مدل‌های دسترسی آزاد

دسترسی آزاد برنزی (Bronze Open Access):
آزاد بدون مجوز، ناپایدار و مبهم

🔸در مدل برنزی، مقاله به‌صورت رایگان و بدون مجوز رسمی در وب‌سایت ناشر منتشر می‌شود، اما هیچ اجازه روشنی برای بازنشر، استفاده مجدد یا اقتباس داده نمی‌شود. این دسترسی معمولاً موقت است و ممکن است ناشر در هر زمان حق دسترسی آزاد را محدود یا حذف کند. بنابراین، این مدل از نظر حقوقی و پایداری وضعیت مبهم و غیرشفاف است و برای پژوهشگران و استفاده‌کنندگان محدودیت‌هایی ایجاد می‌کند.

🔸ناشر در این مدل، صرفاً امکان مشاهده رایگان مقاله را فراهم می‌کند اما حقوق معنوی و کپی‌رایت را برای خود محفوظ نگه می‌دارد.

🔘مثال: مقالات freely available در وب‌سایت برخی ناشران بزرگ مانند Elsevier یا Wiley که بدون درج مجوز CC منتشر شده‌اند.

🔘مجوزهای رایج: ندارد (حق کپی‌رایت نزد ناشر باقی می‌ماند)

🔘چالش‌ها:
▪️نبود شفافیت حقوقی و امکان سردرگمی در استفاده از مقاله
▪️تغییر ناگهانی یا حذف دسترسی رایگان از سوی ناشر
▪️محدودیت در استفاده پژوهشی، آموزشی، بازنشر و اقتباس به دلیل نبود مجوز مشخص

🆔@SCINITOAI_IRAN

مدل‌های دسترسی آزاد

دسترسی آزاد الماسی / دیاموند (Diamond Open Access):
دانش رایگان، بدون هزینه برای نویسنده یا خواننده

🔸در مدل الماسی، هیچ هزینه‌ای از نویسنده یا خواننده دریافت نمی‌شود. هزینه‌های انتشار توسط دانشگاه‌ها، کتابخانه‌ها، کنسرسیوم‌های علمی یا نهادهای دولتی تأمین می‌شود. این مدل نمایانگر رویکردی عدالت‌محور در نظام نشر علمی است که هدف آن دسترسی آزاد و همگانی به دانش بدون بار مالی برای هیچ‌یک از طرفین است.

🔘مثال: مجلات تحت پلتفرم SciELO

🔘مجوزهای رایج: CC BY ،CC BY-SA

🔘چالش‌ها:
▪️پایداری مالی در بلندمدت و وابستگی به حمایت‌های نهادی
▪️نیاز به ساختار و زیرساخت‌های پایدار برای استمرار حمایت مالی

🔸مدل الماسی می‌تواند تعادلی اخلاقی‌تر و عادلانه‌تر میان بازیگران نظام نشر علمی ایجاد کند، اما هنوز در بسیاری از کشورها به‌طور کامل توسعه نیافته است.

🆔@SCINITOAI_IRAN

مدل‌های دسترسی آزاد

دسترسی آزاد هیبریدی (Hybrid OA):
مدل ترکیبی: اشتراک و دسترسی آزاد در کنار هم

🔸در این مدل، مجله‌ای که عمدتاً با مدل اشتراکی اداره می‌شود، به نویسندگان امکان می‌دهد تا با پرداخت APC، مقاله خود را به‌صورت OA منتشر کنند. در نتیجه، یک شماره مجله ممکن است هم مقالات آزاد و هم مقالات پشت دیوار پرداخت داشته باشد.

🔘مثال: بسیاری از مجلات هیبریدی منتشرشده توسط ناشرین مانند Elsevier ،Springer و سایر ناشرین

🔘مجوز: CC BY یا CC BY-NC برای مقالات آزاد

🔘 چالش‌ها:
▪️دوگانگی در وضعیت دسترسی میان مقالات یک شماره
▪️انتقادات مربوط به «پرداخت دوگانه» (Double Dipping)، جایی که هم نویسنده برای دسترسی آزاد هزینه می‌پردازد و هم کتابخانه‌ها برای اشتراک

🆔@SCINITOAI_IRAN

دسترسی گسترده به دانش در ساینیتو

📚 ساینیتو با بیش از ۲۶۰ میلیون سند علمی، یک درگاه جامع برای جستجوی مقالات پژوهشی از ناشران معتبر بین‌المللی است. این مجموعه عظیم، انواع مختلفی از مدل‌های انتشار و دسترسی را پوشش می‌دهد؛ از جمله:

🔓 دسترسی آزاد (Open Access)
مقالاتی که به‌صورت رایگان و بدون نیاز به اشتراک قابل مشاهده و دانلود با امکان استفاده، بازنشر و اقتباس بسته به نوع مجوز هستند.

