امیر مانیان

امیر مانیان

مدرک تحصیلی: استاد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران، تهران.

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۶۱ تا ۶۲ مورد از کل ۶۲ مورد.
۶۱.

نقش مدل های بزرگ زبانی در شناسایی مغالطات منطقی: گامی به سوی ارتقای دقت و شفافیت در فرایند داوری همتا(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مدل های بزرگ زبانی مغالطات داوری همتا

حوزه‌های تخصصی:
تعداد بازدید : ۵۰ تعداد دانلود : ۶۱
هدف : این پژوهش به بررسی نقش مدل های بزرگ زبانی در شناسایی مغالطات منطقی در فرایند داوری همتا پرداخته و تأثیر این فناوری ها بر بهبود دقت، شفافیت و قابلیت اطمینان مقالات علمی را مورد ارزیابی قرار می دهد. همچنین، امکان به کارگیری این مدل ها برای کاهش بار کاری داوران انسانی و استانداردسازی ارزیابی ها بررسی شده است. روش پژوهش: سه آزمایش متفاوت در پژوهش حاضر طراحی و اجرا شد که شامل شناسایی و طبقه بندی مغالطات منطقی، حل مسائل استدلالی و ارزیابی متون علمی با طول و پیچیدگی متغیر بود. از مجموعه داده های استاندارد نظیر الک دب60-20 و سؤالات بخش منطق استعداد تحصیلی در آزمون دکتری ایران استفاده شد. مدل های زبانی پیشرفته مانند چت جی پی تی نسخه های o4 وo1  با روش های یادگیری ماشین کلاسیک نظیر ماشین بردار پشتیبان و جنگل تصادفی مقایسه شدند. مدل ها با استفاده از روش های بهینه سازی و یادگیری بدون نمونه برای تحلیل داده ها آماده شدند. یافته ها: نتایج آزمایش ها نشان داد که چت جی پی تی o1 در شناسایی مغالطات منطقی به دقت 98.1 درصد و در حل مسائل منطقی آزمون استعداد تحصیلی کنکور دکتری به دقت 100 درصد دست یافت. در مقایسه، مدل های سنتی یادگیری ماشین، مانند ماشین بردار پشتیبان و جنگل تصادفی، به ترتیب تنها دقت 48 درصد و 49 درصد داشتند. مدل های زبانی میسترال و لاما نیز دقتی بین 76 درصد تا 5/78 درصد در شناسایی مغالطات ارائه کردند. در تحلیل متون طولانی تر، چت جی پی تی o1 دقت 100 درصد را در شناسایی و نام گذاری انواع مغالطات ثبت کرد، در حالی که مدل های دیگر توانایی کمتری نشان دادند. همچنین مدل های زبانی پیشرفته در تحلیل استدلال های پیچیده و ارائه بازخوردهای ساختاریافته بسیار مؤثر بودند. نتیجه گیری: مدل های بزرگ زبانی ، به ویژه چت جی پی تی o1، توانایی بالایی در شناسایی و تحلیل مغالطات منطقی و بهبود فرایند داوری همتا دارند. این مدل ها با کاهش خطاهای انسانی، افزایش سرعت داوری و ارائه تحلیل های دقیق، نقشی کلیدی در بهبود کیفیت مقالات علمی ایفا می کنند. به کارگیری این فناوری ها می تواند به تقویت انسجام و شفافیت در فرایندهای علمی منجر شود، هرچند نظارت نهایی داوران انسانی برای ترکیب تخصص انسانی و هوش مصنوعی ضروری است.
۶۲.

فضای سایبر و آینده هویت ملی: هشدارهای راهبردی برای امنیت ملی با رویکرد تحلیل لایه ای علّی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: هویت ملی امنیت ملی فضای سایبر تحلیل لایه ای علّی

حوزه‌های تخصصی:
تعداد بازدید : ۴۸ تعداد دانلود : ۴۶
هدف: هدف از این تحقیق آن است که شاخص های تبیین کننده هویت ملی در برابر شاخص های متضاد هویت ملی در فضای سایبر تعیین شده و تصویر کلان هویت ملی از سطح مسئله تا سطوح عمیق مشخص شود. روش:این مطالعه با استفاده از جمع آوری مصاحبه و کدگذاری و مقوله بندی و سپس قرار دادن داده های حاصل شده در تحلیل لایه ای علت ها، به توصیف علل و عوامل تهدیدات امنیتی فضای سایبر برای هویت ملی جمهوری اسلامی در سطوح مختلف می پردازد. یافته ها: هویت ملی مردم ایران در سطوح مختلف مورد تهدید قرار گرفته است. اگرچه این تهدید تا حدی ناشی از ضعف سیستم های سیاسی و اقتصادی است، اما به دلیل به کار گرفته شدن قدرت نرم غرب علیه ایران، این تهدید در لایه های جهان بینی و استعاره ها تشدید می شود، تا حدی که منجر به تحقیر کشور و انکار پیشرفت ها توسط کاربران داخلی و باورپذیری افکار ترویج شده از سوی غرب می شود. نتیجه گیری: هویت ملی جمهوری اسلامی در فضای سایبر با 11 شاخص معرف و 15 شاخص متضاد تعریف می شود. تعداد شاخص های متضاد در لایه علل سیستمی بیشتر از لایه های دیگر بوده و لازم است هنگام تدوین راهبرد برای انسجام بخشی به هویت ملی، این لایه مورد توجه فوری قرار گیرد.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان