چت‌جی‌پی‌تی» با پرونده الکترونیکی سلامت ادغام می‌شود
ادغام «چت‌جی‌پی‌تی» با پرونده الکترونیکی سلامت به پزشکان کمک می‌کند تا به داده‌های سلامتی بیماران خود دسترسی داشته باشند.
به گزارش ایسنا، شرکت «اوپن‌ای‌آی»(OpenAI) اعلام کرد در حال ادغام «چت‌جی‌پی‌تی هلث»(ChatGPT Health) با سیستم پرونده الکترونیکی سلامت شرکت «اپیک»(Epic) است که داده‌های بیش از ۳۲۵ میلیون بیمار را در خود جای داده است تا پزشکان با وارد کردن داده‌های بیمار بتوانند از هوش مصنوعی برای پرسیدن سوال استفاده کنند.
به نقل از تک‌کرانچ، این شرکت اعلام کرد که در برخی سیستم‌ها، چت‌جی‌پی‌تی را مستقیماً در گردش‌های کاری پرونده الکترونیکی سلامت ادغام خواهد کرد.
پزشکان اکنون با چت‌جی‌پی‌تی می‌توانند به اطلاعاتی مانند یادداشت‌های قرار ملاقات، نتایج آزمایشگاهی، داروها و اسناد تخصصی دسترسی پیدا کنند. همچنین آنها می‌توانند سابقه بیمار را مورد بررسی قرار دهند، تغییرات را شناسایی کنند و برای قرارهای بعدی آماده شوند. اوپن‌ای‌آی اعلام کرد که پزشکان در برخی موارد می‌توانند مستقیماً به چت‌جی‌پی‌تی دسترسی داشته باشند تا بررسی‌های پیش از ویزیت را انجام دهند و جدول زمانی بالینی را بدون ترک پرونده بیمار ایجاد کنند. این شرکت تصریح کرد که این ادغام فقط امکان خواندن سوابق سلامت را فراهم می‌کند و هوش مصنوعی چیزی را در پاسخ نمی‌نویسد.
همچنین، اوپن‌ای‌آی در حال اضافه کردن یک افزونه جدید برای داده‌های عمومی مراقبت‌های بهداشتی است که می‌تواند اطلاعات را از منابعی مانند ClinicalTrials.gov، CMS Coverage، RxNorm، DailyMed و PubMed دریافت کند. این شرکت اعلام کرد که افزونه جدید می‌تواند به کارکنان مراقبت‌های بهداشتی در ترکیب داده‌ها به منظور مشخص کردن معیارهای واجد شرایط بودن برای آزمایش، شناسه‌های دارویی، نسخه‌ها و سوابق ارائه‌دهنده کمک کند.
این شرکت اعلام کرد که جدا از فعال کردن این ویژگی‌های جدید، به سازمان‌های دارای توافقنامه همکاری تجاری اجازه می‌دهد تا از «چت‌جی‌پی‌تی ورک»(ChatGPT Work)، «کدکس»(Codex) و اپلیکیشن‌ها در فضای کاری خود استفاده کنند.
اوپن‌ای‌آی ماه گذشته سرویس چت‌جی‌پی‌تی هلث را برای همه مصرف‌کنندگان آمریکایی عرضه کرد. این شرکت در آن زمان اعلام کرد که مردم هر هفته ۳۰۰ میلیون پرسش مرتبط با سلامت را از چت‌جی‌پی‌تی می‌پرسند. با وجود ادغام‌های عمیق هوش مصنوعی با سیستم‌های پزشکی، این شرکت همچنان معتقد است که هوش مصنوعی برای تشخیص یا درمان مناسب نیست.
مشروح خبر:https://isna.ir/xdWZsy
#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
ادغام «چت‌جی‌پی‌تی» با پرونده الکترونیکی سلامت به پزشکان کمک می‌کند تا به داده‌های سلامتی بیماران خود دسترسی داشته باشند.به گزارش ایسنا، شرکت «اوپن‌ای‌آی»(OpenAI) اعلام کرد در حال ادغام «چت‌جی‌پی‌تی هلث»(ChatGPT Health) با سیستم پرونده الکترونیکی سلامت شرکت «اپیک»(Epic) است که داده‌های بیش از ۳۲۵ میلیون بیمار را در خود جای داده است تا پزشکان با وارد کردن داده‌های بیمار بتوانند از هوش مصنوعی برای پرسیدن سوال استفاده کنند.به نقل از تک‌کرانچ، این شرکت اعلام کرد که در برخی سیستم‌ها، چت‌جی‌پی‌تی را مستقیماً در گردش‌های کاری پرونده الکترونیکی سلامت ادغام خواهد کرد.پزشکان اکنون با چت‌جی‌پی‌تی می‌توانند به اطلاعاتی مانند یادداشت‌های قرار ملاقات، نتایج آزمایشگاهی، داروها و اسناد تخصصی دسترسی پیدا کنند. همچنین آنها می‌توانند سابقه بیمار را مورد بررسی قرار دهند، تغییرات را شناسایی کنند و برای قرارهای بعدی آماده شوند. اوپن‌ای‌آی اعلام کرد که پزشکان در برخی موارد می‌توانند مستقیماً به چت‌جی‌پی‌تی دسترسی داشته باشند تا بررسی‌های پیش از ویزیت را انجام دهند و جدول زمانی بالینی را بدون ترک پرونده بیمار ایجاد کنند. این شرکت تصریح کرد که این ادغام فقط امکان خواندن سوابق سلامت را فراهم می‌کند و هوش مصنوعی چیزی را در پاسخ نمی‌نویسد.همچنین، اوپن‌ای‌آی در حال اضافه کردن یک افزونه جدید برای داده‌های عمومی مراقبت‌های بهداشتی است که می‌تواند اطلاعات را از منابعی مانند ClinicalTrials.gov، CMS Coverage، RxNorm، DailyMed و PubMed دریافت کند. این شرکت اعلام کرد که افزونه جدید می‌تواند به کارکنان مراقبت‌های بهداشتی در ترکیب داده‌ها به منظور مشخص کردن معیارهای واجد شرایط بودن برای آزمایش، شناسه‌های دارویی، نسخه‌ها و سوابق ارائه‌دهنده کمک کند.این شرکت اعلام کرد که جدا از فعال کردن این ویژگی‌های جدید، به سازمان‌های دارای توافقنامه همکاری تجاری اجازه می‌دهد تا از «چت‌جی‌پی‌تی ورک»(ChatGPT Work)، «کدکس»(Codex) و اپلیکیشن‌ها در فضای کاری خود استفاده کنند.اوپن‌ای‌آی ماه گذشته سرویس چت‌جی‌پی‌تی هلث را برای همه مصرف‌کنندگان آمریکایی عرضه کرد. این شرکت در آن زمان اعلام کرد که مردم هر هفته ۳۰۰ میلیون پرسش مرتبط با سلامت را از چت‌جی‌پی‌تی می‌پرسند. با وجود ادغام‌های عمیق هوش مصنوعی با سیستم‌های پزشکی، این شرکت همچنان معتقد است که هوش مصنوعی برای تشخیص یا درمان مناسب نیست.مشروح خبر:https://isna.ir/xdWZsy#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
اوپن‌ای‌آی: «آسترا» باهوش‌ترین و همراه‌ترین مدل هوش مصنوعی جهان است
مدل هوش مصنوعی جدید و مورد انتظار شرکت اوپن‌ای‌آی(OpenAI) موسوم به «آسترا»(Astra) معرفی شده است که به شکل ویژه در وظایف عامل‌محور و مبتنی بر رایانه توانمند است.
به گزارش ایسنا، شرکت اوپن‌ای‌آی کمی کمتر از دو ماه پس از انتشار عمومی آخرین خانواده مدل اصلی خود موسوم به GPT-5.6 Sol، Terra و Luna، حالا با یک مدل کاملاً جدید به نام «GPT-6 Astra» بازگشته است؛ مدلی که ادعا می‌کند «باهوش‌ترین و همسوترین مدل در جهان» است.
پس از تصمیم این شرکت برای کند کردن توسعه این مدل پیشگام در ماه اوت، پس از هک شدن پلتفرم هوش مصنوعی Hugging Face توسط یکی از مدل‌هایش، این مدل ممکن است آخرین مدل اصلی هوش مصنوعی باشد که تا مدتی منتشر می‌کند.
به گفته OpenAI، مدل «GPT-6 Astra» در استفاده از کامپیوتر و مرور وب و انجام وظایف در حوزه‌های مهندسی نرم‌افزار، امنیت سایبری، علوم و کارهای حرفه‌ای عمومی عالی است.
یک ویدیوی نمایشی پر زرق و برق که این شرکت همزمان با رونمایی منتشر کرد، نشان می‌دهد که Astra همه چیز را از مدل‌سازی سه‌بعدی گرفته تا ساخت اسلایدشوها انجام می‌دهد و اغلب چندین کار را در حوزه‌های مختلف، مانند سفارش غذا هنگام کدنویسی یک بازی به طور همزمان انجام می‌دهد.
کلید جذابیت آسترا، توانایی آن در مدیریت این گردش‌های کاری چند مرحله‌ای روی رایانه و داخل و خارج از مرورگر است. OpenAI می‌گوید که این سیستم همچنین قادر است این وظایف پیچیده را با «قضاوت بصری قوی» و بدون انحراف از مسیر یا دستورالعمل اصلی خود انجام دهد.
مانند سایر مدل‌های عرضه شده، این شرکت مجموعه‌ای جدید از معیارها را برای توجیه توانایی‌های بهبودیافته آسترا ارائه کرده است، از جمله امتیاز ۹۸.۶ درصد در ARC-AGI-3 که یکی از معیارهای صنعت هوش مصنوعی برای اندازه‌گیری توانایی هوش مصنوعی در حل مسائل ناآشنا است.
مشروح خبر:https://isna.ir/xdWZWm
#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
مدل هوش مصنوعی جدید و مورد انتظار شرکت اوپن‌ای‌آی(OpenAI) موسوم به «آسترا»(Astra) معرفی شده است که به شکل ویژه در وظایف عامل‌محور و مبتنی بر رایانه توانمند است.به گزارش ایسنا، شرکت اوپن‌ای‌آی کمی کمتر از دو ماه پس از انتشار عمومی آخرین خانواده مدل اصلی خود موسوم به GPT-5.6 Sol، Terra و Luna، حالا با یک مدل کاملاً جدید به نام «GPT-6 Astra» بازگشته است؛ مدلی که ادعا می‌کند «باهوش‌ترین و همسوترین مدل در جهان» است.پس از تصمیم این شرکت برای کند کردن توسعه این مدل پیشگام در ماه اوت، پس از هک شدن پلتفرم هوش مصنوعی Hugging Face توسط یکی از مدل‌هایش، این مدل ممکن است آخرین مدل اصلی هوش مصنوعی باشد که تا مدتی منتشر می‌کند.به گفته OpenAI، مدل «GPT-6 Astra» در استفاده از کامپیوتر و مرور وب و انجام وظایف در حوزه‌های مهندسی نرم‌افزار، امنیت سایبری، علوم و کارهای حرفه‌ای عمومی عالی است.یک ویدیوی نمایشی پر زرق و برق که این شرکت همزمان با رونمایی منتشر کرد، نشان می‌دهد که Astra همه چیز را از مدل‌سازی سه‌بعدی گرفته تا ساخت اسلایدشوها انجام می‌دهد و اغلب چندین کار را در حوزه‌های مختلف، مانند سفارش غذا هنگام کدنویسی یک بازی به طور همزمان انجام می‌دهد.کلید جذابیت آسترا، توانایی آن در مدیریت این گردش‌های کاری چند مرحله‌ای روی رایانه و داخل و خارج از مرورگر است. OpenAI می‌گوید که این سیستم همچنین قادر است این وظایف پیچیده را با «قضاوت بصری قوی» و بدون انحراف از مسیر یا دستورالعمل اصلی خود انجام دهد.مانند سایر مدل‌های عرضه شده، این شرکت مجموعه‌ای جدید از معیارها را برای توجیه توانایی‌های بهبودیافته آسترا ارائه کرده است، از جمله امتیاز ۹۸.۶ درصد در ARC-AGI-3 که یکی از معیارهای صنعت هوش مصنوعی برای اندازه‌گیری توانایی هوش مصنوعی در حل مسائل ناآشنا است.مشروح خبر:https://isna.ir/xdWZWm#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
۱هوش هواشناس جدید گوگل معرفی شد
️مدل جدید هوش مصنوعی هواشناسی گوگل موسوم به «WeatherNext 3» از داده‌های ماهواره‌ای زنده برای پیش‌بینی‌های با وضوح بالاتر استفاده می‌کند. همچنین قرار است در پیش‌بینی بارندگی‌ها بسیار بهتر عمل کند.
به گزارش ایسنا، تیم «گوگل دیپ‌مایند» مدل هوش هواشناس جدید «WeatherNext 3» را منتشر کرده است که نسخه‌ای به‌روز شده از آخرین مدل هواشناسی مبتنی بر هوش مصنوعی خود است که ادعا می‌کند پیش‌بینی‌های دقیق‌تری را در مورد متغیرهای کلیدی مانند دما، رطوبت و سرعت باد ارائه می‌دهد.