🔒 دسترسی اشتراکی (Subscription-based)
مقالاتی که برای مشاهده نسخه کامل آن‌ها نیاز به اشتراک یا پرداخت وجود دارد. با این حال، ساینیتو در بسیاری موارد نسخه‌های رایگان جایگزین (مانند پری‌پرینت یا پست‌پرینت) را نیز در نتایج جستجو ارائه می‌دهد.

📝 نسخه‌های پژوهشی جایگزین (مثل Preprint یا Postprint):
برای بسیاری از مقالات، نسخه‌های اولیه (پری‌پرینت) یا نسخه‌های پس از پذیرش (پست‌پرینت) نیز در دسترس‌اند که امکان مطالعه سریع‌تر و رایگان‌تر محتوای علمی را فراهم می‌سازند. این اسناد به پژوهشگران امکان می‌دهند سریع‌تر به یافته‌های علمی روز دسترسی پیدا کنند، به‌ویژه در حوزه‌هایی با سرعت تحول بالا مانند علوم کامپیوتر و هوش مصنوعی، زیست‌فناوری، پزشکی و تغییرات اقلیمی.

✨ با پشتیبانی از مسیرهای متنوع انتشار و ارائه نسخه‌های مختلف هر مقاله، ساینیتو راهی هوشمندانه برای تسهیل دسترسی پژوهشگران به دانش روز است.

🆔@SCINITOAI_IRAN

مقالات متد/پروتکل: ابزارهایی برای بازتولیدپذیری و توسعه روش‌ها

🔹در دنیای علوم زیستی، پزشکی و شاخه‌های وابسته، مقالاتی با عنوان مقاله متد یا پروتکل منتشر می‌شوند که هدفشان نه گزارش نتایج پژوهش، بلکه آموزش دقیق روش انجام یک فرآیند علمی است. این مقالات با ارائه دستورالعمل‌های گام‌به‌گام، جزییات کامل تجهیزات، مواد و شرایط، نقش کلیدی در بازتولیدپذیری پژوهش‌ها، انتقال تجربیات فنی و آموزش ایفا می‌کنند.

⚠️ منظور در اینجا مقاله متد یا پروتکل است؛ نه پروتکل پژوهشی (study protocol) که سندی رسمی برای طراحی مطالعات است و پیش از اجرای پژوهش نوشته می‌شود. پروتکل پژوهشی اغلب شامل اهداف، طرح مطالعه، معیارهای ورود و خروج و برنامه‌های تحلیل آماری است. اما مقالات متد/پروتکل معمولاً پس از توسعه یک روش، به‌عنوان منبع آموزشی منتشر می‌شوند و تمرکزشان بر چگونگی اجرای دقیق یک روش است. این مقالات می‌توانند یک نوآوری جدید یا روش جدید در حوزه علوم زیستی و پزشکی باشند که به صورت مرحله‌به‌مرحله و با جزئیات فنی کامل شرح داده شده‌اند تا دیگر پژوهشگران بتوانند آن‌ها را بازتولید و در تحقیقات خود استفاده کنند.

ویژگی‌های کلیدی مقالات متد/پروتکل
▪️توضیح گام‌به‌گام فرآیند انجام یک آزمایش یا تحلیل
▪️استفاده از تصاویر، نمودارها یا حتی ویدیو برای افزایش وضوح
▪️پوشش کامل مواد و تجهیزات لازم
▪️ارجاع به منابع مرتبط و اشاره به محدودیت‌ها و کاربردها
▪️طراحی‌شده برای بازتولید دقیق روش توسط دیگر پژوهشگران

چرا این مقالات اهمیت دارند؟

1. بازتولیدپذیری علم
🔸بازتولیدپذیری، اساس اعتبار علم مدرن است. بدون دسترسی به روش‌های دقیق، دیگر پژوهشگران نمی‌توانند صحت یافته‌ها را بررسی کنند یا آن‌ها را توسعه دهند. مقالات متد/پروتکل با تشریح دقیق مراحل، امکان تکرار و ارزیابی مستقل روش‌ها را فراهم می‌سازند.

2. آموزش عملی
🔸در بسیاری از آزمایشگاه‌ها، پژوهشگران با روش‌هایی مواجه می‌شوند که در مقالات پژوهشی فقط به‌صورت مبهم ذکر شده‌اند. مقالات متد با ساختار آموزشی، جای خالی مستندات دقیق و عملیاتی را پر می‌کنند و گاهی حتی مکمل دوره‌های آموزشی دانشگاهی و کارگاه‌ها هستند.

3. تسریع توسعه علمی
🔸با دسترسی به پروتکل‌های منتشرشده، گروه‌های تحقیقاتی دیگر می‌توانند روش‌ها را در زمینه‌های متفاوت به‌کار گیرند، اصلاح کنند یا توسعه دهند.

نمونه‌هایی از ژورنال‌های متد/پروتکل

JoVE (Journal of Visualized Experiments)
🔸این ژورنال ویدیویی، هر مقاله را با فیلم آموزش گام‌به‌گام همراه می‌کند. تمرکز آن بر روش‌های آزمایشگاهی در زیست‌شناسی، عصب‌شناسی، روان‌شناسی و علوم رفتاری است.

STAR Protocols (Cell Press)
🔸ژورنال نوینی از خانواده Cell که فرمت ساختاریافته‌ای برای پروتکل‌ها ارائه می‌دهد. مقالات این ژورنال در حوزه‌هایی مانند بیولوژی مولکولی، بیوانفورماتیک و علوم اعصاب منتشر می‌شوند.

Nature Protocols
🔸از معتبرترین منابع انتشار روش‌های پیچیده در علوم زیستی، به‌ویژه در زمینه‌هایی چون توالی‌یابی، میکروسکوپی پیشرفته و مهندسی ژنتیک.

نقش SCiNiTO AI در بازیابی هدفمند مقالات متد و پروتکل
🔸پایگاه SCiNiTO AI با هدف تسهیل دسترسی به منابع علمی متنوع و گسترده طراحی شده است. از طریق قابلیت جستجو و فیلتر بر اساس منبع انتشار (Venue)، کاربران می‌توانند به‌صورت دقیق و هدفمند به مجموعه‌ای از ژورنال‌های تخصصی و معتبر، از جمله ژورنال‌های منتشرکننده مقالات متد و پروتکل، دسترسی پیدا کنند. این امکان به پژوهشگران کمک می‌کند تا ضمن بهره‌مندی از گستره وسیع منابع علمی، به‌طور خاص مقالات متد/پروتکل را نیز به شکل یکپارچه و سریع بازیابی و دنبال کنند.

🆔@SCINITOAI_IRAN

🔹با استفاده از فیلتر "Venue" در SCiNiTO AI می‌توان نام ژورنال‌های تخصصی پروتکل مانند JOVE یا Nature Protocols را وارد کرد و به‌صورت مستقیم به مقالات منتشرشده در آن‌ها دسترسی یافت. این قابلیت، امکان جستجوی هدفمند و یکپارچه‌تری را برای پژوهشگران از ناشرین متنوع فراهم می‌سازد. همچنین می‌توان ریپازیتوری‌های علمی مختلف را نیز جستجو کرد و به منابع پژوهشی آن‌ها، از جمله مقالات متد و پروتکل، دسترسی یافت.

🆔@SCINITOAI_IRAN

منتظر حضور شما در دومین کارگاه آنلاین هوش مصنوعی هستیم: لینک ورود به کارگاه : https://skyroom.online/ch/scinito/webinar

شاخص SJR چیست و چرا در SCiNiTO AI برای رتبه‌بندی ژورنال‌ها اهمیت دارد؟

شاخص SJR چیست؟

🔹شاخص SJR یا SCImago Journal Rank یکی از شاخص‌های معتبر برای ارزیابی جایگاه علمی ژورنال‌ها است که توسط گروه پژوهشی SCImago در اسپانیا طراحی شده، داده‌های آن از پایگاه Scopus تأمین می‌شود و در خود پایگاه Scopus نیز به‌عنوان یکی از معیارهای رتبه‌بندی نشریات مورد استفاده قرار می‌گیرد.

🔹این شاخص برخلاف شمارش ساده‌ی استنادها (مثل Impact Factor)، کیفیت استنادها را نیز در نظر می‌گیرد؛ یعنی استنادی که از یک مجله با اعتبار بالا دریافت شود، ارزش بیشتری نسبت به استنادی از یک مجله کم‌اعتبار یا محلی دارد.

شاخص SJR چگونه محاسبه می‌شود؟

🔸شاخص SJR نشان‌دهنده میانگین تعداد استنادهای وزنی‌ای است که یک مجله در یک سال معین به تمام مقالات منتشرشده‌اش در سه سال گذشته دریافت کرده است. در این شاخص، هر استناد بر اساس اعتبار مجله استناددهنده وزن‌گذاری می‌شود؛ بنابراین استنادی که از یک نشریه معتبر مانند The Lancet دریافت شده، ارزش بیشتری نسبت به استنادی از یک نشریه کم‌اعتبار یا تازه‌تأسیس دارد.

🔸همچنین، در محاسبه این شاخص، رفتارهای خوداستنادی نیز مورد شناسایی و تعدیل قرار می‌گیرند.

🔸شاخص SJR از الگوریتمی مشابه الگوریتم PageRank گوگل استفاده می‌کند تا کیفیت و اهمیت استنادها را ارزیابی کند.

مثالی کاربردی از شاخص SJR

🔹فرض کنید بین دو مجله می‌خواهید انتخاب کنید:

▪️Journal A: Impact Factor = 2.0, SJR = 1.8
▪️Journal B: Impact Factor = 2.4, SJR = 0.5

🔹در نگاه اول، Journal B به دلیل IF بالاتر جذاب‌تر به نظر می‌رسد؛ اما SJR پایین‌تر آن نشان می‌دهد که بیشتر استنادهایش از مجلات با اعتبار پایین‌تر بوده‌اند. در مقابل، Journal A کیفیت استناد بالاتری دارد.

چارک‌بندی Q1 تا Q4 چیست؟

🔸بر اساس SJR (از بیشترین به کمترین)، مجلات هر حوزه به ۴ چارک (Quartile) تقسیم می‌شوند:

▪️چارک اول (Q1): %25 درصد برتر ژورنال‌ها
▪️چارک دوم (Q2): بین %25 تا %50
▪️چارک سوم (Q3): بین %50 تا %75
▪️چارک چهارم (Q4): %25 پایانی

💡 انتشار مقاله در مجلاتQ1 یا Q2 معمولاً از نظر دانشگاه‌ها و نهادهای علمی ارزشمندتر است.

پیشنهاد ژورنال مناسب با کمک SCiNiTO AI

🔹پیشنهاددهنده ژورنال SCiNiTO AI به‌عنوان یکی از ابزارهای تخصصی این حوزه، اطلاعات جامعی شامل مشخصات و حوزه موضوعی مجله، مشخصات ناشر، چارک ژورنال (Q) و نمونه‌هایی از مقالات مشابه با منوسکریپت شما ارائه می‌دهد. این رویکرد چندبعدی، پژوهشگران را قادر می‌سازد تا انتخابی آگاهانه و مبتنی بر داده‌های علمی داشته باشند و احتمال رد اولیه (desk rejection) را کاهش دهند.

🔍 ژورنال‌های پیشنهادی بر اساس شاخص SJR رتبه‌بندی می‌شوند و چارک‌بندی (Q1 تا Q4) آن‌ها نیز نمایش داده می‌شود. این شاخص معیاری معتبر برای سنجش کیفیت علمی نشریات در سطح بین‌المللی است.

🆔@SCINITOAI_IRAN

مرور همتا پس از انتشار (PPPR): رویکردی نوین در داوری علمی مقالات، جایگزینی برای روش داوری سنتی

مقدمه

🔹مرور/داوری همتا (Peer Review) همیشه یکی از اولویت‌های اصلی در تضمین کیفیت و اعتبار مقالات علمی بوده است. این فرآیند که به طور سنتی پیش از انتشار مقاله انجام می‌شود، با هدف ارزیابی دقت، اعتبار و نوآوری پژوهش‌ها طراحی شده است. اما این روش سنتی با مشکلات و محدودیت‌هایی روبه‌روست؛ از جمله طولانی بودن زمان داوری، احتمال وجود خطاها و ضعف‌هایی که در داوری پیش از انتشار ممکن است شناسایی نشود، و همچنین محدود بودن دیدگاه‌ها به چند داور منتخب.

در سال‌های اخیر، مدل جدیدی به نام «مرور همتا پس از انتشار» (Post-Publication Peer Review یا PPPR) توجه بسیاری از پژوهشگران را به خود جلب کرده است. این مدل با وجود آن‌که هنوز به بلوغ کامل نرسیده و پذیرش عمومی آن نیازمند زمان و فرهنگ‌سازی است، رویکردی متفاوت و نوین را در ارزیابی علمی مطرح می‌کند. بسیاری از دانشمندان، به‌ویژه در حوزه‌هایی که سرعت انتشار اهمیت دارد، به دنبال تجربه و آزمودن این شیوه هستند. اما همچنان چالش‌هایی پیش روی آن قرار دارد.

مرور همتا پس از انتشار (PPPR) چیست و چرا اهمیت دارد؟

🔸مرور همتا پس از انتشار (PPPR) فرآیندی است که طی آن مقالات علمی ابتدا به‌صورت رسمی و بدون داوری کامل منتشر می‌شوند و سپس، بعد از انتشار، توسط جامعه علمی و متخصصان مختلف مورد بررسی، نقد و ارزیابی قرار می‌گیرند. برخلاف روش سنتی که داوری و ارزیابی تنها قبل از انتشار انجام می‌شود، در PPPR نقدها و بازخوردها به صورت مداوم و پس از انتشار در پلتفرم‌ها و انجمن‌های علمی، شبکه‌های اجتماعی تخصصی و حتی در بخش نظرات خود مقالات ارائه می‌شوند.

🔸مثلاً در بسیاری از موارد، مقالات بلافاصله در ژورنال منتشر می‌شوند و سپس در بازه زمانی مشخصی در پایگاه‌ها ایندکس می‌شوند. در همین زمان، جامعه علمی می‌تواند به نقد و بررسی آن‌ها بپردازد که این خود فرصتی برای اصلاح و بهبود پژوهش فراهم می‌کند.

