فرآیند و معیارهای داوری سومین رقابت علمی کنز اعلام شد
تاریخ انتشار: ۱۷ اردیبهشت ۱۴۰۲ | کد خبر: ۳۷۶۹۵۷۹۴
سومین دوره رقابت علمی کنز در حالی به ایستگاه پایانی خود نزدیک میشود که آثار دریافتی، رقابت فشردهای را برای انتخاب در مراحل داوری طی کردهاند.
به گزارش گروه دانشگاه خبرگزاری دانشجو، فرآیند انتخاب و ارزیابی آثار در رقابت علمی کنز، با غربالگری راه حلهای ارسالی و تحقیقات علمی در شش گروه تخصصی آغاز میشود.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
در داوری نهایی از نامزدها خواسته میشود راهحل خود را در قالب فایل پاورپوینت آماده کنند. در این مرحله و به منظور ارتقای کیفی آثار، آنها از توصیهها و مشاوره مربیان رقابت بهرهمند می شوند. در نهایت شرکتکنندگان با یکدیگر و در یک ارائه حضوری یا برخط رقابت میکنند. فرایند انتخاب آثار در رقابت علمی کنز در سه مرحله غربالگری، ارزیابی و داوری است.
چارچوب ارزیابی براساس رویکردی نظاممند تنظیم شده است؛ هر دستاوردی بواسطهی اثربخشی دانشمندی جوان که ضمن طی فرآیندی منطقی؛ متکی بر مفروضات علمی و بهرهمند از ابداعات و نوآوریهای دانشپایه حاصل شده است، نتایجی را ارائه میدهد و این نتایج، آثاری را در حل مسائل جامعه از مسیرهای علمی پیشنهاد میدهد. عناوین شاخصهای چارچوب ارزیابی شامل الف) اثر ارائه شده؛ تطابق راهکار با چالش پیشنهادی، اهمیت موضوع و سطح تمرکز بر نیازهای اولویتدار جامعه، میزان تکامل راهحل در قالب یک محصول یا مدل بالغ و نفوذ آن در جامعه مخاطب، کیفیت ارائه، قدرت نمایش و بصری سازی مفاهیم علمی و فنی، بیان شفاف و پیوستگی ارائه، ب) فرآیند؛ تکیه بر مفروضات علمی، سطح بداعت و نوآوری راه حل، عمق پیچیدگی دانشی و اتکا به فناوریهای روز و اتکا به فرایندها و روشهای پژوهشی علمی و قابل دفاع، ج) نتیجه؛ ارائه راه حل کامل، عینی و با قابلیت پیادهسازی؛ دارای تائیدیه از مراجع علمی دارای صلاحیت و د) تیم (گروه)؛ تناسب تحصیلات و سابقه علمی دانشمند (ان) جوان با راهحل، اتکای راهحل به یک همکاری گروهی، میباشد.
سومین دوره رقابت علمی کنز توسط بنیاد علم و فناوری مصطفی (ص) با هدف گسترش همکاری در حوزه علم و فناوریهای جدید و زمینهسازی شبکهسازی دانشمندان جوان جهان اسلام با حضور ۱۴ پاویون بینالمللی برای حل چالشهای موجود فناورانه این پاویونها، از آبان ۱۴۰۱ با اعلام فراخوان آغاز به کار کرد.
علاقهمندان تا ۲۰ بهمن فرصت داشتند در حوزه های مختلف؛ شامل «صنایع غذایی و کشاورزی»، «سلامت و تجهیزات پزشکی»، «آب، انرژی و محیط زیست»، «برق، الکترونیک و رباتیک»، «فناوری اطلاعات و ارتباطات و هوش مصنوعی» و «معدن و صنایع معدنی» با ارسال ویدئویی ۳ تا ۵ دقیقهای از راهحل خود برای حل یک مشکل شرکت کنند.
آیین پایانی سومین دوره رقابت علمی کنز، همزمان با آخرین روز دوازدهمین نمایشگاه اینوتکس در روز جمعه ۲۲ اردیبهشت ۱۴۰۲ در پارک فناوری پردیس برگزار میشود و از منتخبین این دوره تقدیر می شود.
منبع: خبرگزاری دانشجو
کلیدواژه: غربالگری همایش علمی فناوری نانو رقابت علمی کنز راه حل
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت snn.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «خبرگزاری دانشجو» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۶۹۵۷۹۴ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
ارزیابی مشکلات قلبی را به ChatGPT نسپارید!
ایتنا - پژوهشگران «دانشگاه ایالتی واشنگتن» در یک آزمایش جدید دریافتند که ChatGPT نمیتواند عملکرد خوبی را در ارزیابی مشکل قلبی داشته باشد.
به رغم تواناییهای گزارش شده درباره ChatGPT برای قبول شدن در آزمونهای پزشکی، یک پژوهش جدید نشان میدهد که اتکا به این فناوری برای برخی ارزیابیهای سلامتی مانند بررسی نیاز بیمار مبتلا به درد قفسه سینه به بستری شدن در بیمارستان عاقلانه نیست.
