگاه دانش معرفی شده است که داده هان آن از مخازن داده ای در حوزه های مختلف مانند ژنتیک، متغیرهای ژنتیک، بیماری ها، و ترکیبات شیمیایی جمع آوری شده است.
ویکی دیتا با اصول FAIR (قابلیت یافتن ، دسترسی ، قابلیت میانکنش پذیری و قابلیت استفاده مجدد ) سازگاری دارد.
در این مقاله، وسعت و عمق دانش زیست پزشکی موجود در ویكیدیتا شرح داده شده و ابزارهای منبع باز آن معرفی شده اند.
https://elifesciences.org/articles/52614
#Wikidata
@inforscience
در مقاله زیر ، ویکی دیتا به عنوان یک پایگاه دانش معرفی شده است که داده هان آن از مخازن داده ای در حوزه های مختلف مانند ژنتیک، متغیرهای ژنتیک، بیماری ها، و ترکیبات شیمیایی جمع آوری شده است.
ویکی دیتا با اصول FAIR (قابلیت یافتن ، دسترسی ، قابلیت میانکنش پذیری و قابلیت استفاده مجدد ) سازگاری دارد.
در این مقاله، وسعت و عمق دانش زیست پزشکی موجود در ویكیدیتا شرح داده شده و ابزارهای منبع باز آن معرفی شده اند.
https://elifesciences.org/articles/52614
#Wikidata
@inforscience
eLife
Science Forum: Wikidata as a knowledge graph for the life sciences
Wikidata is continuously-updated resource that could improve the efficiency and accuracy of research in many areas of the life and biomedical sciences.
هوش مصنوعی و کرونا:
محققان چینی و آمریکایی روز گذشته اعلام کردند موفق به توسعه ابزار مبتنی بر هوش مصنوعی شده اند که قادر است با دقت پیش بینی کند که افرادی که اخیراً به کرونا ویروس (بیماری کووید-۱۹) مبتلا شدهاند در آینده به سندرم زجر تنفسی حاد نیز مبتلا میشوند یا خیر.
سندرم زجر تنفسی حاد، یک حالت شدید از التهاب ریه است که معمولا بر اثر ابتلا به سینه پهلو، گندخونی، ضربه و "آسپیراسیون ریوی"(Pulmonary aspiration) پیش میآید.
این عارضه که موجب نشت مایعات بدن به درون ریهها میشود و به بروز "کماکسیژنی" یا "هیپوکسی" میانجامد، سطح بالایی از مرگ و میر را به همراه دارد.
پیش از این پزشکان تنها با کمک اسکن ریه و مشاهده علائمی چون تب و ضعیف شدن سیستم ایمنی بیماران مبتلا به کووید-۱۹ میتوانستند احتمال دهند بیمار ممکن است به این سندروم نیز مبتلا شود اما با کمک این دستگاه آنها به راحتی قادر به پیش بینی این موضوع خواهند بود:
https://bit.ly/39F9WqI
#Coronavirus
@inforscience
محققان چینی و آمریکایی روز گذشته اعلام کردند موفق به توسعه ابزار مبتنی بر هوش مصنوعی شده اند که قادر است با دقت پیش بینی کند که افرادی که اخیراً به کرونا ویروس (بیماری کووید-۱۹) مبتلا شدهاند در آینده به سندرم زجر تنفسی حاد نیز مبتلا میشوند یا خیر.
سندرم زجر تنفسی حاد، یک حالت شدید از التهاب ریه است که معمولا بر اثر ابتلا به سینه پهلو، گندخونی، ضربه و "آسپیراسیون ریوی"(Pulmonary aspiration) پیش میآید.
این عارضه که موجب نشت مایعات بدن به درون ریهها میشود و به بروز "کماکسیژنی" یا "هیپوکسی" میانجامد، سطح بالایی از مرگ و میر را به همراه دارد.
پیش از این پزشکان تنها با کمک اسکن ریه و مشاهده علائمی چون تب و ضعیف شدن سیستم ایمنی بیماران مبتلا به کووید-۱۹ میتوانستند احتمال دهند بیمار ممکن است به این سندروم نیز مبتلا شود اما با کمک این دستگاه آنها به راحتی قادر به پیش بینی این موضوع خواهند بود:
https://bit.ly/39F9WqI
#Coronavirus
@inforscience
ایسنا
پیش بینی وضعیت ریه مبتلایان کرونا با کمک هوش مصنوعی
محققان چینی و آمریکایی روز گذشته اعلام کردند موفق به توسعه ابزار مبتنی بر هوش مصنوعی شده اند که قادر است با دقت پیش بینی کند که افرادی که اخیراً به کرونا ویروس (بیماری کووید-۱۹) مبتلا شدهاند در آینده به سندرم زجر تنفسی حاد نیز مبتلا میشوند یا خیر.