گوگل خاطرنشان می‌کند که این مدل جدید باید به‌ویژه برای شرکت‌هایی که روی تولید انرژی‌های تجدیدپذیر کار می‌کنند، مفید باشد، زیرا توانایی پیش‌بینی سرعت باد در ارتفاع ۱۰۰ متری (تقریباً در ارتفاع توربین‌ها) برای خروجی دقیق انرژی باد، در کنار پوشش ابر با وضوح بالا و سطح تابش خورشید برای کمک به مزارع خورشیدی را دارد.
گوگل می‌گوید توانایی «WeatherNext 3» در ارائه پیش‌بینی‌های ساعتی و با وضوح بالاتر در یک شبکه ۵ کیلومتر مربعی به جای یک شبکه ۲۵ کیلومتر مربعی در «WeatherNext 2» همگی به دلیل داده‌های جدیدی است که بر روی آن آموزش دیده است.
مدل «WeatherNext 3» به جای تکیه بر داده‌های مدل‌های عددی پیش‌بینی آب و هوا که شامل یک تأخیر ۶ ساعته هستند، از داده‌های زنده ماهواره‌ای استفاده می‌کند که به مدل، نمایی غنی و پیوسته در حال به‌روزرسانی از جو می‌دهد.
استفاده از داده‌های پراکنده ایستگاه‌های هواشناسی توسط این مدل به این معنی است که می‌تواند پیش‌بینی‌های دقیق‌تری از متغیرهایی مانند رطوبت ارائه دهد که معمولاً می‌توانند از یک کیلومتر به کیلومتر بعدی به طور چشمگیری تغییر کنند.
ترکیب داده‌های بارش از ناسا و تجزیه و تحلیل ماهواره‌ای خود گوگل همچنین به این معنی است که «WeatherNext 3» در پیش‌بینی مواردی مانند باران و برف بهتر عمل می‌کند.
مشروح خبر:https://isna.ir/xdWZYb
#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
️مدل جدید هوش مصنوعی هواشناسی گوگل موسوم به «WeatherNext 3» از داده‌های ماهواره‌ای زنده برای پیش‌بینی‌های با وضوح بالاتر استفاده می‌کند. همچنین قرار است در پیش‌بینی بارندگی‌ها بسیار بهتر عمل کند.به گزارش ایسنا، تیم «گوگل دیپ‌مایند» مدل هوش هواشناس جدید «WeatherNext 3» را منتشر کرده است که نسخه‌ای به‌روز شده از آخرین مدل هواشناسی مبتنی بر هوش مصنوعی خود است که ادعا می‌کند پیش‌بینی‌های دقیق‌تری را در مورد متغیرهای کلیدی مانند دما، رطوبت و سرعت باد ارائه می‌دهد.گوگل خاطرنشان می‌کند که این مدل جدید باید به‌ویژه برای شرکت‌هایی که روی تولید انرژی‌های تجدیدپذیر کار می‌کنند، مفید باشد، زیرا توانایی پیش‌بینی سرعت باد در ارتفاع ۱۰۰ متری (تقریباً در ارتفاع توربین‌ها) برای خروجی دقیق انرژی باد، در کنار پوشش ابر با وضوح بالا و سطح تابش خورشید برای کمک به مزارع خورشیدی را دارد.گوگل می‌گوید توانایی «WeatherNext 3» در ارائه پیش‌بینی‌های ساعتی و با وضوح بالاتر در یک شبکه ۵ کیلومتر مربعی به جای یک شبکه ۲۵ کیلومتر مربعی در «WeatherNext 2» همگی به دلیل داده‌های جدیدی است که بر روی آن آموزش دیده است.مدل «WeatherNext 3» به جای تکیه بر داده‌های مدل‌های عددی پیش‌بینی آب و هوا که شامل یک تأخیر ۶ ساعته هستند، از داده‌های زنده ماهواره‌ای استفاده می‌کند که به مدل، نمایی غنی و پیوسته در حال به‌روزرسانی از جو می‌دهد.استفاده از داده‌های پراکنده ایستگاه‌های هواشناسی توسط این مدل به این معنی است که می‌تواند پیش‌بینی‌های دقیق‌تری از متغیرهایی مانند رطوبت ارائه دهد که معمولاً می‌توانند از یک کیلومتر به کیلومتر بعدی به طور چشمگیری تغییر کنند.ترکیب داده‌های بارش از ناسا و تجزیه و تحلیل ماهواره‌ای خود گوگل همچنین به این معنی است که «WeatherNext 3» در پیش‌بینی مواردی مانند باران و برف بهتر عمل می‌کند.مشروح خبر:https://isna.ir/xdWZYb#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
بزرگداشت یک قرن نوآوری؛ یوجین گارفیلد و میراث ماندگارش در علم
انجمن علمی- دانشجویی علم اطلاعات و دانش‌شناسی معاونت فرهنگی اجتماعی دانشگاه الزهرا (س)،یک قرن تلاش یوجین گارفیلد را گرامی می‌دارد.
امروز ۱۶ سپتامبر، سالروز تولد 101 سالگی یوجین گارفیلد (۱۹۲۵-۲۰۱۷) است؛ مردی که با نگاه نابغه‌وار خود، زبان علم را برای همیشه تغییر داد. او نه فقط یک دانشمند، بلکه بنیان‌گذار مؤسسه اطلاعات علمی (ISI) و یکی از پیشگامان بی‌بدیل علم‌سنجی و کتاب‌سنجی در جهان است.
او طرح جامعی را برای ارجاعات علمی پایه‌ریزی کرد که امروزه ستون فقرات تمام نظام‌های ارزیابی پژوهش در دنیاست. گارفیلد با تعریف مفهوم «شاخص ارجاعی علم»، محاسبه ضریب تأثیرگذاری (Impact Factor) را ممکن ساخت؛ معیاری که کمی بعد به مهم‌ترین ابزار رتبه‌بندی مجلات پژوهشی دنیا تبدیل شد. صاحب‌نظران بزرگ حوزه مصورسازی علم، گارفیلد را به دلیل پیشگامی در بحث تاریخ‌نگاری علم و ترسیم نقشه تاریخی علم از دهه ۱۹۹۰، «پدر مصورسازی علم» می‌خوانند.
گارفیلد با تبدیل استناد به یک ابزار اندازه‌گیری دقیق، به ما آموخت که علم، گفتگویی زنده و به‌هم‌پیوسته است. یاد و نامش گرامی باد.
