هوش مصنوعی در مطالعات مروری

🔬 بکارگیری هوش مصنوعی در مرورهای نظام مند؛ از «کمک‌یار» تا «همکار پژوهشی»

اگر در حال انجام مطالعه Systematic Review  (مرور نظام مند) هستید، احتمالاً این سؤال برایتان مطرح شده است:

🤖 واقعاً کدام بخش‌های مرور نظام مند را می‌توان به هوش مصنوعی سپرد؟
نتایج یک پژوهش، در قالب دو مقاله در سال ۲۰۲۶، پاسخ جالبی به این سؤال داده است.
در این پژوهش مروری، ۱۱۵ مطالعه تجربی درباره استفاده از GenAI/LLM در مراحل مختلف مرورهای نظام مند بررسی شده‌اند.

📌 مقاله اول (Rapid Review):
یافته مهم: شواهد فعلی بیشتر از استفاده GenAI  در کارهای زیر را حمایت می کند:
·         غربالگری عنوان و چکیده
·         استخراج داده‌ها
در برخی ارزیابی‌های باکیفیت، حساسیت بالای 90 درصد و کاهش بار کاری پژوهشگران از ۲۷ تا ۷۱ درصد گزارش شده است.
اما برای کارهای زیر شواهد هنوز متغیرتر است:
·         اسکرین متن کامل مقالات
·         ارزیابی ریسک بایاس
·         سنتز کیفی
·         نوشتن گزارش مقاله

یک نکته بسیار مهم:
❌ تولید کاملاً خودکار یک مرور نظام مند توسط GenAI/LLM  هنوز قابل اتکا نیست.
نویسندگان بر یک مدل Human-in-the-loop  تأکید می‌کنند؛ یعنی AI کار را سریع‌تر می‌کند، اما تصمیم‌گیری علمی همچنان بر عهده پژوهشگر است.

📌 مقاله دوم Good Practices Report:
یک Task Force بر اساس همین مجموعه ۱۱۵ مطالعه، توصیه‌هایی برای استفاده مسئولانه از GenAI/LLM در  انجام مطالعه مرور نظام مند ارائه کرده است.
پیام اصلی بسیار روشن است:
GenAI can augment, but not replace, human expertise in SLRs.
یعنی:
🤖 هوش مصنوعی: افزایش سرعت و کاهش کارهای تکراری
👨‍🔬 پژوهشگر: قضاوت علمی، کنترل کیفیت و مسئولیت نهایی
این گزارش همچنین بر چند اصل تأکید می‌کند:
✅ استفاده از AI باید متناسب با وظیفه ارزیابی شود.
✅ قوانین و معیارهای تصمیم‌گیری باید از قبل مشخص باشند.
✅ موارد مشکوک یا اختلافات AI و پژوهشگر باید توسط انسان بررسی شوند.
✅ استفاده از AI باید به‌صورت شفاف در روش مطالعه گزارش شود.
❌ استفاده مستقل و کاملاً خودکار از AI برای انجام SLR توصیه نمی‌شود.

🎯 پیام مهم برای پژوهشگران:
به نظر می‌رسد سؤال دیگر این نیست که آیا از AI در Systematic Review استفاده کنیم یا نه؟
بلکه سؤال مهم‌تر این است:

✅در کدام مرحله، برای چه کاری، با چه سطحی از نظارت انسانی و با چه روش کنترل کیفیتی از AI استفاده کنیم؟
این دقیقاً همان مسیری است که در این کانال و کارگاه‌های «بکارگیری ابزارهای هوش مصنوعی برای انجام مطالعات مروری» دنبال می کنیم.
 
📚 مقاله اول:
PubMed – The Use of Generative Artificial Intelligence in Systematic Literature Reviews
📚 مقاله دوم:
PubMed – Generative Artificial Intelligence for Systematic Literature Reviews: A Good Practices Report
 
#مطالعه_مروری
#مرور_نظام_مند
#مطالعه_سیستماتیک

 
https://t.me/AIReviewStudies

بر اساس سؤال و هدف پژوهش، نوع مطالعهٔ مروری مشخص می‌شود.
برخی مواقع پژوهشگران کم تجربه، در ابتدا نوع مطالعه مروری را درست مشخص نمی کنند و در نتیجه ادامه مسیر را درست پیش نمی برند.

