16257
"دورنمای اقتصاد" رسانه اقتصادی اجتماعی مستقل ایران شماره ثبت در ارشاد:83160 مدیر مسئول: محمدعلی مختاری فناوری اطلاعات: مرتصی زارع تماس با سردبیر: @sajadifarh https://ecoviews.ir/
اگر انسانی خود را کوچک کند،
هر بلایی سرش بیاید حقش است.
#فئودور_داستایوفسکی
📚جوان خام
شب خوش
🔺🔺🔺🔺
۵. کاربردهای بار شناختی در حوزههای مختلف
۵.۱ آموزش
نظریه بار شناختی امروز یکی از پایههای اصلی طراحی آموزشی است. معلمان و طراحان آموزشی باید محیط یادگیری را طوری طراحی کنند که بار بیرونی حداقل و بار سازنده حداکثر باشد.
۵.۲ مدیریت و کسبوکار
در جلسات، ایمیلهای طولانی و چندوظیفگی بیشازحد باعث کاهش بهرهوری و افزایش خطا میشود. سادهسازی ارتباطات، ساختاردهی وظایف، و کاهش حواسپرتی میتواند عملکرد کارکنان را بهبود دهد.
۵.۳ فناوری و طراحی رابط کاربری
باید طوری طراحی شود که کاربر دچار بار شناختی اضافی نشود. این یعنی:
منوهای ساده
مسیرهای روشن
حذف گزینههای غیرضروری
پیامهای واضح و کوتاه
۵.۴ تصمیمگیری فردی
مدیریت بار شناختی به افراد کمک میکند در شرایط مهم تصمیمات دقیقتری بگیرند؛ برای مثال:
اجتناب از تصمیمگیری هنگام خستگی
عدم انجام چند کار مهم بهطور همزمان
استفاده از چکلیستها
استراحتهای کوتاه بین کارها
۶. نتیجهگیری
بار شناختی مفهومی بنیادی است که شناخت ما از نحوه کارکرد ذهن انسان را بهبود میبخشد. نظریه بار شناختی نشان میدهد که یادگیری، تفکر و تصمیمگیری تا چه اندازه به ظرفیت محدود حافظه کاری وابستهاند. درک این محدودیتها به ما کمک میکند محیطهایی طراحی کنیم که یادگیری بهتر، کارآمدی بیشتر و تصمیمگیری دقیقتری را فراهم کنند.
بار شناختی نهتنها یک نظریه درباره آموزش است، بلکه در مدیریت، طراحی فناوری، روانشناسی شناختی و زندگی روزمره کاربرد گسترده دارد. شناخت و مدیریت آن میتواند کیفیت عملکرد فردی و حرفهای را بهطور چشمگیری بهبود دهد.
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔵 داستان یک کار ساده برای تبدیل یک بیابان به منطقهای سرسبز
این ویدیو یک داستان الهامبخش از بازسازی زمینهای فرسوده در کشور چاد را روایت میکند، که نشان میدهد چگونه با استفاده از تکنیکهای ساده و محلی، جوامع بومی توانستهاند در عرض تنها دو سال، یک منطقه خشک و بیرونق را به یک سرزمین سبز، پر از حیات وابسته به کشاورزی و دامداری تبدیل کنند.
خلاصه و توضیحات مرحله به مرحله:
1. وضعیت اولیه (دو سال پیش):
* ویدیو با تصاویر هوایی از یک منظره خشک، بیدرخت و خاکهای سوزانده شده (Bare scorched earth) آغاز میشود.
* مجری اعلام میکند که این منطقه "کاملاً فرسوده" بوده است.
2. تحول شگفتانگیز:
* تصاویر بعدی نشان میدهند که همان منطقه اکنون پوشیده از چمن و درختان است.
* این سبزی، غذای لازم برای دامهای شیرده و گوشتی (مثل گوسفندان و گاوها) را فراهم میکند.
3. تکنیکهای کلیدی بازسازی:
* ساخت سازههای جمعآوری آب: افراد منطقه با حفر سازههای نیمدایره (نیمماه) شکل (Half moon water harvesting structures)، آب باران را جمعآوری و ذخیره میکنند.
* کاشت درختان پیشگام: در مرکز این سازهها، درختان خاردار و مقاوم به نام آکاسیا (Acacia) کاشته میشوند که به عنوان درختان پیشگام عمل کرده و خاک را تثبیت و محیط را برای رشد گیاهان دیگر آماده میکنند.
* حفر کانالهای استراتژیک: برای جدا کردن زمینهای بازسازی شده از زمینهای فرسوده و نشان دادن تفاوت قابل توجه در پوشش گیاهی، کانالهایی حفر شدهاند.
4. اثرات مثبت بر جامعه و محیط زیست:
* بازگشت حیات وحش: صدای حشرات و پرندگان نشاندهنده بازگشت تنوع زیستی است.
* افزایش امنیت غذایی: گیاهان رشد کرده به عنوان علوفه برای دامهای متعلق به کشاورزان محلی استفاده میشوند، که منجر به افزایش امنیت غذایی میشود.
* افزایش امنیت شخصی و صلح: با ایجاد منابع غذایی ثابت، تنشهای موجود با گردشگران دامدار (Nomadic herders) کاهش یافته و صلح برقرار شده است.
* تفکر اجتماعی: ساکنان محلی (به ویژه زنان) با انجام کارهای دستی و کشاورزی، به تغییرات ایجاد شده افتخار میکنند و تمایل دارند در مورد آن صحبت کنند.