انجمن علمی- دانشجویی علم اطلاعات و دانش‌شناسی معاونت فرهنگی اجتماعی دانشگاه الزهرا (س)،یک قرن تلاش یوجین گارفیلد را گرامی می‌دارد.امروز ۱۶ سپتامبر، سالروز تولد 101 سالگی یوجین گارفیلد (۱۹۲۵-۲۰۱۷) است؛ مردی که با نگاه نابغه‌وار خود، زبان علم را برای همیشه تغییر داد. او نه فقط یک دانشمند، بلکه بنیان‌گذار مؤسسه اطلاعات علمی (ISI) و یکی از پیشگامان بی‌بدیل علم‌سنجی و کتاب‌سنجی در جهان است. او طرح جامعی را برای ارجاعات علمی پایه‌ریزی کرد که امروزه ستون فقرات تمام نظام‌های ارزیابی پژوهش در دنیاست. گارفیلد با تعریف مفهوم «شاخص ارجاعی علم»، محاسبه ضریب تأثیرگذاری (Impact Factor) را ممکن ساخت؛ معیاری که کمی بعد به مهم‌ترین ابزار رتبه‌بندی مجلات پژوهشی دنیا تبدیل شد. صاحب‌نظران بزرگ حوزه مصورسازی علم، گارفیلد را به دلیل پیشگامی در بحث تاریخ‌نگاری علم و ترسیم نقشه تاریخی علم از دهه ۱۹۹۰، «پدر مصورسازی علم» می‌خوانند.گارفیلد با تبدیل استناد به یک ابزار اندازه‌گیری دقیق، به ما آموخت که علم، گفتگویی زنده و به‌هم‌پیوسته است. یاد و نامش گرامی باد.۹هشدار MIT درباره هوش مصنوعی در دانشگاه‌ها
هوش مصنوعی به سرعت در حال تغییر چهره آموزش عالی است، اما همزمان نگرانی‌ها درباره تاثیر این فناوری بر یادگیری و توانایی تفکر دانشجویان نیز افزایش یافته است. گزارشی از موسسه فناوری ماساچوست (MIT) هشدار داده که استفاده گسترده از ابزارهای هوش مصنوعی می‌تواند به چیزی منجر شود که پژوهشگران آن را «تسلیم شناختی» می‌نامند.
به گزارش ایسنا، کمیته MIT که استفاده از هوش مصنوعی در محیط دانشگاه را بررسی کرده، می‌گوید این فناوری حتی «تغییرات عمده‌ای در فرهنگ دانشگاهی» ایجاد کرده است. بر اساس این گزارش، دانشجویانی که برای دریافت پاسخ به سراغ چت‌بات‌ها می‌روند، ممکن است کمتر در ساعات ملاقات با استادان شرکت کنند و از مطالعه گروهی فاصله بگیرند. در چنین شرایطی، دریافت یک پاسخ آماده می‌تواند «توهم یادگیری» ایجاد کند؛ یعنی دانشجو تصور کند موضوعی را آموخته، در حالی که فرایند واقعی یادگیری و درگیری ذهنی اتفاق نیفتاده است.
این نگرانی‌ها در حالی مطرح می‌شود که بسیاری از مدیران دانشگاه‌ها همچنان معتقدند نمی‌توان هوش مصنوعی را نادیده گرفت. وندی هنسل، رئیس دانشگاه هاوایی، می‌گوید پاسخ آموزش عالی به AI نمی‌تواند صرفا «نه» باشد و دانشگاه‌ها باید با رویکردی سنجیده و اخلاقی، پیامدهای این فناوری را درک کنند.
پژوهش‌های جدید نیز بخشی از این نگرانی‌ها را تایید می‌کنند. مطالعه‌ای روی ۲۶ هزار دانش‌آموز دبیرستانی در چین نشان داد استفاده از AI نمرات تکالیف را ۱۸ درصد افزایش داده، اما نمرات آزمون‌های بدون دسترسی به فناوری ۲۰ درصد کاهش یافته است. پژوهشگران احتمال داده‌اند که اتکا به چت‌بات برای انجام سریع تکالیف، یادگیری عمیق‌تری را که برای موفقیت در آزمون‌های مستقل ضروری است، تضعیف کرده باشد.
با این حال، حذف هوش مصنوعی از دانشگاه‌ها نیز ساده نیست. بسیاری از سامانه‌های آموزشی، از جمله Google Classroom و پلتفرم‌های آموزش آنلاین، اکنون قابلیت‌های مبتنی بر AI دارند و چت‌بات‌های محبوب می‌توانند حتی یک مقاله پژوهشی یا تکلیف کامل را برای دانشجو تولید کنند.
به همین دلیل، دانشگاه‌ها رویکردهای متفاوتی در پیش گرفته‌اند. دانشگاه ایالتی اوهایو در حال ادغام AI در تمام رشته‌های تحصیلی است و به دانشجویان آموزش می‌دهد چه زمانی از این فناوری استفاده کنند و چه زمانی نباید به آن متوسل شوند. هاروارد نیز به دنبال طراحی تکالیفی است که امکان تقلب با AI در آنها کمتر باشد و احتمالا به سمت آزمون‌های حضوری بیشتر و تکالیف خانگی کمتر خواهد رفت.
