⌛️ تاریخ: جمعه ۳۰ آبان ۱۴۰۴
⏰ ساعت: ۱۸ تا ۲۰
👨🏻🏫 مدرس: رسول معصومی
غربالگری مقالات بازیابیشده از جستجوی جامع دیتابیسها و منابع اطلاعاتی، یکی از وقتگیرترین مراحل مرورهای سیستماتیک و سایر روشهای سنتز شواهد است.
در روش معمول، حداقل دو نفر باید رکوردها را بهصورت مستقل غربال کنند و اختلافها نیز یا با بحث و/یا با نظر نفر سوم حل میشود؛ این یعنی صرف زمان، انرژی و منابع انسانی بسیار زیاد.
با ورود هوش مصنوعی، این سؤال مهم مطرح شده است که آیا میتوان غربالگری را به AI سپرد؟
مدلهای زبانی بزرگ (LLMها) مانند ChatGPT، Claude یا Gemini با وجود تواناییهای چشمگیر، برای غربالگری نظاممند چندان پایدار و قابل اعتماد نیستند. برای اینکه:
❌پاسخهای آنها ثابت و تکرارپذیر نیست (پایایی کمتری دارد)
❌ امکان مستندسازی علمی تصمیمها وجود ندارد.
❌ اگر API اختصاصی نداشته باشید، استفاده از نسخهی وب عملاً بیفایده است، چون باید تکتک چکیدهها را دستی وارد چتبات کنید!
❌کار با API و اسکریپتنویسی نیز تخصصی و هزینهبر است.
پس چاره چیست؟
✅ الگوریتمهای یادگیری ماشین سنتی، ساختارمند، مبتنی بر قاعده، تکرارپذیر و بسیار دقیق هستند؛ بهویژه در کارهایی مثل غربالگری بر اساس معیارهای ورود و خروج.
◀️ در این وبینار با ابزار تخصصی ASReview آشنا میشویم؛ سیستمی مبتنی بر یادگیری فعال (Active Learning) که با ترکیب آمار و یادگیری ماشین، غربالگری را بهصورت علمی، شفاف، سریع و قابل دفاع انجام میدهد.
🔻چرا ASReview بهترین گزینه برای غربالگری نظاممند است؟
❇️ کاهش چشمگیر زمان غربالگری
❇️ افزایش نرخ بازیابی (Recall) و اطمینان از یافتن مطالعات مرتبط
❇️ شفافیت و قابلیت استناد بالا
❇️ کاملاً رایگان، متنباز و دائماً بهروز
❇️ قابل اجرا روی کامپیوتر شخصی بدون نیاز به اینترنت
❇️ تهیۀ مستندات کامل از فرایند غربالگری
🔻در این وبینار چه یاد میگیرید؟
🔹نصب و راهاندازی ASReview و پیشنیازهای آن ( مثل Python) بصورت لوکال
🔹بارگذاری رکوردها و تنظیمات تخصصی پروژه
🔹 آموزش مدل و اجرای غربالگری هوشمند مقالات
🔹قواعد توقف (Stopping Rules) و ارزیابی عملکرد مدل
🔹 نحوه نگارش بخش روش کار برای گزارش استفاده از ASReview در مقاله یا پایاننامه
یک مثال ساده از قدرت ASReview
فرض کنید از دیتابیسهای مختلف ۲۰۰۰ مقاله بازیابی کردهاید. در روش سنتی باید هر ۲۰۰۰ عنوان/چکیده را بخوانید و بر اساس معیارها تصمیم بگیرید. اما با ASReview معمولاً کافی است حداکثر ۱۰ درصد رکوردها-یعنی حدود ۲۰۰ مقاله- را بررسی کنید تا مدل تقریباً تمام مطالعات مرتبط را پیدا کند.
این یعنی حداقل ۸۰ درصد کاهش حجم کار بدون افت دقت و با مستندات کامل و قابل ارائه.
❓ یک سوال مهم:
اگر از این ابزار استفاده کنم، میتوانم با خیال راحت در گزارش مرور به آن اشاره کنم؟
بله. در حال حاضر دهها مرور نظاممند در معتبرترین مجلات بینالمللی منتشر شدهاند که در بخش Methods بهصورت شفاف استفاده از ASReview را گزارش کردهاند. این ابزار کاملاً پذیرفتهشده، قابل استناد و مورد استفاده در مرورهای باکیفیت است.
ترکیب غربالگری انسانی با غربالگری ماشینی بهترین نتیجه و خروجی را به همراه خواهد داشت.
🎁 کد تخفیف 15 درصدی برای 10 نفر اول:
first10
🔗برای ثبتنام سریع به این لینک مراجعه فرمایید:
https://pay.evidence.ir/link/756336
بعد از پرداخت هزینه، لینک ورود به کانال خصوصی دوره ظاهر میشود (در قسمت لینک رویداد)
#AI
#screening
#systematic_review
#evidence_synthesis
#asreview
🆔 @irevidence