#مطالعه_مروری
#انواع_مطالعات_مروری
#مرور_نظام_مند
#مطالعه_سیستماتیک

https://t.me/AIReviewStudies

🔹 اولین قدم برای استفاده حرفه‌ای از AI در Review Studies

اگر می‌خواهید از ابزارهایی مثل ChatGPT، Claude یا Gemini در انجام یک مطالعه مروری استفاده کنید، بهتر است کار را با یک Project اختصاصی برای همان مطالعه شروع کنید؛ نه با یک چت معمولی و پراکنده.

📌 چرا Project؟
چون یک مطالعه مروری معمولاً هفته‌ها یا حتی ماه‌ها طول می‌کشد و اطلاعات و تصمیم‌های زیادی در طول کار ایجاد می‌شود؛ از جمله:
• سؤال پژوهش و اهداف مطالعه
• نوع Review و چارچوب روش‌شناختی
• معیارهای ورود و خروج
• Population، Intervention/Exposure، Comparator و Outcomes
• استراتژی جستجو
• مقالات و فایل‌های مرتبط
• تصمیم‌های روش‌شناختی که در طول مطالعه گرفته‌اید
• دستورالعمل‌هایی که می‌خواهید AI در تمام مراحل رعایت کند

اگر هر بار این اطلاعات را از ابتدا در یک چت جدید وارد کنید، بخش مهمی از Context پروژه از بین می‌رود.
اما در یک Project می‌توانید اطلاعات و فایل‌های مرتبط با مطالعه را در یک فضای منسجم نگه دارید و تعاملات خود با AI را حول همان پروژه سازمان‌دهی کنید.

🧩 اما یک نکته مهم‌تر:
ساختن Project به‌تنهایی کافی نیست.
بعد از ایجاد Project، باید به AI توضیح دهید:
شما چه کسی هستید؟
روی چه مطالعه‌ای کار می‌کنید؟
هدف مطالعه چیست؟
سؤال پژوهش چیست؟
چه تصمیم‌های روش‌شناختی گرفته‌اید؟
در این مرحله از Review چه کاری می‌خواهید AI انجام دهد؟
و چه محدودیت‌ها و قواعدی باید رعایت شوند؟

به عبارت ساده:
اول Project را بسازید، سپس Context پروژه را به AI معرفی کنید، و بعد Task خود را مطرح کنید.
این کار باعث می‌شود به‌جای اینکه هر بار با یک AI «از صفر» صحبت کنید، یک Research Assistant مبتنی بر AI داشته باشید که تعاملات شما حول یک پروژه مشخص سازمان‌دهی شده باشد.
#مطالعه_مروری #پروژه

https://t.me/AIReviewStudies

پرامپت پیشنهادی برای تعیین ضرورت انجام مطالعه مروری:


I, as a researcher in [insert your research area], am going to design a protocol for a systematic review with the research question below.
Play the role of an expert in conducting review studies.

Research Question: [insert your review question]

I am worry about the novelty of the proposed study. I do not know is there any existing published review study exactly with this aim. Could you help me?

#Prompt
#Research_Gap

#پرامپت #ضرورت_مطالعه #شکاف_پژوهشی #خلأ_پژوهشی

https://t.me/AIReviewStudies

چگونه شکاف پژوهشی (Research Gap) را شناسایی کنیم؟

شناسایی شکاف پژوهشی، یکی از مهم‌ترین و در عین حال چالش‌برانگیزترین مراحل طراحی یک مطالعه علمی—به‌ویژه مطالعات مروری—است. بدون شناسایی درست این شکاف، احتمال تکراری شدن پژوهش بسیار بالا خواهد بود.