نمونه‌هایی از پلتفرم‌های PPPR و ویژگی‌های آن‌ها

PubPeer

🔸یکی از شناخته‌شده‌ترین پلتفرم‌های PPPR است که امکان ارائه نظرات و نقدهای کارشناسانه درباره مقالات منتشر شده را فراهم می‌کند. نقدها معمولاً به صورت ناشناس یا با نام کاربری ارائه می‌شوند و بحث‌های مفصل و فنی در آن شکل می‌گیرد.

F1000Research

🔸این پلتفرم مدل انتشار باز دارد که در آن مقاله ابتدا به صورت باز منتشر می‌شود و سپس داوری توسط کارشناسان در معرض دید عمومی قرار می‌گیرد. این روش موجب شفافیت و سرعت در انتشار و بررسی علمی می‌شود.

MedEdPublish

🔸این مجله با تمرکز بر آموزش پزشکی و سلامت، پس از بررسی اولیه برای اطمینان از رعایت حداقل استانداردهای انتشار، مقاله را با دریافت DOI به صورت آنلاین منتشر می‌کند. سپس نقد داوران به صورت عمومی ارائه می‌شود و وضعیت مقاله با عناوینی مانند «هنوز داوری نشده» یا «نیاز به بازبینی» مشخص می‌شود.

HRB Open

🔸نهاد تحقیقات سلامت ایرلند (HRB) برای این پلتفرم از مدل PPPR استفاده می‌کند. همچنین پژوهشگرانی که از HRB حمایت مالی دریافت کرده‌اند، می‌توانند مقالات خود را بدون پرداخت هزینه انتشار در این پلتفرم منتشر کنند. این سیستم انتشار باز، امکان داوری پس از انتشار را به‌صورت شفاف و عمومی فراهم می‌سازد.

نقاط قوت PPPR

▪️افزایش سرعت انتشار نتایج علمی: با حذف یا کاهش مرحله طولانی داوری پیش از انتشار، نتایج علمی زودتر در دسترس جامعه قرار می‌گیرند.

▪️گسترده‌تر شدن مشارکت: نقد و بررسی می‌تواند توسط تعداد بیشتری از متخصصان و در بسترهای مختلف انجام شود، نه فقط چند داور محدود.

▪️شفافیت بیشتر: فرآیند داوری و نقد عمومی‌تر و قابل مشاهده برای همه خواهد بود.

▪️فرصت اصلاح و بهبود: بازخوردهای پس از انتشار می‌تواند به نویسندگان کمک کند تا ایرادات یا نکات مهم را شناسایی و در نسخه‌های بعدی اصلاح کنند.


نقاط ضعف و چالش‌های PPPR

▪️احتمال انتشار نتایج ناقص یا اشتباه: قبل از نقدهای دقیق، مقاله ممکن است در رسانه‌های عمومی منتشر و اشتباه تفسیر شود.

▪️نیاز به مدیریت و ساختار قوی: بدون یک پلتفرم منظم و یکپارچه، نقدها ممکن است پراکنده و غیرکارآمد باشند.

▪️مسائل مربوط به هویت و شفافیت: هنوز بحث‌هایی درباره اینکه نقدها باید ناشناس باشند یا شفاف انجام شود وجود دارد.

▪️کمبود انگیزه برای مشارکت: بسیاری از پژوهشگران به دلیل نداشتن امتیاز رسمی یا فشار کاری، علاقه‌مند به شرکت در PPPR نیستند.

▪️کندی در پذیرش عمومی: با وجود علاقه بسیاری از پژوهشگران به مدل‌های جایگزین داوری، سازوکارهای جدید به کندی در میان جامعه علمی گسترش یافته‌اند.

🆔@SCINITOAI_IRAN

📣ویژگی‌های جدید در SCiNiTO AI

ارتقای تجربه جست‌وجو

اضافه‌شدن جست‌وجوی پیشرفته، فیلتر زبان و بازطراحی تاریخچه جست‌وجو

🔹با گسترش تعامل کاربران با قابلیت جست‌وجوی مقالات در SCiNiTO AI و افزایش نیاز پژوهشگران به جست‌وجوهای هدف‌مند، دقیق و چندزبانه، به‌روزرسانی‌های جدیدی برای بهبود این تجربه پژوهشی ارائه شده است.

🔹در فازهای نخست توسعه، تمرکز ما بر ابزارهای مبتنی بر هوش مصنوعی مانند چت‌بات پژوهشی و داوری هوشمند مقالات بود؛ اما اکنون، برای پاسخ به نیازهای کاربران حرفه‌ای‌تر، مجموعه‌ای از قابلیت‌های کلاسیک اما ضروری نیز به موتور جست‌وجوی SCiNiTO AI افزوده شده است:

🔍 جست‌وجوی پیشرفته با پشتیبانی از عملگرهای بولی (AND, OR, NOT)

🔸اکنون کاربران می‌توانند با ترکیب کلیدواژه‌ها و استفاده از عملگرهای بولی، نتایج دقیق‌تر، مرتبط‌تر و هدف‌مندتری دریافت کنند. این ویژگی، به‌ویژه در موضوعات چندرشته‌ای و گسترده، زمان جست‌وجو را به‌طور محسوسی کاهش می‌دهد.

