به نقل از «ایسکانیوز»

مراکز تحقیقاتی با 40 شاخص ارزیابی می شوند/ برندسازی دانشگاه در حوزه پژوهش

تاریخ انتشار: ۲۹ دی ۱۳۹۸ | کد خبر: ۲۶۵۷۲۲۹۲

عبدالله محمدی در گفت و گو با خبرنگار گروه دانشگاه ایسکانیوز درباره ارزیابی و رتبه بندی مراکز خدمات و شبکه‌های آزمایشگاهی و تحقیقاتی گفت: آیین نامه‌ای با عنوان شیوه‌نامه ارزیابی و رتبه‌بندی مراکز خدمات و شبکه‌های آزمایشگاهی و تحقیقاتی دانشگاه آزاد اسلامی به واحدها ابلاغ شد. در این آیین‌نامه که به امضای دکتر طهرانچی رسیده است برای آزمایشگاه‌ها، مراکز خدمات و مراکز تحقیقاتی دانشگاه آزاد اسلامی روال ارزیابی مشخص و کاربرگ‌هایی نیز ضمیمه این آیین نامه شده است.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

او ادامه داد: به طور مثال برای مراکز تحقیقاتی، حدود 40 آیتم برای ارزیابی در نظر گرفته شده است که این آیتم‌ها، حوزه‌های زیرساختی، مدیریتی و برون داد خدماتی و همچنین بحث مالی مراکز تحقیقاتی را دربرمی‌گیرد و بر اساس این ردیف‌ها، امتیاز داده می‌شود. مراکز تحقیقاتی را در گروه‌های تخصصی طبقه بندی کرده و داخل هر گروه تخصصی، رتبه بندی خواهیم کرد و برای واحدهایی که رتبه اول را داشته باشند یک سری تشویق‌هایی در آیین‌نامه برای آن‌ها دیده شده است.

مدیرکل پژوهشکده‌ها و مراکز تحقیقاتی دانشگاه آزاد اسلامی در خصوص این تشویق‌ها توضیح داد: حمایت مالی برای طرح‌ها یا پرداخت حق مسئولیت بیشتر برای مسئولان این مراکز تحقیقاتی و .. از جمله تشویق‌ها خواهد بود. در سوی دیگر واحدهایی که در ارزیابی‌مان حائز رتبه نشوند و 3 سال پشت سر هم این اتفاق بیفتد مجوز آن لغو خواهد شد. البته سعی خواهیم کرد اگر واحدی در سال اول در این ارزیابی قرار نگرفت عارضه یابی کرده و اگر عارضه یابی نیز جواب نداد و سه سال پشت هم حائز رتبه نشد از رده خارج می‌شود.

او درخصوص 40 آیتمی که برای ارزیابی مراکز تحقیقاتی در نظر گرفته شده است گفت: این چهل آیتم به طور مثال عبارت است از این که در زیرساخت‌ها چقدر امکانات زیربنایی و یا بحث فضای مستقل مراکز تحقیقاتی در نظر گرفته شده است. با در بحث تجهیزات و بحث مدیریت و کرکنان این که چقدر اعضای هیات علمی و کارشناس در این مراکز فعال هستند.

محمدی اظهار کرد: در بحث مدیریت مستندات و اطلاعات بحث این که این مراکز تحقیقاتی چقدر مستند سازی کرده و آیا بانک اطلاعاتی دارند و اطلاعات در پرتال مخصوص به روز هست یا خیر در نظر گرفته می‌شود. در بحث برون داد خدماتی، مقالات، اختراعات، کتاب و خدمات آزمایشگاهی و طرح‌های برون دانشگاهی که این مراکز تحقیقاتی می‌گیرند مد نظر قرار داده می‌شود.

مدیرکل پژوهشکده‌ها و مراکز تحقیقاتی دانشگاه آزاد اسلامی تاکید کرد: در واقع این برای ما مهم است که این مراکز تحقیقاتی، تحقیقات هدفمند در قالب طرح‌های برون دانشگاهی انجام داده‌اند یا خیر. در کنار این باید مشخص شود این مراکز آیا دستگاهی می‌سازند و شرکتی از دل این مرکز تحقیقاتی خارج خواهد شد یا خیر.

او درباره بحث مالی این مراکز هم صحبت به میان آورد و تصریح کرد: در بحث برون داد مالی نیز برای ما بحث استقلال مالی مهم است؛ باید مشخص شود به ازای هزینه‌ای که برای این مراکز تحقیقاتی اختصاص داده می‌شود چه مقدار درآمد پژوهشی داشته است. در واقع مرکز تحقیقاتی باید بیشتر از آن هزینه، درآمد پژوهشی داشته باشد. این درآمد می‌تواند از کنار طرح‌های برون دانشگاهی و همچنین پژوهانه‌هایی باشد که از جاهای دیگر اخذ می‌کنند.

محمدی اظهار کرد: سال‌هایی زیادی است که در دانشگاه مراکز تحقیقاتی داریم؛ بنابراین به دنبال اسم نیستیم بلکه به دنبال این هستیم که مراکز تحقیقاتی‌مان همانطور که از نامشان مشخص است وظیفه اصلی خود که همان انجام تحقیقات هدفمند است را انجام دهند تا در کنار آن بتوانیم درآمدزایی غیر شهریه‌ای خود را بالا ببریم. مهمتر از همه این که برخی از مراکز تحقیقاتی می‌توانند به هدف اصلی ریاست محترم دانشگاه که می‌گوید دانشگاه باید به صورت منطقه‌ای عمل کند برسند. به عبارتی مشکلات منطقه را شناسایی و برای حل اقدام کنند.

مدیرکل پژوهشکده‌ها و مراکز تحقیقاتی دانشگاه آزاد اسلامی در پایان تاکید کرد: البته مراکز تحقیقاتی بسیار خوب هم داریم ولی این که به صورت هدفمند برنامه‌ریزی شوند و دائما روی آن‌ها رصد و نظارت وجود داشته باشد نداشتیم. اما با این اقدام و پیگیر‌هایی نگاهداری رئیس پژوهشگاه و شبکه آزمایشگاهی دانشگاه آزاد اسلامی، از این پس بیشتر نظارت خواهیم کرد تا مراکز تحقیقاتی، بحث برند سازی پژوهشی دانشگاه آزاد اسلامی را به دوش بکشند.

انتهای پیام/

341 / 167 عبدالله محمدی رتبه بندی مراکز تحقیقاتی برندسازی پژوهش

منبع: ایسکانیوز

کلیدواژه: عبدالله محمدی رتبه بندی مراکز تحقیقاتی برندسازی پژوهش

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.iscanews.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایسکانیوز» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۶۵۷۲۲۹۲ 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.