به گزارش ایتنا از ایسنا، در پژوهش جدیدی که شامل هزاران وضعیت شبیهسازی شده از بیماران مبتلا به درد قفسه سینه است، ChatGPT نتایج متناقضی را ارائه کرد و سطوح متفاوتی را از ارزیابی خطر مشکل قلبی در دادههای بهدستآمده از بیماران نشان داد. همچنین، این سیستم هوش مصنوعی مولد نتوانست با روشهای سنتی مطابقت داشته باشد که پزشکان از آنها برای قضاوت درباره خطر مشکل قلبی بیمار استفاده میکنند.
دکتر «توماس هستون»(Thomas Heston) پژوهشگر دانشکده پزشکی «دانشگاه ایالتی واشنگتن»(WSU) گفت: ChatGPT به یک شیوه ثابت عمل نمیکرد. با توجه به دادههای مشابه، ChatGPT رتبه خطر پایینی را ارائه میدهد. دفعه بعد یک رتبه متوسط را پیشبینی میکند و گهگاه تا افزایش خطر پیش میرود.
هستون گفت: پژوهشگران باور دارند این مشکل احتمالا به دلیل سطح تصادفی بودن نسخه کنونی نرمافزار ChatGPT۴ است که به آن کمک میکند تا پاسخهایی را برای شبیهسازی زبان طبیعی ارائه دهد. با وجود این، همین تصادفی بودن باعث میشود نرمافزار برای کاربردهای حوزه سلامت که به یک پاسخ منسجم نیاز دارند، به خوبی کارآیی نداشته باشد.
هستون ادامه داد: ما متوجه شدیم که تنوع زیادی وجود دارد و این تنوع در رویکرد میتواند خطرناک باشد. این فناوری میتواند برنامه سودمندی باشد اما من معتقدم که فناوری بسیار سریعتر از درک ما پیش میرود. بنابراین، بسیار مهم است که پژوهشهای بسیاری را به ویژه در موقعیتهای بالینی پرخطر انجام دهیم.
درد قفسه سینه، یکی از شکایتهای رایج در اورژانس است که پزشکان را ملزم میکند تا فوریت وضعیت بیمار را مورد ارزیابی قرار دهند. هستون گفت: برخی از موارد بسیار جدی را به راحتی میتوان با توجه به علائم آنها شناسایی کرد اما موارد کمخطر ممکن است پیچیدهتر باشند؛ به ویژه هنگام تعیین اینکه آیا بیماری باید برای بررسی بیشتر در بیمارستان بستری شود یا به خانه برود و مراقبتهای سرپایی را دریافت کند.
متخصصان پزشکی در حال حاضر اغلب از یکی از دو معیار موسوم به TIMI و HEART برای ارزیابی خطر مشکل قلبی استفاده میکنند. هستون این مقیاسها را به ماشینحسابهایی تشبیه کرد که متغیرهای انگشتشمار را مانند علائم، سابقه سلامت و سن استفاده میکنند. در مقابل، یک شبکه عصبی هوش مصنوعی مانند ChatGPT میتواند میلیاردها متغیر را به سرعت ارزیابی کند. این بدان معناست که شاید ChatGPT بتواند یک موقعیت پیچیده را سریعتر و دقیقتر تحلیل کند.
برای این پژوهش، هستون و همکارش دکتر «لارنس لوئیس»(Lawrence Lewis) پژوهشگر «دانشگاه واشنگتن در سنت لوئیس»(WashU) ابتدا سه مجموعه داده را از ۱۰ هزار مورد تصادفی و شبیهسازیشده ایجاد کردند. یک مجموعه داده دارای هفت متغیر مقیاس TIMI، مجموعه دوم شامل پنج متغیر مقیاس HEART و مجموعه سوم دارای ۴۴ متغیر تصادفی سلامت بود. در دو مجموعه داده اول، ChatGPT ارزیابی خطر متفاوتی را در ۴۵ تا ۴۸ درصد مواقع نسبت به امتیاز ثابت TIMI یا HEART ارائه کرد. پژوهشگران برای آخرین مجموعه داده، موارد را چهار بار اجرا کردند و دریافتند که ChatGPT اغلب با خودش موافق نیست و در ۴۴ درصد مواقع، سطوح ارزیابی متفاوتی را برای موارد مشابه ارائه میدهد.
به رغم یافتههای منفی این پژوهش، هستون پتانسیل زیادی را برای هوش مصنوعی مولد در مراقبتهای بهداشتی پیشبینی میکند. به عنوان مثال، با فرض رعایت استانداردهای حفظ حریم خصوصی، کل سوابق پزشکی را میتوان در برنامه بارگذاری کرد و در شرایط اضطراری، پزشک میتواند از ChatGPT بخواهد تا سریعترین حقایق را درباره یک بیمار ارائه دهد. همچنین، پزشکان برای موارد دشوار و پیچیده میتوانند از برنامه بخواهند تا چندین تشخیص احتمالی را ارائه دهد.
هستون گفت: ChatGPT میتواند در ارائه دادن تشخیص افتراقی عالی باشد و این احتمالا یکی از بزرگترین نقاط قوت آن است. اگر کاملا نمیدانید که درباره یک بیمار چه میگذرد، میتوانید از ChatGPT بخواهید تا پنج تشخیص اصلی و استدلال خود را برای هر یک از آنها ارائه دهد. بنابراین، ChatGPT میتواند به شما کمک کند تا درباره یک مشکل فکر کنید اما در پاسخ دادن خوب نیست.
این پژوهش در مجله «PLOS ONE» به چاپ رسید.