🔄 انتقال «Search History» به بخش جست‌وجو

🔸از این پس، سابقه جست‌وجو به‌صورت مستقیم و در دسترس، در خود صفحه جست‌وجو نمایش داده می‌شود و از بخش منوی کاربری حذف شده است. این جابجایی باعث شده کاربران بتوانند سریع‌تر به جست‌وجوهای قبلی بازگردند، مسیرهای فکری خود را مرور کنند و تجربه‌ای روان‌تر و متمرکزتر داشته باشند.

🌐 اضافه‌شدن فیلتر زبان برای جست‌وجوی چندزبانه

🔸با توجه به اینکه SCiNiTO AI مقالات را از منابع علمی مختلف و در زبان‌های متنوع پوشش می‌دهد، از این پس کاربران می‌توانند زبان مورد نظر خود را برای جست‌وجو انتخاب کنند. این ویژگی، گامی مهم در جهت افزایش جامعیت علمی و تنوع زبانی در فرایند پژوهش است و به پژوهشگران از سراسر جهان این امکان را می‌دهد که فارغ از محدودیت‌های زبانی، به منابع علمی مرتبط در هر زبان، در صورت وجود، دسترسی داشته باشند.

این قابلیت، نه صرفاً برای زبان‌های رایج، بلکه در مقیاسی گسترده و با پشتیبانی از زبان‌های کمتر رایج نیز طراحی شده است؛ به‌طوری‌که امکان جست‌وجو در میان مقالات علمی به زبان‌های گوناگون، در صورت وجود، فراهم شده است.

🔹این به‌روزرسانی‌ها در راستای ارتقای تجربه کاربران SCiNiTO AI و پاسخ به نیازهای روزافزون پژوهشگران صورت گرفته است. تلاش ما، ارائه بستری هوشمند، دقیق و انعطاف‌پذیر برای جست‌وجو، تحلیل و تعامل با دانش علمی است.

🆔@SCINITOAI_IRAN

🔍 قابلیت جست‌وجوی پیشرفته به SCiNiTO AI اضافه شد.

▫️اکنون می‌توانید با استفاده از اپراتورهای بولی (AND, OR, NOT) جست‌وجویی دقیق‌تر و هدف‌مندتر انجام دهید.

🆔@SCINITOAI_IRAN

انتقال تاریخچه جست‌وجو از منوی کاربری به صفحه جست‌وجو

▫️کافیست در صفحه جست‌وجو روی کادر جست‌وجو کلیک کنید و سپس گزینه See All را بزنید تا به تاریخچه کامل جست‌وجوهای خود دسترسی داشته باشید.

🆔@SCINITOAI_IRAN

فیلتر زبان به SCiNiTO AI اضافه شد.

▫️کاربران می‌توانند زبان مورد نظر خود را انتخاب کرده و مقالات مرتبط به همان زبان را در صورت وجود جست‌وجو کنند.

🆔@SCINITOAI_IRAN

📣 ویژگی جدید در SCiNiTO AI

معرفی Deep Insight Summary

با افزودن گزینه‌ی Explore this with AI تجربه‌ای سریع و هدفمند برای بررسی موضوع مقاله در SCiNiTO AI فراهم شد. حالا این مسیر با افزودن قابلیتی جدید و ارزشمند تکمیل شده است: Deep Insight Summary.

🔹از این پس، با کلیک بر گزینه‌ی "Explore this with AI" که در کنار اطلاعات هر مقاله نمایش داده می‌شود، و ورود به صفحه‌ی چت‌بات، بخشی تحت عنوان Deep Insight Summary به‌صورت خودکار در دسترس قرار خواهد گرفت.

🔍 این بخش دقیقاً چه کاری انجام می‌دهد؟

🔸بخش Deep Insight Summary به‌جای آنکه صرفاً یک خلاصه‌ی کلی از مقاله ارائه دهد، ابتدا رفرنس‌های مقاله انتخاب‌شده را بررسی می‌کند و بر اساس محتوای آن‌ها، تحلیلی عمیق‌تر و مرتبط‌تر از موضوع مقاله ارائه می‌دهد.

✅ مزیت‌ کلیدی این قابلیت چیست؟

درک بهتر با تکیه بر منابع اصلی مقاله

🔸به‌جای اتکا به متن محدود چکیده یا تنها تیتر مقاله، این قابلیت موضوع را از دریچه مقالاتی بررسی می‌کند که نویسندگان مقاله به آن‌ها ارجاع داده‌اند. این یعنی تحلیل ارائه‌شده دقیق‌تر، معتبرتر و هم‌راستا با مسیر علمی مقاله است.

صرفه‌جویی در زمان و بهینه‌سازی مسیر مطالعه

🔸پژوهشگران می‌توانند در مدت زمانی بسیار کمتر از حالت سنتی، درک جامعی از موضوع مقاله و جایگاه علمی آن پیدا کنند و مطالعات خود را اولویت‌بندی نمایند.

مثال کاربردی:

🔸برای نمونه، اگر مقاله‌ای در زمینه‌ی هوش مصنوعی در تشخیص سرطان پروستات انتخاب شود، Deep Insight Summary با تحلیل منابع آن مقاله، مشخص می‌کند که بخش عمده‌ای از استنادات به مطالعات تصویربرداری MRI با یادگیری عمیق اختصاص دارد. در نتیجه، پژوهشگر پیش از مطالعه کامل مقاله، با محوریت و رویکرد اصلی آن آشنا می‌شود.

🔸در مثالی دیگر، چنانچه مقاله‌ای در حوزه‌ی تغییرات اقلیمی و امنیت غذایی انتخاب گردد، این قابلیت با بررسی منابع مقاله نشان می‌دهد که تمرکز اصلی پژوهش بر مطالعات مدل‌سازی خشکسالی، تحلیل داده‌های اقلیمی و سیاست‌گذاری کشاورزی در مناطق در حال توسعه بوده است. چنین تحلیلی، به پژوهشگر کمک می‌کند تا بدون نیاز به بررسی چندین مقاله‌ی مکمل، درک شفافی از چارچوب نظری و زمینه‌ی کاربردی تحقیق به‌دست آورد.

🔘مسیر پیشرفت چت‌بات علمی SCiNiTO AI ادامه دارد؛ هوشمندتر، دقیق‌تر و نزدیک‌تر به نیازهای پژوهشگران.

🆔 @SCINITOAI_IRAN

🔍 قابلیت جدید: Deep Insight Summary

🔸این بخش با تحلیل منابع مقاله، تصویری روشن‌تر از موضوع و رویکرد پژوهش ارائه می‌دهد.

🆔@SCINITOAI_IRAN

شتاب علم در دنیای پری‌پرینت‌ها؛ کدام پایگاه‌ها را باید شناخت و دسترسی یکپارچه چگونه ممکن است؟

🔸در دنیای علم امروز، سرعت و شفافیت بیش از هر زمان دیگری اهمیت دارد. پژوهشگران نمی‌خواهند ماه‌ها منتظر انتشار رسمی مقالات بمانند؛ آن‌ها می‌خواهند یافته‌هایشان را زودتر، آزادتر و گسترده‌تر منتشر کنند، و پژوهشگران دیگر هم می‌خواهند به این اطلاعات، پیش از انتشار رسمی، دسترسی داشته باشند. اینجاست که پایگاه‌های پری‌پرینت وارد میدان می‌شوند: سکویی برای انتشار فوری دانش پیش از طی مراحل رسمی داوری.

🔸البته در برخی رشته‌ها مانند فیزیک نظری، ریاضیات و علوم رایانه، استفاده از پری‌پرینت‌ها سابقه‌ای چند دهه‌ای دارد و به بخش جدایی‌ناپذیری از روند علمی در این حوزه‌ها تبدیل شده است.

🔸امروزه پری‌پرینت‌ها در حوزه‌های گوناگون علمی منتشر می‌شوند، اما در ادامه تنها به نمونه‌ای از شناخته‌شده‌ترین پایگاه‌ها اشاره می‌کنیم که در توسعه این مدل از انتشار علمی نقش برجسته‌ای داشته‌اند:

🔘 arXiv

▪️پیشگام در انتشار پری‌پرینت‌های حوزه فیزیک، ریاضیات، نجوم و علوم رایانه. این پایگاه در سال 1991 توسط Paul Ginsparg راه‌اندازی شد و نقطه آغاز جنبش پری‌پرینت‌ها بود.

🔘 bioRxiv

▪️ویژه زیست‌شناسی، ژنتیک، علوم اعصاب و بیوانفورماتیک. این پایگاه در دوران پاندمی کووید-۱۹ نقش محوری در انتشار سریع داده‌های اولیه و مطالعات ایمنی‌شناسی، بیولوژی ویروس و سایر زمینه‌های مرتبط ایفا کرد و همچنان مرجعی مهم برای پژوهشگران علوم زیستی محسوب می‌شود.

🔘 medRxiv

▪️پایگاهی تخصصی برای پزشکی بالینی، سلامت عمومی و اپیدمیولوژی. این پلتفرم نیز در دوران همه‌گیری کرونا به مرجع اصلی برای انتشار فوری پژوهش‌های پزشکی تبدیل شد و همچنان به عنوان مرجع مهمی برای پزشکان و سیاست‌گذاران باقی مانده است.

🔘 SSRN (Social Science Research Network)

▪️پایگاه معتبر در حوزه علوم اجتماعی، اقتصاد، حقوق و علوم رفتاری. بسیاری از مقالات سیاست‌پژوهی و تحلیل‌های اجتماعی ابتدا در SSRN منتشر می‌شوند.