در ادامه، چند راهکار کاربردی برای یافتن شکاف پژوهشی معرفی می‌شود:

🔹 جستجوی مقدماتی در پایگاه‌های علمی
پیش از هر چیز، یک جستجوی اولیه در پایگاه‌های معتبر مانند PubMed، Scopus یا Web of Science انجام دهید. این کار به شما کمک می‌کند:

حجم شواهد موجود را درک کنید
موضوعات پرتکرار و اشباع‌شده را بشناسید
حوزه‌های کمتر بررسی‌شده را شناسایی کنید

🔹 بررسی مطالعات مروری موجود
مطالعات مروری قبلی بهترین نقطه شروع هستند. با تحلیل آن‌ها می‌توان فهمید:

چه موضوعاتی پوشش داده شده‌اند
چه محدودیت‌هایی وجود دارد
چه سؤالاتی همچنان بی‌پاسخ مانده‌اند

🔹 تحلیل بخش «پیشنهاد برای پژوهش‌های آینده» در مقالات موجود
در بسیاری از مقالات جدید، نویسندگان در بخش Future Research یا Limitations به خلأهای موجود اشاره می‌کنند. این بخش‌ها منابع بسیار ارزشمندی برای ایده‌پردازی پژوهشی هستند.

🔹 استفاده از ابزارهای هوش مصنوعی
ابزارهای مبتنی بر هوش مصنوعی (مانند Research Gap Finderها) می‌توانند با تحلیل حجم بالایی از مقالات:

الگوهای پژوهشی را شناسایی کنند
خلأهای کمتر دیده‌شده را پیشنهاد دهند
فرآیند ایده‌یابی را تسریع کنند

🔹 جمع‌بندی
شکاف پژوهشی معمولاً در اولین نگاه آشکار نیست؛ بلکه حاصل جستجوی هدفمند، تحلیل نقادانه و مقایسه شواهد موجود است. ترکیب روش‌های سنتی با ابزارهای نوین، مسیر رسیدن به یک سؤال پژوهشی قوی را هموار می‌کند.

📌 پژوهش موفق، از یک شکاف واقعی آغاز می‌شود، نه صرفاً از یک ایده جذاب.


#مطالعه_مروری #سؤال_پژوهشی #ضرورت_مطالعه #شکاف_پژوهشی #خلأ_پژوهشی

https://t.me/AIReviewStudies

اولین سؤال در یک مطالعه مروری: آیا واقعاً انجام آن لازم است؟

قبل از شروع هر نوع مطالعه مروری، اولین و مهم‌ترین گام پاسخ به این پرسش اساسی است:
آیا انجام یک مطالعه مروری جدید ضروری است؟

یک مرور علمی زمانی ارزشمند است که دانش موجود را یک گام به جلو ببرد و صرفاً تکرار مطالعات قبلی نباشد. بنابراین، پیش از آغاز کار باید اطمینان حاصل شود که این مطالعه ارزش افزوده علمی ایجاد می‌کند.

🔹 درک شکاف پژوهشی (Research Gap)
شکاف پژوهشی به سؤالات بی‌پاسخ یا حوزه‌هایی اشاره دارد که در ادبیات موجود به‌طور کافی بررسی نشده‌اند. شناسایی این شکاف‌ها تضمین می‌کند که مطالعه مروری شما:

تکراری نباشد
دانش جدیدی تولید کند
به تصمیم‌گیری‌های علمی و عملی کمک کند

🔹 سؤالات کلیدی قبل از شروع مطالعه مروری
پیش از طراحی و اجرای مرور، به این سؤالات پاسخ دهید:

آیا این سؤال پژوهشی قبلاً به‌طور کامل پاسخ داده شده است؟
آیا مرورهای موجود قدیمی شده‌اند؟
آیا شواهد یا مطالعات جدیدی منتشر شده‌اند؟
آیا مرورهای قبلی از نظر روش‌شناسی محدود یا کم‌کیفیت هستند؟
آیا مطالعه مروری جدید شما زاویه دید، روش، جمعیت یا پیامد جدیدی را پوشش می‌دهد؟

🔹 جمع‌بندی
یک مطالعه مروری خوب، با یک جستجوی دقیق و تحلیل نقادانه آغاز می‌شود، نه با نوشتن متن.
اگر پاسخ شما به پرسش‌های بالا «بله» است، احتمالاً انجام مطالعه مروری ضروری و ارزشمند خواهد بود.

📌 مطالعه مروری زمانی موفق است که خلأیی واقعی را در ادبیات علمی پر کند.