مشروح خبر:https://isna.ir/xdX67V
#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
هوش مصنوعی به سرعت در حال تغییر چهره آموزش عالی است، اما همزمان نگرانی‌ها درباره تاثیر این فناوری بر یادگیری و توانایی تفکر دانشجویان نیز افزایش یافته است. گزارشی از موسسه فناوری ماساچوست (MIT) هشدار داده که استفاده گسترده از ابزارهای هوش مصنوعی می‌تواند به چیزی منجر شود که پژوهشگران آن را «تسلیم شناختی» می‌نامند.به گزارش ایسنا، کمیته MIT که استفاده از هوش مصنوعی در محیط دانشگاه را بررسی کرده، می‌گوید این فناوری حتی «تغییرات عمده‌ای در فرهنگ دانشگاهی» ایجاد کرده است. بر اساس این گزارش، دانشجویانی که برای دریافت پاسخ به سراغ چت‌بات‌ها می‌روند، ممکن است کمتر در ساعات ملاقات با استادان شرکت کنند و از مطالعه گروهی فاصله بگیرند. در چنین شرایطی، دریافت یک پاسخ آماده می‌تواند «توهم یادگیری» ایجاد کند؛ یعنی دانشجو تصور کند موضوعی را آموخته، در حالی که فرایند واقعی یادگیری و درگیری ذهنی اتفاق نیفتاده است.این نگرانی‌ها در حالی مطرح می‌شود که بسیاری از مدیران دانشگاه‌ها همچنان معتقدند نمی‌توان هوش مصنوعی را نادیده گرفت. وندی هنسل، رئیس دانشگاه هاوایی، می‌گوید پاسخ آموزش عالی به AI نمی‌تواند صرفا «نه» باشد و دانشگاه‌ها باید با رویکردی سنجیده و اخلاقی، پیامدهای این فناوری را درک کنند.پژوهش‌های جدید نیز بخشی از این نگرانی‌ها را تایید می‌کنند. مطالعه‌ای روی ۲۶ هزار دانش‌آموز دبیرستانی در چین نشان داد استفاده از AI نمرات تکالیف را ۱۸ درصد افزایش داده، اما نمرات آزمون‌های بدون دسترسی به فناوری ۲۰ درصد کاهش یافته است. پژوهشگران احتمال داده‌اند که اتکا به چت‌بات برای انجام سریع تکالیف، یادگیری عمیق‌تری را که برای موفقیت در آزمون‌های مستقل ضروری است، تضعیف کرده باشد.با این حال، حذف هوش مصنوعی از دانشگاه‌ها نیز ساده نیست. بسیاری از سامانه‌های آموزشی، از جمله Google Classroom و پلتفرم‌های آموزش آنلاین، اکنون قابلیت‌های مبتنی بر AI دارند و چت‌بات‌های محبوب می‌توانند حتی یک مقاله پژوهشی یا تکلیف کامل را برای دانشجو تولید کنند.به همین دلیل، دانشگاه‌ها رویکردهای متفاوتی در پیش گرفته‌اند. دانشگاه ایالتی اوهایو در حال ادغام AI در تمام رشته‌های تحصیلی است و به دانشجویان آموزش می‌دهد چه زمانی از این فناوری استفاده کنند و چه زمانی نباید به آن متوسل شوند. هاروارد نیز به دنبال طراحی تکالیفی است که امکان تقلب با AI در آنها کمتر باشد و احتمالا به سمت آزمون‌های حضوری بیشتر و تکالیف خانگی کمتر خواهد رفت.مشروح خبر:https://isna.ir/xdX67V
#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
۱فراخوان برگزاری کارگاه آموزشی به مناسبت هفته کتاب و هفته پژوهش
انجمن علمی- دانشجویی علم اطلاعات و دانش‌شناسی معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س) در نظر دارد به مناسبت هفته کتاب(۲۳ تا ۲۸ آبان) و هفته پژوهش(۲۱ تا ۲۶ آذر)، مجموعه‌ای از کارگاه‌های آموزشی تخصصی (مجازی و حضوری) برگزار نماید. بدین‌وسیله از تمامی دانشجویان و دانش‌آموختگان علاقه‌مند دعوت می‌شود موضوعات پیشنهادی خود را به همراه خلاصه‌ای از محورهای مورد نظر، جهت بررسی و تصویب در گروه، ارسال نمایند.- هر پیشنهاد باید شامل عنوان کارگاه، خلاصه محورها و تاریخ برگزاری پیشنهادی باشد.- لطفاً پیشنهادات خود را حداکثر تا تاریخ ۱۵ مهر به آدرس ایمیل استاد مشاور انجمن e.hosseini@alzahra.ac.ir ارسال نمایید.- پس از بررسی و تأیید گروه علم اطلاعات و دانش شناسی، برنامه‌ریزی و زمان‌بندی کارگاه‌ها اعلام خواهد شد.
با تشکر از همکاری شماانجمن علم اطلاعات و دانش‌شناسی دانشگاه الزهرا (س)
انجمن علمی- دانشجویی علم اطلاعات و دانش‌شناسی معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س) در نظر دارد به مناسبت هفته کتاب(۲۳ تا ۲۸ آبان) و هفته پژوهش(۲۱ تا ۲۶ آذر)، مجموعه‌ای از کارگاه‌های آموزشی تخصصی (مجازی و حضوری) برگزار نماید. بدین‌وسیله از تمامی دانشجویان و دانش‌آموختگان علاقه‌مند دعوت می‌شود موضوعات پیشنهادی خود را به همراه خلاصه‌ای از محورهای مورد نظر، جهت بررسی و تصویب در گروه، ارسال نمایند.- هر پیشنهاد باید شامل عنوان کارگاه، خلاصه محورها و تاریخ برگزاری پیشنهادی باشد.- لطفاً پیشنهادات خود را حداکثر تا تاریخ ۱۵ مهر به آدرس ایمیل استاد مشاور انجمن e.hosseini@alzahra.ac.ir ارسال نمایید.- پس از بررسی و تأیید گروه علم اطلاعات و دانش شناسی، برنامه‌ریزی و زمان‌بندی کارگاه‌ها اعلام خواهد شد.با تشکر از همکاری شماانجمن علم اطلاعات و دانش‌شناسی دانشگاه الزهرا (س)۴
برگزاری دوره آموزشی «هوش مصنوعی و مدل‌های زبانی در علم‌سنجی؛ از استخراج اطلاعات تا تحلیل و اعتبارسنجی»با توجه به گسترش روزافزون کاربرد هوش مصنوعی و مدل‌های زبانی بزرگ در پژوهش و تحلیل اطلاعات علمی، بهره‌گیری هدفمند از این فناوری‌ها در مطالعات علم‌سنجی به یکی از موضوعات مهم پژوهشی تبدیل شده است. کاربرد این ابزارها تنها به تولید متن و خلاصه‌سازی محدود نیست و می‌توان از ظرفیت آنها در بازیابی و طبقه‌بندی ادبیات علمی، استخراج مفاهیم و روابط، تحلیل متون، شناسایی روندها و موضوعات نوظهور و تحلیل شبکه‌های علمی بهره گرفت.در این دوره، شرکت‌کنندگان با کاربردهای عملی هوش مصنوعی و مدل‌های زبانی بزرگ در مطالعات علم‌سنجی آشنا خواهند شد. همچنین طراحی گردش‌کار ترکیبی انسان–هوش مصنوعی و شیوه‌های ارزیابی و اعتبارسنجی خروجی مدل‌های زبانی مورد بررسی قرار می‌گیرد.بخش دیگری از دوره به چالش‌ها و ملاحظات استفاده از هوش مصنوعی در پژوهش اختصاص دارد؛ از جمله توهم مدل‌های زبانی (Hallucination)، خطا و سوگیری، شفافیت، قابلیت ردیابی، بازتولیدپذیری، مالکیت داده، اخلاق و مسئولیت‌پذیری.