🔘 به دنبال راهی برای دسترسی یکپارچه به همه این پایگاه‌ها هستید؟

▪️در پلتفرم هوشمند SCiNiTO AI، پژوهشگران ایرانی می‌توانند به میلیون‌ها پری‌پرینت از پایگاه‌های جهانی دسترسی مستقیم داشته باشند؛ از جست‌وجو و رصد سریع‌ترین تحولات علمی تا بررسی روندهای نوظهور. به سادگی از طریق فیلتر «Venue» در بخش جستجو، پایگاه‌های مدنظر خود را انتخاب کنید و به پری‌پرینت‌ها دسترسی پیدا کنید.

🆔 @SCINITOAI_IRAN

جستجوی یکپارچه پری‌پرینت‌ها در SCiNiTO AI

🔸با انتخاب فیلتر «Venue» از بخش «Search» و وارد کردن نام پایگاه‌های مورد نظر، در سریع‌ترین زمان به منابع دلخواهتان دسترسی پیدا کنید.

🆔 @SCINITOAI_IRAN

📣 اکنون SCiNiTO AI دارای حدود ۲۷۰ میلیون سند علمی از سراسر جهان است

📚دسترسی یکپارچه به مقاله، پایان‌نامه، پری‌پرینت، دیتاست و فراتر از آن

در مسیر پژوهش، هر نوع سند علمی نقش منحصربه‌فردی دارد. اگر فقط به یک نوع بسنده کنیم، تصویر ناقصی از علم خواهیم داشت. پژوهش‌های عمیق، ایده‌های نو و داده‌های قابل‌تحلیل در منابع متنوعی پنهان‌اند که اکنون همه آن‌ها در یک پلتفرم گرد هم آمده‌اند.

🔸در SCiNiTO AI، به صدها میلیون سند علمی از سراسر جهان در قالب‌های مختلف دسترسی دارید. از جمله:

پایان‌نامه‌ها | حدود ۶ میلیون سند
▪️پایگاه ایده‌های اولیه، داده‌های دقیق، و روش‌شناسی‌های کامل.
▫️در علوم پزشکی، مهندسی، علوم پایه و فناوری، بسیاری از نوآوری‌ها نخست در قالب پایان‌نامه مطرح شده‌اند. حتی اگر هرگز به مقاله تبدیل نشوند، ارزش علمی بالایی دارند.

کتاب‌ها و فصل‌های کتاب | حدود ۳۰ میلیون سند
▪️منبع نظریه‌پردازی، تحلیل‌های جامع و دیدگاه‌های کل‌نگر.
▫️در رشته‌هایی مانند علوم انسانی، علوم اجتماعی، حقوق، فلسفه و آموزش، کتاب‌ها قلب تولید دانش محسوب می‌شوند. فصل‌های کتاب نیز غالباً پژوهش‌های تخصصی‌اند که به‌اندازه یک مقاله علمی، ارزش و استناد دارند.

مقالات علمی | بیش از 200 میلیون مقاله
▪️هسته رسمی علم که در ژورنال‌های بین‌المللی منتشر می‌شود.
▫️در علوم تجربی، پزشکی، داروسازی، علوم مهندسی و زیستی، این مقالات معمولاً شکل نهایی پروژه‌های پژوهشی‌اند.

پری‌پرینت‌ها | نزدیک به ۷ میلیون سند
▪️نسخه‌های اولیه و سریع پژوهش‌ها، پیش از داوری رسمی.
▫️در حوزه‌هایی مثل فیزیک، ریاضیات، علوم رایانه، زیست‌شناسی، همه‌گیری‌شناسی و هوش مصنوعی، پری‌پرینت‌ها نقش حیاتی در انتشار سریع یافته‌ها دارند.

دیتاست‌ها | بیش از ۷.۵ میلیون مجموعه داده
▪️زیرساخت پنهان علم مدرن.
▫️در پزشکی، یادگیری ماشین، علوم اجتماعی، محیط‌زیست، علوم اعصاب و اقتصاد رفتاری، بدون دیتاست معتبر پژوهش کامل نمی‌شود. پایگاه SCiNiTO AI امکان جست‌وجوی هوشمند در میان این مجموعه‌های داده را فراهم کرده است.

چرا این تنوع اهمیت دارد؟
🔹چون پژوهش حرفه‌ای نیازمند دید چندلایه است: داده‌ها را از دیتاست، ایده‌ها را از پایان‌نامه، نظریه‌ها را از کتاب، یافته‌های تازه را از پری‌پرینت و نتایج نهایی را از مقاله می‌گیرد.

🎯 با SCiNiTO AI، دیگر نیازی نیست در میان ده‌ها پایگاه سردرگم باشید.
همه‌چیز در یک‌جا، با جست‌وجوی هوشمند، در دسترس شماست.

🆔 @SCINITOAI_IRAN