#مطالعه_مروری #سؤال_پژوهشی #ضرورت_مطالعه #شکاف_پژوهشی #خلأ_پژوهشی

https://t.me/AIReviewStudies

باسلام، یلداتون مبارک.
در کنار خانواده سلامت و شاد باشید.
🍉🍉🍉🍉🍉

انواع مطالعات مروری:

در این رفرنس انواع مطالعات مروری معرفی و توضیح داده شده است.
#انواع_مطالعات_مروری

https://t.me/AIReviewStudies

📊 انتخاب نوع مطالعه مروری بر اساس هدف سؤال پژوهشی

یکی از گام‌های کلیدی در طراحی یک مطالعه مروری، هم‌راستا کردن هدف پژوهش با نوع مناسب مطالعه مروری است.

در این پست نشان می‌دهیم که هر هدف پژوهشی، با چه نوع سؤالی و چه نوع مطالعه مروری تناسب بیشتری دارد:

🔹 سنجش اثر یک مداخله
اگر هدف شما بررسی اثر یک مداخله (مثلاً تأثیر یک اپلیکیشن سلامت دیجیتال بر یک پیامد مانند HbA1c) است، مرور نظام‌مند یا متاآنالیز مناسب‌ترین انتخاب خواهد بود.

🔹 بررسی تجربیات، ادراکات یا موانع
برای پاسخ به سؤالاتی درباره تجربه بیماران یا ذی‌نفعان (مانند تجربه استفاده از یک ابزار دیجیتال)، مرور شواهد کیفی توصیه می‌شود.

🔹 ترسیم چشم‌انداز شواهد موجود
در صورتی که قصد دارید بدانید چه ابزارها یا مداخلاتی تاکنون استفاده شده‌اند، Scoping Review بهترین گزینه است.

🔹 تلفیق دیدگاه‌های نظری یا مفهومی
برای بررسی نحوه تعریف و مفهوم‌پردازی یک موضوع در ادبیات، مرور روایتی یا تلفیقی کاربرد دارد.

🔹 ارزیابی فرایند پیاده‌سازی در دنیای واقعی
اگر تمرکز بر نحوه اجرای مداخلات در عمل (مثلاً پذیرش ابزارهای هوش مصنوعی در بیمارستان‌ها) است، Realist Review یا مرور روش‌های آمیخته توصیه می‌شود.

📌 انتخاب درست نوع مطالعه مروری، کیفیت علمی پژوهش و اعتبار نتایج آن را به‌طور قابل‌توجهی افزایش می‌دهد.

#مطالعه_مروری #سؤال_پژوهشی #نوع مطالعه

https://t.me/AIReviewStudies

چگونه با کمک هوش مصنوعی یک سئوال پژوهشی خوب برای مطالعه مروری خود تدوین کنیم؟

یکی از مناسب‌ترین راه‌ها برای تدوین یک سؤال پژوهشی قوی در مطالعات مروری، استفاده از ابزار هوش مصنوعی Elicit.com است.

🔹 این ابزار به پژوهشگران کمک می‌کند تا سؤال تحقیق خود را از نظر شفافیت، تمرکز، و قابلیت پاسخ‌گویی به‌صورت نظام‌مند بررسی کنند.
🔹 این ابزار می‌تواند سؤال پژوهشی شما را تحلیل کرده و پیشنهادهایی برای بهبود ساختار، دامنه، و دقت علمی آن ارائه دهد.
🔹 استفاده از Elicit به‌ویژه در مراحل اولیه طراحی مطالعه مروری (Systematic Review یا Scoping Review) بسیار مفید است و می‌تواند از اتلاف زمان و اصلاحات اساسی در مراحل بعدی جلوگیری کند.

📌 اگر در تدوین سؤال پژوهشی برای مطالعه مروری خود تردید دارید، بهره‌گیری از Elicit می‌تواند یک نقطه شروع هوشمندانه و حرفه‌ای باشد.

#مطالعه_مروری #سؤال_پژوهشی #هوش_مصنوعی #پژوهش #Elicit

https://t.me/AIReviewStudies

پرامپت پیشنهادی برای تشکیل تیم مطالعه مروری:

For the second step of conducting my review study—aimed at achieving the following objective: [insert your review objective]—I need to assemble a research team with the necessary expertise. Please provide guidance on the essential team members and outline their roles and responsibilities.

