پژوهش کار اقلیت خاصی است
تاریخ انتشار: ۲۶ آذر ۱۴۰۱ | کد خبر: ۳۶۶۳۰۸۰۷
پژوهش، سنتی دانشگاهی است و از زمانی شکل میگیرد که دانشگاهها شروع به فعالیت کردند؛ یعنی از قرن ۱۳و۱۴ که همزمان میشود با رنسانس. در قرون ۱۳و۱۴، با ایجاد دانشگاههایی مانند آکسفورد، کمبریج، سوربن و ... دانش از حوزه کلیسا و دیرها بیرون میآید و به اهل دانشهای جدید و روز سپرده میشود و فلاسفهای مانند کانت، دکارت، هگل و.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
در حقیقت، تحول علوم انسانی در دوره رنسانس شکل میگیرد و با اختراع دستگاه چاپ توسط گوتنبرگ، کتابهای مهم دنیا که تا آن زمان بسیار اندک بودهاند منتشر میشوند.
تاریخ نشان میدهد به فاصله ۵۰سال، بیشتر کتابهای بزرگ و مهم دنیا به زبانهای مهم آن زمان چاپ و ترجمه میشوند و سنت دانشگاهی شکل میگیرد. به این معنا که این کتابها خوانده میشوند و کار بر آنها آغاز میشود و با شکلگیری دائرهالمعارفها در قرن ۱۷و ۱۸ دانش جدید در اختیار جهانیان قرار میگیرد.
اما اغلب دوستان تئاتری ما به امر پژوهش بیتوجه هستند و بیشتر به بازیگری یا کارگردانی گرایش دارند و پژوهش برای کمتر کسانی جذاب است، زیرا کاری است بسیار دشوار و نیازمند خواندن، جستوجو و استمرار بسیار.
بنابراین کار هر کسی نیست و لازم است فرد صاحبنظر، اندیشه، ایده یا سوژهای باشد که بخواهد درباره آن تحقیق کند.اما اینکه چرا حلقههای مفقوده در زمینه پژوهش زیاد است، باید چند نکته را در نظر گرفت.
۱- پژوهش جنبه مادی چندانی ندارد. چاپ اثر با مشقاتی روبهروست بهویژه با توجه به وضعیت نشر و استقبالی که چندان چشمگیر نیست یا اصلا سفارشدهندهای وجود ندارد. حتی تعداد نمایشنامهنویسان در قیاس با کارگردانها و بازیگران کمتر است، چون نویسنده باید صاحب دیدگاهی باشد و نوشتن برای همه آسان نیست. بنابراین مشکل پژوهش مضاعف میشود. مثلا چند نفر داریم مثل بهرام بیضایی که هم پژوهش دارد و هم نمایشنامه مینویسد. جالب است نمایشنامههای او بسیار در پژوهشهایش ریشه دارد. یعنی وقتی کتاب پژوهشی «نمایش در ایران» را مینویسد، متوجه غنای انواع نمایشنامههای ایرانی میشود. بنابراین پژوهش کار اقلیت خاصی بوده و واقعیت این است که متقاضی زیادی هم ندارد.
۲- نبود سفارشدهنده یکی دیگر از مشکلات است. پژوهشکدههای زیادی داریم که بودجههای خوبی هم دارند و گاهی کارهایی میکنند و آماری هم میدهند ولی پژوهش بر اساس ذوق و سلیقه شخصی اتفاق میافتد. یعنی کسی باید شور و علاقه و انگیزه انجام پژوهشی را داشته باشد و البته دستمزد این کار، زندگی آن پژوهشگر را تامین نمیکند. با این حال مراکزی که بودجه و امکانات دارند، میتوانند سفارشدهنده باشند.
۳- شکی نیست که در هر زمینهای تا پژوهش نکنیم و نواقص و کمبودها یا نیازهایمان را نشناسیم، نمیتوانیم محصول درستی به دست آوریم. پژوهش است که برای ما بسترسازی میکند. پژوهشگر میتواند بازوی فکری باشد و به داشتن چشمانداز یا برنامهریزی برای آینده کمک کند. پژوهش که روز و هفته ندارد، بلکه امری مستمر و بلندمدت است که با پیگیری و تداوم، به جریانی پویا تبدیل میشود ولی بدون بسترسازی درست، استمرار پیدا نمیکند.
منبع: جام جم آنلاین
کلیدواژه: پژوهش منصور خلج نویسنده و پژوهشگر
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت jamejamonline.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «جام جم آنلاین» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۶۳۰۸۰۷ 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:
استفاده از ChatGPT برای ارزیابی مشکل قلبی عاقلانه نیست!
پژوهشگران «دانشگاه ایالتی واشنگتن» در یک آزمایش جدید دریافتند که ChatGPT نمیتواند عملکرد خوبی را در ارزیابی مشکل قلبی داشته باشد.
به گزارش ایسنا، 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 نقل از میراژ نیوز، 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.
انتهای پیام