مشروح خبر:https://ilisa.ir/?p=10013
مشروح خبر:https://ilisa.ir/?p=10013
چرا «چت‌جی‌پی‌تی» دستورهای کاربران را نادیده می‌گیرد؟
این مقاله به بررسی این موضوع می‌پردازد که چرا «چت‌جی‌پی‌تی» گاهی دستورهای متنی کاربران را نادیده می‌گیرد و چرا توسعه‌دهندگان هوش مصنوعی اجازه می‌دهند چنین اتفاقی بیفتد.
به گزارش ایسنا، شما دقیقاً به «چت‌جی‌پی‌تی»(ChatGPT) می‌گویید که چه کاری انجام دهد. سپس پاسخ می‌رسد و می‌بینید که مشکلی وجود دارد زیرا این مدل هوش مصنوعی، اطلاعاتی را که شما درخواست نکرده بودید اضافه کرده، ساختار را تغییر داده، نکته‌ای را که به آن گفته بودید حذف کند، تکرار کرده یا یکی از دستورالعمل‌های شما را به طور کامل نادیده گرفته است.
به نقل از فاین‌چنل، شما دستور متنی یا «پرامپت»(Prompt) خود را اصلاح می‌کنید. چت‌جی‌پی‌تی عذرخواهی می‌کند و قول می‌دهد که از دستورالعمل‌ها پیروی کند. گاهی اوقات این کار را انجام می‌دهد، اما گاهی اوقات همان اشتباه را تکرار می‌کند. این تجربه که به طور فزاینده‌ای رایج شده است، یکی از مشکلات حل‌نشده در هوش مصنوعی را آشکار می‌کند. مشکل این است که مدل‌های زبانی بزرگ هنوز در پیروی از دستورالعمل‌ها ناقص هستند؛ حتی زمانی که آن دستورالعمل‌ها واضح باشند.
این مسئله با حرکت هوش مصنوعی از چت‌بات‌ها به سوی عامل‌هایی که قادر به وب‌گردی، مطالعه اسناد، استفاده از نرم‌افزارها و انجام اقدامات به نیابت از کاربران هستند، اهمیت فزاینده‌ای پیدا می‌کند.
شکست‌ها ممکن است ناشی از تضاد میان قوانین سیستم و توسعه‌دهنده و کاربر، دشواری در مدیریت پرامپت‌های طولانی و محدودیت‌های متعدد، از دست رفتن محتوا، سوءتفاهم‌ها یا تمایل به ارائه اطلاعات اضافی و موافقت بیش‌ازحد و سریع با کاربران باشند.
این موضوع با ورود هوش مصنوعی به محیط‌های کاری و آغاز کار به عنوان یک عامل، اهمیت فزاینده‌ای پیدا می‌کند. «مرکز پژوهشی پیو»(Pew Research Center) گزارش داد ۲۱ درصد از کارگران آمریکایی گفته‌اند که در سپتامبر ۲۰۲۵ حداقل برای برخی کارها از هوش مصنوعی استفاده کرده‌اند. شرکت مشاوره مدیریت «گالوپ»(Gallup) گزارش داد که ۴۵ درصد کارمندان حداقل چند بار در سال از هوش مصنوعی در محل کار خود استفاده می‌کنند. عوامل هوش مصنوعی با خطرات امنیتی مانند تزریق سریع نیز روبه‌رو هستند که در آن، دستورالعمل‌های مخرب پنهان در وب‌سایت‌ها یا اسناد می‌توانند به اقدامات غیرمجاز منجر شوند.
️مشروح خبر: https://isna.ir/xdX8Zb
#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
این مقاله به بررسی این موضوع می‌پردازد که چرا «چت‌جی‌پی‌تی» گاهی دستورهای متنی کاربران را نادیده می‌گیرد و چرا توسعه‌دهندگان هوش مصنوعی اجازه می‌دهند چنین اتفاقی بیفتد.به گزارش ایسنا، شما دقیقاً به «چت‌جی‌پی‌تی»(ChatGPT) می‌گویید که چه کاری انجام دهد. سپس پاسخ می‌رسد و می‌بینید که مشکلی وجود دارد زیرا این مدل هوش مصنوعی، اطلاعاتی را که شما درخواست نکرده بودید اضافه کرده، ساختار را تغییر داده، نکته‌ای را که به آن گفته بودید حذف کند، تکرار کرده یا یکی از دستورالعمل‌های شما را به طور کامل نادیده گرفته است.به نقل از فاین‌چنل، شما دستور متنی یا «پرامپت»(Prompt) خود را اصلاح می‌کنید. چت‌جی‌پی‌تی عذرخواهی می‌کند و قول می‌دهد که از دستورالعمل‌ها پیروی کند. گاهی اوقات این کار را انجام می‌دهد، اما گاهی اوقات همان اشتباه را تکرار می‌کند. این تجربه که به طور فزاینده‌ای رایج شده است، یکی از مشکلات حل‌نشده در هوش مصنوعی را آشکار می‌کند. مشکل این است که مدل‌های زبانی بزرگ هنوز در پیروی از دستورالعمل‌ها ناقص هستند؛ حتی زمانی که آن دستورالعمل‌ها واضح باشند.این مسئله با حرکت هوش مصنوعی از چت‌بات‌ها به سوی عامل‌هایی که قادر به وب‌گردی، مطالعه اسناد، استفاده از نرم‌افزارها و انجام اقدامات به نیابت از کاربران هستند، اهمیت فزاینده‌ای پیدا می‌کند.شکست‌ها ممکن است ناشی از تضاد میان قوانین سیستم و توسعه‌دهنده و کاربر، دشواری در مدیریت پرامپت‌های طولانی و محدودیت‌های متعدد، از دست رفتن محتوا، سوءتفاهم‌ها یا تمایل به ارائه اطلاعات اضافی و موافقت بیش‌ازحد و سریع با کاربران باشند.