#Prompt
#Research_team
#Review_team
#پرامپت

https://t.me/AIReviewStudies

🔎 تشکیل تیم مناسب برای انجام یک مطالعه مروری
برای اجرای یک مطالعه مروری، داشتن یک تیم چندتخصصی نقش تعیین‌کننده‌ای در دقت، شفافیت و کارایی دارد. در ادامه، نقش‌های اصلی و مسئولیت‌های هر یک معرفی شده است:

• پژوهشگر اصلی (PI) / سرپرست تیم

نظارت بر کل فرایند مطالعه مروری

تعریف سؤال پژوهشی و محدوده مطالعه

تصمیم‌گیری‌های کلیدی، هماهنگی اعضای تیم، و تضمین کیفیت و زمان‌بندی

• متخصص موضوعی (Subject-Matter Expert) یا حوزه بالینی مورد مطالعه

ارائه دانش عمیق درباره حوزه مورد مطالعه

تفسیر یافته‌ها در بستر علمی، تضمین صحت و ارتباط محتوایی

اطمینان از اینکه مطالعات انتخاب‌شده واقعاً به سؤال پژوهش پاسخ می‌دهند

• متخصص اطلاعات / کتابدار پژوهشی

طراحی و اجرای جستجوی جامع در پایگاه‌های اطلاعاتی

توسعه استراتژی‌های جستجو (کلیدواژه‌ها، اصطلاحات کنترل‌شده)، مدیریت رکوردها و حذف موارد تکراری

تضمین نظام‌مند بودن، شفافیت و قابلیت بازتولید جستجو

• روش‌شناس / متخصص تلفیق شواهد

راهبری روش‌شناسی مطالعه (نوع مرور، معیارهای ورود/خروج، استخراج داده، ارزیابی کیفیت/ریسک سوگیری)

طراحی فرم‌های استخراج داده و نظارت بر اجرای یکنواخت آن

انجام یا هدایت سنتز داده‌ها (کیفی یا کمی) و تضمین استحکام نتایج

✅ چرا این ترکیب مهم است؟
چنین تیمی با ترکیب مهارت‌های مکمل، بار کاری را متعادل می‌کند، از اجرای صحیح هر گام اطمینان می‌دهد و در نهایت شفافیت و اعتبار مطالعه مروری
را افزایش می‌دهد.

#Research_team
#Review_team

https://t.me/AIReviewStudies

در مسیر قدرتمندتر شدن، تغییرات کوچک اما عمیق می‌توانند تفاوت‌های بزرگی ایجاد کنند. هر کدام از نکات زیر، یک گام عملی برای ساختن شخصیتی اثرگذار، آرام و در عین حال مقتدر است. اگر به‌دنبال رشد فردی و حرفه‌ای هستید، این اصول می‌توانند سکوی شروع شما باشند:

چگونه قدرتمندتر شویم؟

۱. آرام بمانید؛ آرامش، امضای افراد قوی است.
۲. کمتر حرف بزنید؛ عمق شخصیت از سکوت‌های سنجیده شکل می‌گیرد.
۳. بیشتر مشاهده کنید؛ قدرت در دیدن جزئیاتی است که دیگران نمی‌بینند.
۴. احترام بگذارید؛ احترام، نفوذ شما را چند برابر می‌کند.
۵. بی‌صدا حرکت کنید؛ کارهای بزرگ نیاز به هیاهو ندارند.
۶. ارتباط چشمی داشته باشید؛ این ساده‌ترین راه برای انتقال اعتماد است.
۷. زمان را مدیریت کنید؛ کسی که زمانش را مدیریت می‌کند، زندگی‌اش را مدیریت می‌کند.
۸. قبل از صحبت فکر کنید؛ کلمات، نشانه بلوغ و قدرت شما هستند.

این‌ها اصول ساده‌اند، اما اجرای مداوم آن‌ها شما را به شخصیتی قدرتمند، مؤثر و قابل اتکا تبدیل می‌کند.

معرفی نرم افزار مبتنی بر هوش مصنوعی ASReview جهت Screening مقالات در مطالعات مروری

https://t.me/AIReviewStudies

باسلام و عرض ادب، ضمن تشکر بخاطر شرکت در کارگاه امروز، اسلایدها در ادامه ارسال می شود. 👇

باسلام، درصورت امکان اطلاعیه کارگاه را در گروه های مرتبط ارسال کنید.

