معرفی «LeapSpace»؛ محیط کاری مجهز به هوش مصنوعی برای پژوهش‌های علمی قابل‌اعتماد شرکت Elsevier در ژانویه ۲۰۲۶ از راه‌اندازی LeapSpace خبر داد، یک محیط کاری هوش مصنوعی مخصوص پژوهشگران دانشگاهی و صنعتی که هدف آن شتاب‌بخشی به کشف علمی، تحلیل ادبیات و همکاری تحقیقاتی است. این پلتفرم مبتنی بر هوش مصنوعی سطح پژوهشی (research-grade AI) است و محتوا را تنها از منابع داوری‌شده و علمی معتبر استخراج می‌کند، نه داده‌های نامطمئن وب. LeapSpace به پژوهشگران اجازه می‌دهد ایده‌پردازی، برنامه‌ریزی پروژه، مرور ادبیات، کشف همکاران و یافتن فرصت‌های تأمین مالی را در یک محیط امن و یکپارچه انجام دهند. این ابزار از مجموعه‌ای گسترده از بیش از ۱۸ میلیون مقاله و کتاب داوری‌شده همراه با بزرگ‌ترین پایگاه چکیده‌های علمی جهان بهره می‌برد، که از Elsevier و دیگر ناشران برجسته گردآوری شده است. یکی از ویژگی‌های متمایز LeapSpace، «کارت‌های اعتماد (Trust Cards)» است که برای هر پاسخ تولیدشده منبع، دلیل انتخاب و شفافیت علمی را نشان می‌دهد تا کاربر بتواند کیفیت و اثربخشی استنادها را بسنجَد. این سیستم با رویکرد چندمدلی AI، شامل AI مولد، موتورهای استدلال و ترکیب داده‌کاوی (RAG) ساخته شده و از قوانین مسئولانه هوش مصنوعی با نظارت انسانی پشتیبانی می‌کند. LeapSpace همچنین امکان بارگذاری اسناد شخصی برای تحلیل در کنار متون علمی منتشرشده را فراهم می‌کند تا تحلیل‌های عمیق‌تر انجام شود. دیگر ابزارهای کارآمد شامل As­sis­tant برای خواندن متون، ابزار مقایسه مقالات و جست‌وجوی پژوهشگران هستند که روند تحلیل علمی را تسهیل می‌کنند. این پلتفرم با امنیت داده‌ای سطح سازمانی و سیاست‌های حفظ حریم خصوصی قوی طراحی شده تا اطلاعات پژوهشی کاربران در برابر استفاده ناخواسته یا آموزش مدل‌های عمومی محافظت شود. LeapSpace اکنون برای مؤسسات پژوهشی در دسترس است و نسخه‌ی فروش به پژوهشگران و دانشجویان فردی از اوایل ۲۰۲۶ عرضه خواهد شد. منبع: Elsevier، منتشر شده در ژانویه ۲۰۲۶  https://www.elsevier.com/products/leapspace/introducing-research-grade-ai?utm_source=linkedin&utm_medium=organic-social&utm_campaign=rl_aq_os_10988808608&utm_term=sm-takeover https://eitaa.com/mathteaching

شش راهکار کاربردی برای استفاده مؤثر از ابزار «Deep Research» در Scopus AI وب‌سایت Scopus Blog در اوت ۲۰۲۵ شش نکته‌ی عملی برای استفاده بهینه از Deep Research، ابزار هوش مصنوعی پیشرفته‌ی Scopus AI، منتشر کرد که می‌تواند فرآیند پژوهش علمی را سریع‌تر و دقیق‌تر کند. Deep Research نوعی هوش مصنوعی «عامل‌محور» است که با تحلیل جامع ادبیات علمی موجود در پایگاه Scopus پرسش‌های پیچیده پژوهشی را می‌شکند، جست‌وجو می‌کند و در قالب گزارش‌های چندصفحه‌ای نتایج را ارائه می‌دهد. اولین توصیه این است که از این ابزار برای سؤالات پیچیده، میان‌رشته‌ای یا باز استفاده کنید، زیرا توانایی بالاتری نسبت به ابزارهای استاندارد جست‌وجو دارد. برای بهبود نتایج، سؤال را به زبان طبیعی با زمینه و هدف روشن مطرح کنید تا Deep Research بهتر بتواند منظور پژوهشی شما را درک کند. کاربران همچنین می‌توانند جست‌وجو را محدود کنند –مثلاً بر اساس کشور، بازه زمانی، نوع سند یا شمارش استنادات– تا تحلیل دقیق‌تری از حوزه مورد نظر به‌دست آورند. پس از ایجاد گزارش اولیه، ابزار ویژگی گفتگوی پی‌در‌پی (Conversational follow-up) دارد که به شما اجازه می‌دهد سؤالات اضافی یا تفصیلی مطرح کنید و یافته‌ها را گسترش دهید. گزارش‌های Deep Research برای ایده‌پردازی و کشف ارتباط‌های نو طراحی شده‌اند؛ این گزارش‌ها شامل پاسخ‌های مستقیم، اتصالات غیرمنتظره، محدودیت‌های پژوهش و فرصت‌های آینده هستند. همچنین بخشی از گزارش «سنتز بینش‌ها» به شما کمک می‌کند تا درک عمیق‌تری از نتایج کلیدی به‌دست آورید و راهکارهای عملی برای پیشبرد کارتان بیابید. Deep Research از چکیده‌های مقالات منتشر شده از سال ۲۰۰۳ در Scopus استفاده می‌کند و تلاش دارد دامنه‌ی دانش پژوهشی را گسترش دهد، گرچه توسعه منابع تحت تحلیل همچنان در حال برنامه‌ریزی است. این ابزار می‌تواند به‌عنوان دستیار پژوهشی آموزشی برای دانشجویان، پژوهشگران و کتابداران به‌کار رود تا جمع‌آوری، تحلیل و فهم ادبیات علمی را سریع‌تر و کارآمدتر انجام دهند. منبع: Scopus Blog، منتشر شده در ۲۸ اوت ۲۰۲۵ https://blog.scopus.com/six-tips-for-using-scopus-ai-deep-research https://eitaa.com/mathteaching

Gunter Ziegler and Martin Aigner بیست سال را به جمع آوری زیباترین اثبات ها در ریاضیات پرداختند. کتاب اثبات https://eitaa.com/mathteaching

ترجمه فارسی کتاب اثبات نوشته زیگلر و آیگنر https://eitaa.com/mathteaching

📢 تصویر روز ناسا 🗓 دوشنبه ۲۰ بهمن ۱۴۰۴ عنوان: میراندا واقعا چطور جاییه؟ تصویری که می‌بینی، با کنار هم گذاشتن و بازسازی عکس‌های قدیمی فضاپیمای وویجر ۲ ناسا ساخته شده و قمر میراندا که حدود ۵۰۰ کیلومتر قطر داره رو نشون می‌ده. اواخر دهه ۱۹۸۰، وویجر ۲ از کنار اورانوس رد شد و تونست به این قمر نزدیک بشه؛ قمری که سطحش پر از دهانه، شکاف و شیارهای عجیب و غریبه و اسمش رو از یکی از شخصیت‌های نمایشنامه طوفان شکسپیر گرفته. دانشمندان سیاره‌شناسی با استفاده از همین داده‌ها و عکس‌های واضح، دوباره دارن فکر می‌کنن که چه چیزی باعث شده سطح میراندا اینقدر خاص و عجیب بشه. یکی از فرضیه‌های اصلی اینه که شاید زیر سطح یخی میراندا، زمانی یک اقیانوس بزرگ آب مایع وجود داشته که حالا داره کم‌کم یخ می‌زنه. به لطف ماموریت وویجر ۲، حالا میراندا هم مثل اروپا، تیتان و چند قمر یخی دیگه، وارد جستجو برای پیدا کردن آب و حتی شاید نشانه‌هایی از حیات میکروبی در منظومه شمسی ما شده.... 🔗 https://eitaa.com/mathteaching

علاقمندان به ریاضیات در ایتا @mathteaching و در تلگرام @mathteachingg @matheducattion به زبان انگلیسی ما را به دوستان در گروه های خود معرفی کنید

این مطالعه به بررسی تطبیقی آموزش تفکر انتقادی در کتاب‌های ریاضی پایه سوم دبستان ایران و ژاپن می‌پردازد. با توجه به نقش کلیدی تفکر انتقادی در موفقیت دانش‌آموزان و اهمیت کتاب‌های درسی در سیستم‌های آموزشی متمرکز، پژوهشگران با استفاده از چارچوب تحلیلی ایلیاس (شامل هشت مؤلفه: شفاف‌سازی، مفروضات، استدلال، دیدگاه‌های متفاوت، جایگزین‌ها، پرسش‌گری، پیش‌بینی و جمع‌بندی)، به تحلیل محتوای این دو کتاب پرداخته‌اند. یافته‌ها نشان می‌دهد که هر دو کتاب از نظر موضوعات آموزشی شباهت زیادی دارند، اما در نحوه پرداختن به مؤلفه‌های تفکر انتقادی تفاوت‌هایی دیده می‌شود. در کتاب ژاپنی، ۲۹.۹٪ از سوالات به تفکر انتقادی اختصاص دارد در حالی که این رقم در کتاب ایرانی ۲۴.۳٪ است. برجسته‌ترین تفاوت در مؤلفه «ارائه راه‌حل‌های جایگزین» مشاهده شد؛ کتاب ژاپنی با ۸.۹٪ توجه بسیار بیشتری به این مؤلفه نسبت به کتاب ایرانی (۲٪) داشته است. همچنین، کتاب ژاپنی مسائل را در بستر زندگی روزمره دانش‌آموزان طراحی کرده، دانش‌آموزان را به تخمین قبل از اندازه‌گیری تشویق می‌کند، روش‌های متنوع حل مسئله را آموزش می‌دهد و در پایان هر فصل با ارجاع به صفحات مرتبط، مسئولیت یادگیری را به خود دانش‌آموز واگذار می‌کند. در مقابل، کتاب ایرانی اغلب از تصاویر تزئینی استفاده می‌کند، مسائل ارتباط کمتری با دنیای واقعی کودکان دارد و روش‌های جایگزین حل مسئله کمتر مورد تأکید قرار گرفته است. پژوهشگران نتیجه می‌گیرند که طراحان کتاب‌های درسی ایران می‌توانند با الهام از رویکرد ژاپنی، دانش‌آموزان را به تفکر درباره راه‌حل‌های متنوع ترغیب کنند، از مسائل کاربردی‌تر استفاده نمایند، و روش‌های جمع‌بندی و خودارزیابی را در کتاب‌های درسی بگنجانند. https://eitaa.com/mathteaching