این موضوع با ورود هوش مصنوعی به محیط‌های کاری و آغاز کار به عنوان یک عامل، اهمیت فزاینده‌ای پیدا می‌کند. «مرکز پژوهشی پیو»(Pew Research Center) گزارش داد ۲۱ درصد از کارگران آمریکایی گفته‌اند که در سپتامبر ۲۰۲۵ حداقل برای برخی کارها از هوش مصنوعی استفاده کرده‌اند. شرکت مشاوره مدیریت «گالوپ»(Gallup) گزارش داد که ۴۵ درصد کارمندان حداقل چند بار در سال از هوش مصنوعی در محل کار خود استفاده می‌کنند. عوامل هوش مصنوعی با خطرات امنیتی مانند تزریق سریع نیز روبه‌رو هستند که در آن، دستورالعمل‌های مخرب پنهان در وب‌سایت‌ها یا اسناد می‌توانند به اقدامات غیرمجاز منجر شوند.️مشروح خبر: https://isna.ir/xdX8Zb#انجمن_علمی_دانشجویی_علم_اطلاعات_دانش‌شناسی_دانشگاه_الزهرا#دانشگاه_الزهرا#انجمن_علمی_دانشجویی#علم‌اطلاعات_دانش‌شناسی#هوش_مصنوعی
کانال بله انجمن: @lisa_alzahra
۱آیا هوش مصنوعی می‌تواند بحران داوری «همتا» را حل کند؟
با افزایش شدید تعداد مقالات علمی و فشار بر داوران همتا، ابزارهای هوش مصنوعی می‌توانند با بررسی ارجاعات، محاسبات، اعتبار ادعاها و نوآوری مقاله به فرایند داوری کمک کنند؛ اما پرسش اصلی این است که آیا می‌توان به ارزیابی‌های هوش مصنوعی اعتماد کرد و بر اساس آنها درباره پذیرش یا رد مقاله تصمیم گرفت؟
به گزارش ایسنا، فرض کنید سردبیر یا داور همتا هستید و دست‌نوشته‌هایی که هنوز بررسی نکرده‌اید، روی میزتان انباشته شده‌اند. بعضی از همکارانتان در حال امتحان کردن ابزارهای داوری مبتنی بر هوش مصنوعی (AI) هستند که می‌توانند بخشی از این بار سنگین را کاهش دهند. بعضی از این ابزارها اشتباهات موجود در ارجاعات یا محاسبات را بررسی می‌کنند. برخی دیگر حتی وعده می‌دهند که مشخص کنند آیا ادعاهای مطرح شده در یک مقاله قابل اتکا هستند یا خیر، یا اینکه آیا مقاله واقعا دانش جدیدی به آن حوزه اضافه می‌کند یا خیر. آیا چنین ارزیابی‌هایی را می‌خوانید؟ آیا به آنها اعتماد می‌کنید؟ آیا بر اساس آنها از یک مقاله انتقاد می‌کنید یا حتی آن را رد می‌کنید؟
به نقل از ساینس، این پرسش‌ها اکنون برای جامعه علمی اهمیت زیادی پیدا کرده‌اند؛ جامعه‌ای که سال‌ها است با مشکل سیستم بیش از حد تحت فشار داوری همتا دست و پنجه نرم می‌کند و حالا با چالش‌های عظیم جدیدی روبه‌رو شده که هوش مصنوعی مولد ایجاد کرده است.
تعداد مقالات علمی طی تنها ۵ سال دو برابر شده و در سال ۲۰۲۵ به بیش از ۸ میلیون مقاله رسیده است. برخی ناشران حتی از افزایش شدیدتر تعداد مقالات ارسالی خبر می‌دهند؛ افزایشی که بخشی از آن به دلیل دسترسی گسترده‌تر به مدل‌های زبانی بزرگ (LLM) است؛ مدل‌هایی که می‌توانند بعضی پیش‌نویس‌های مقاله را تنها در چند دقیقه تولید کنند.
سردبیران بیش از پیش برای پیدا کردن داورانی که حاضر باشند مقالات را بررسی کنند، با مشکل مواجه‌اند. این مسئله باعث شده فاصله زمانی بین ارسال مقاله و انتشار آن گاهی ماه‌ها و حتی بیش از یک سال طول بکشد.
️آیا هوش مصنوعی می‌تواند بخشی از راه‌حل باشد؟
برخی پژوهشگران و ناشران معتقدند هوش مصنوعی باید بخشی از راه حل این مشکل باشد.
طرفداران این ایده می‌گویند خودکار کردن بخشی از فرایند داوری همتا می‌تواند روند انتشار مقالات را سریع‌تر کند و در وقت پژوهشگران صرفه‌جویی ایجاد کند.
در واقع، تعداد فزاینده‌ای از داوران در حال استفاده از این ابزارها هستند. در یک نظرسنجی جهانی از ۱۶۴۵ پژوهشگر در حوزه‌های مختلف علمی، کمی بیش از نیمی از پاسخ‌دهندگان گفتند که در سال ۲۰۲۵ از هوش مصنوعی برای انجام وظایف مربوط به داوری استفاده کرده‌اند؛ از جمله برای کمک به نوشتن نظرات داوری و در برخی موارد برای بررسی روش‌های تحقیق و آمار.
این رقم در سال قبل تنها ۲۹ درصد بود؛ این افزایش در حالی اتفاق افتاده که بسیاری از مجلات استفاده از هوش مصنوعی در داوری را ممنوع کرده‌اند.
اما گروه دیگری از پژوهشگران نسبت به توانایی ماشین‌ها برای ارائه بازخورد قابل اعتماد، تردید دارند؛ به خصوص در مهم‌ترین بخش‌های داوری همتا، مانند ارزیابی نوآوری و اهمیت علمی یک مقاله و همچنین در مورد خطرهایی مانند سوگیری و سوءاستفاده از سیستم.
پژوهشگر پسادکتری دانشگاه استنفورد که درباره تاثیرات اجتماعی هوش مصنوعی مطالعه می‌کند، می‌گوید: بحران داوری همتا واقعی است و هوش مصنوعی برای کمک به آن امیدوارکننده به نظر می‌رسد؛ اما اگر با بی‌مسئولیتی برای خودکار کردن بخش بزرگی از فرایند قضاوت عجله کنیم، ممکن است نتیجه معکوس داشته باشد. باید مطمئن شویم ابزارهایی که به کار می‌گیریم، برای وظیفه‌ای که به آنها می‌سپاریم، مناسب هستند.
️مشروح خبر:https://isna.ir/xdX2zg
با افزایش شدید تعداد مقالات علمی و فشار بر داوران همتا، ابزارهای هوش مصنوعی می‌توانند با بررسی ارجاعات، محاسبات، اعتبار ادعاها و نوآوری مقاله به فرایند داوری کمک کنند؛ اما پرسش اصلی این است که آیا می‌توان به ارزیابی‌های هوش مصنوعی اعتماد کرد و بر اساس آنها درباره پذیرش یا رد مقاله تصمیم گرفت؟به گزارش ایسنا، فرض کنید سردبیر یا داور همتا هستید و دست‌نوشته‌هایی که هنوز بررسی نکرده‌اید، روی میزتان انباشته شده‌اند. بعضی از همکارانتان در حال امتحان کردن ابزارهای داوری مبتنی بر هوش مصنوعی (AI) هستند که می‌توانند بخشی از این بار سنگین را کاهش دهند. بعضی از این ابزارها اشتباهات موجود در ارجاعات یا محاسبات را بررسی می‌کنند. برخی دیگر حتی وعده می‌دهند که مشخص کنند آیا ادعاهای مطرح شده در یک مقاله قابل اتکا هستند یا خیر، یا اینکه آیا مقاله واقعا دانش جدیدی به آن حوزه اضافه می‌کند یا خیر. آیا چنین ارزیابی‌هایی را می‌خوانید؟ آیا به آنها اعتماد می‌کنید؟ آیا بر اساس آنها از یک مقاله انتقاد می‌کنید یا حتی آن را رد می‌کنید؟به نقل از ساینس، این پرسش‌ها اکنون برای جامعه علمی اهمیت زیادی پیدا کرده‌اند؛ جامعه‌ای که سال‌ها است با مشکل سیستم بیش از حد تحت فشار داوری همتا دست و پنجه نرم می‌کند و حالا با چالش‌های عظیم جدیدی روبه‌رو شده که هوش مصنوعی مولد ایجاد کرده است.تعداد مقالات علمی طی تنها ۵ سال دو برابر شده و در سال ۲۰۲۵ به بیش از ۸ میلیون مقاله رسیده است. برخی ناشران حتی از افزایش شدیدتر تعداد مقالات ارسالی خبر می‌دهند؛ افزایشی که بخشی از آن به دلیل دسترسی گسترده‌تر به مدل‌های زبانی بزرگ (LLM) است؛ مدل‌هایی که می‌توانند بعضی پیش‌نویس‌های مقاله را تنها در چند دقیقه تولید کنند.سردبیران بیش از پیش برای پیدا کردن داورانی که حاضر باشند مقالات را بررسی کنند، با مشکل مواجه‌اند. این مسئله باعث شده فاصله زمانی بین ارسال مقاله و انتشار آن گاهی ماه‌ها و حتی بیش از یک سال طول بکشد.️آیا هوش مصنوعی می‌تواند بخشی از راه‌حل باشد؟برخی پژوهشگران و ناشران معتقدند هوش مصنوعی باید بخشی از راه حل این مشکل باشد.طرفداران این ایده می‌گویند خودکار کردن بخشی از فرایند داوری همتا می‌تواند روند انتشار مقالات را سریع‌تر کند و در وقت پژوهشگران صرفه‌جویی ایجاد کند.در واقع، تعداد فزاینده‌ای از داوران در حال استفاده از این ابزارها هستند. در یک نظرسنجی جهانی از ۱۶۴۵ پژوهشگر در حوزه‌های مختلف علمی، کمی بیش از نیمی از پاسخ‌دهندگان گفتند که در سال ۲۰۲۵ از هوش مصنوعی برای انجام وظایف مربوط به داوری استفاده کرده‌اند؛ از جمله برای کمک به نوشتن نظرات داوری و در برخی موارد برای بررسی روش‌های تحقیق و آمار.این رقم در سال قبل تنها ۲۹ درصد بود؛ این افزایش در حالی اتفاق افتاده که بسیاری از مجلات استفاده از هوش مصنوعی در داوری را ممنوع کرده‌اند.اما گروه دیگری از پژوهشگران نسبت به توانایی ماشین‌ها برای ارائه بازخورد قابل اعتماد، تردید دارند؛ به خصوص در مهم‌ترین بخش‌های داوری همتا، مانند ارزیابی نوآوری و اهمیت علمی یک مقاله و همچنین در مورد خطرهایی مانند سوگیری و سوءاستفاده از سیستم.پژوهشگر پسادکتری دانشگاه استنفورد که درباره تاثیرات اجتماعی هوش مصنوعی مطالعه می‌کند، می‌گوید: بحران داوری همتا واقعی است و هوش مصنوعی برای کمک به آن امیدوارکننده به نظر می‌رسد؛ اما اگر با بی‌مسئولیتی برای خودکار کردن بخش بزرگی از فرایند قضاوت عجله کنیم، ممکن است نتیجه معکوس داشته باشد. باید مطمئن شویم ابزارهایی که به کار می‌گیریم، برای وظیفه‌ای که به آنها می‌سپاریم، مناسب هستند.️مشروح خبر:https://isna.ir/xdX2zg۲فراخوان برگزاری کارگاه آموزشی به مناسبت هفته کتاب و هفته پژوهش
انجمن علمی- دانشجویی علم اطلاعات و دانش‌شناسی معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س) در نظر دارد به مناسبت هفته کتاب(۲۳ تا ۲۸ آبان) و هفته پژوهش(۲۱ تا ۲۶ آذر)، مجموعه‌ای از کارگاه‌های آموزشی تخصصی (مجازی و حضوری) برگزار نماید. بدین‌وسیله از تمامی دانشجویان و دانش‌آموختگان علاقه‌مند دعوت می‌شود موضوعات پیشنهادی خود را به همراه خلاصه‌ای از محورهای مورد نظر، جهت بررسی و تصویب در گروه، ارسال نمایند.- هر پیشنهاد باید شامل عنوان کارگاه، خلاصه محورها و تاریخ برگزاری پیشنهادی باشد.- لطفاً پیشنهادات خود را حداکثر تا تاریخ ۱۵ مهر به آدرس ایمیل استاد مشاور انجمن e.hosseini@alzahra.ac.ir ارسال نمایید.- پس از بررسی و تأیید گروه علم اطلاعات و دانش شناسی، برنامه‌ریزی و زمان‌بندی کارگاه‌ها اعلام خواهد شد.
با تشکر از همکاری شماانجمن علم اطلاعات و دانش‌شناسی دانشگاه الزهرا (س)
انجمن علمی- دانشجویی علم اطلاعات و دانش‌شناسی معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س) در نظر دارد به مناسبت هفته کتاب(۲۳ تا ۲۸ آبان) و هفته پژوهش(۲۱ تا ۲۶ آذر)، مجموعه‌ای از کارگاه‌های آموزشی تخصصی (مجازی و حضوری) برگزار نماید. بدین‌وسیله از تمامی دانشجویان و دانش‌آموختگان علاقه‌مند دعوت می‌شود موضوعات پیشنهادی خود را به همراه خلاصه‌ای از محورهای مورد نظر، جهت بررسی و تصویب در گروه، ارسال نمایند.- هر پیشنهاد باید شامل عنوان کارگاه، خلاصه محورها و تاریخ برگزاری پیشنهادی باشد.- لطفاً پیشنهادات خود را حداکثر تا تاریخ ۱۵ مهر به آدرس ایمیل استاد مشاور انجمن e.hosseini@alzahra.ac.ir ارسال نمایید.- پس از بررسی و تأیید گروه علم اطلاعات و دانش شناسی، برنامه‌ریزی و زمان‌بندی کارگاه‌ها اعلام خواهد شد.با تشکر از همکاری شماانجمن علم اطلاعات و دانش‌شناسی دانشگاه الزهرا (س)