کارگاه آنلاین کاربردهای هوش مصنوعی برای ارتقای کیفیت و سرعت انجام مطالعات مروری

ویژه اعضای هیات علمی و پژوهشگران حوزه سلامت

مدرس: دکتر احسان نبوتی، دانشیار انفورماتیک پزشکی، عضو هیات علمی دانشگاه علوم پزشکی کاشان

تاریخ و زمان:
روز سه شنبه، یازدهم آذر 1404
ساعت 10 الی 12 صبح

لینک برگزاری:
https://webinar.kaums.ac.ir/ch/research

لینک کانال تلگرام:
https://t.me/AIReviewStudies

پردازنده TPU چیست و چه کاربردی دارد؟

پردازنده TPU یا Tensor Processing Unit یک نوع پردازنده‌ی تخصصی است که توسط گوگل طراحی شده تا محاسبات مربوط به هوش مصنوعی و یادگیری ماشین را بسیار سریع‌تر انجام دهد.
در حالی که CPU و GPU برای کارهای عمومی طراحی شده‌اند، TPU فقط روی یک نوع عملیات تمرکز دارد:
پردازش حجم بالای محاسبات مربوط به شبکه‌های عصبی.

🔹 چرا TPU مهم است؟

سرعت بسیار بالاتر در آموزش مدل‌های هوش مصنوعی

مصرف انرژی کمتر نسبت به GPU در برخی کاربردها

مناسب برای پروژه‌های بزرگ مانند تشخیص تصویر، پردازش زبان و تحلیل داده‌های پیچیده

🔹 چه کسانی از TPU استفاده می‌کنند؟
پژوهشگران، شرکت‌های فناوری، و توسعه‌دهندگانی که با مدل‌های یادگیری عمیق سروکار دارند—به‌خصوص زمانی که حجم داده‌ها زیاد و سرعت پردازش حیاتی است.


https://t.me/AIReviewStudies

🔵 آموزش استفاده از GAIDeT Declaration Generator

اگر برای بخش‌هایی از پژوهش یا نگارش مقاله از ابزارهای هوش مصنوعی استفاده کرده‌اید (مثلاً تولید متن، بازبینی، اصلاح نگارشی یا حتی تحلیل)، این ابزار کمک می‌کند یک بیانیه دقیق و استاندارد برای گزارش آن تولید کنید.

نحوه استفاده بسیار ساده است:

1️⃣ ورود به صفحه ابزار
[https://panbibliotekar.github.io/gaidet-declaration/index.html](https://panbibliotekar.github.io/gaidet-declaration/index.html)

2️⃣ مشخص کردن شخص استفاده‌کننده
در قسمت “Who delegated the tasks?” مشخص کنید چه کسی از هوش مصنوعی استفاده کرده:
• خود پژوهشگر
• گروه پژوهشی
• یا شخص دیگری

3️⃣ ثبت نام مدل هوش مصنوعی
در بخش “Which LLM was used” مشخص کنید از چه ابزاری استفاده شده، مثل:
ChatGPT – GPT-4
Gemini – Ultra
Claude – 3 Opus
Llama – 3

4️⃣ انتخاب وظایفی که هوش مصنوعی انجام داده
در مرحله “Select Delegated Tasks” تیک بزنید که در کدام بخش از پژوهش از AI کمک گرفته‌اید، مثل:
• تولید متن
• بازبینی و ویرایش
• ترجمه
• تدوین ساختار مقاله
• تحلیل داده
• طراحی پرسش‌ها و کدگذاری

5️⃣ افزودن توضیحات تکمیلی
اگر نکته مهمی وجود دارد، در قسمت “Additional Comments” یادداشت کنید.

6️⃣ تولید متن نهایی
در پایان روی “Generate” کلیک کنید تا یک متن رسمی و استاندارد تحویل بگیرید.
این متن آماده است و می‌توانید آن را مستقیماً در مقاله، پایان‌نامه یا گزارش پژوهش درج کنید.

✳️ این کار باعث افزایش شفافیت، مسئولیت‌پذیری و اعتبار علمی پژوهش خواهد شد.

#پژوهش #هوش_مصنوعی #GAIDeT #شفافیت_علمی #گرامر_پژوهش

https://t.me/AIReviewStudies