5. مقیاس و زمان:
* این تحول شگفتانگیز در مدت تنها دو سال و روی مساحت ۳۰۰ اکر از زمینهای خشک اتفاق افتاده است.
نتیجهگیری:
این ویدیو یک مثال قوی از توانمندسازی جوامع محلی و تأثیر تکنیکهای پایدار و ساده در بازسازی محیط زیست است. این داستان نشان میدهد که حتی در شرایط سخت، با همت و دانش مناسب، میتوان خرابیهای محیطی را جبران کرد و زندگی را برای انسانها و حیوانات بهبود بخشید. این موفقیت نه تنها علمی، بلکه اجتماعی و انسانی است و به همه ما امید میدهد که میتوانیم بخشی از راهحل باشیم.
🔸منبع:
@abshenasi
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
وقتی از ابررایانهها، الگوریتمهای یادگیری عمیق، و مدلهای پیشبینیکنندهی هوش مصنوعی صحبت میکنیم، شاید وسوسه شویم که انسان را موجودی ناکامل، خطاپذیر، و حتی «منسوخ» تصور کنیم. اما من انسان معمولی را دوست دارم.
انسانی را دوست دارم که مغزش، با تمام پیچیدگیهای شگفتانگیزش، گاهی سادهترین تاریخها را فراموش میکند حتی تاریخ تولد همسرش را و … اما در همان لحظه، میتواند شعری از حافظ زمزمه کند که قرنهاست قلبها را میشکافد. انسانی را میستایم که شاید نتواند حجم دادههای یک ابرکامپیوتر را پردازش کند، اما در سکوت آزمایشگاه، با شهودی جادویی، فرمولی را کشف میکند که جهان را دگرگون میسازد.
هوش مصنوعی، این دستاورد خارقالعادهی بشر، به ما کمک کرده است تا سرطان را زودتر تشخیص دهیم، کهکشانها را رصد کنیم، و حتی زبانهای باستانی را رمزگشایی کنیم. اما آیا تا به حال هوش مصنوعی توانسته است لحظهای از ترسِ شکست، دستانش بلرزد؟ آیا توانسته است در مواجهه با غروب خورشید، بیهیچ دلیل منطقی، اشک بریزد؟ آیا میتواند مفهومی به نام «امید» را خلق کند، آن هم نه با دادهها، بلکه با تنها زیستن در تاریکی و انتخاب روشنایی؟
نگرانم وقتی میبینم برخی میخواهند انسان را به ماشینی تبدیل کنند که هرگز فراموش نمیکند، هرگز خطا نمیکند، و هرگز زیر بار سنگین احساساتش خم نمیشود. اگر چنین شود، ما نهتنها انسانیت، بلکه خودِ زندگی را به الگوریتمی سرد تقلیل دادهایم. هوش مصنوعی زمانی ارزشمند است که مانند قلمرویی در دستان کاوشگرانِ بشریت باشد؛ نه آینهای که تصویری بیروح و کمالگرا از ما بازتاب دهد.
پس بگذارید انسان طبیعی بماند: خطاکار، شکننده، پر از تناقض… اما عمیقاً زنده. زنده با تمام اشتباهاتش، زنده با تمام رویاهایش. و بیایید هوش مصنوعی را همچون چراغی در دستان این انسان نگه داریم—چراغی که راه را روشن میکند، اما هرگز جای پاهای جستوجوگر او را نمیگیرد.
امیدوارم روزی نرسد که هوشِ انسان، مصنوعی شود…
چراکه زیباترین معجزهی هستی، همین انسان ناکامل است:
انسانی که میداند نمیداند، اما جسارتِ پرسش را دارد.
#سجادیفر
شب خوش
«روز زن و روز مادر را به خانمهای محترم کانال دورنمای اقتصاد تبریک میگویم و برایتان سلامتی، موفقیت و شادکامی آرزو دارم.»
Читать полностью…
🔺🔺🔺🔺
🔵 آیا ارز ترجیحی به هدف اصابت نمیکند؟ (2/2)
منتقدان ادعا میکنند که ارز ترجیحی به رانت و قاچاق منجر میشود و هدف اصابت آن (سفره مردم) نیست. با این وجود دادههای خط فقر غذایی به روشنی نشان میدهند که در دوره حذف، آنچه اتفاق افتاد، اصابت مستقیم تورم به سفره مردم بود. اگرچه نشت رانت وجود داشت، اما حداقل بخشی از ارز ارزان به تثبیت قیمت کالاها در سطح نازلتر کمک میکرد.
تجویزهای این طیف از جمله پرداخت نقدی یارانه که منجر به این شد که دولت در ازای حذف ارز ترجیحی، سیاست پرداخت یارانه نقدی را اجرا کند. با توجه به تورم 83٪ در بخش غذایی در سال ۱۴۰۱، یارانه نقدی هیچگاه نتوانست قدرت خرید از دست رفتهی ناشی از حذف ارز ترجیحی را جبران کند. در واقع، دولت بهای سیاست «جراحی» خود را با فقر غذایی شدیدتر خانوارها پرداخت کرد.
نسخههای طیف بازارگرا منجر شده است سهم خوراکیها از مخارج خانوار از 29 درصد در مناطق شهری و 41 درصد در مناطق روستایی در سال 1396 به 37 درصد در مناطق شهری و 51 درصد در مناطق روستایی در سال 1401 برسد. در حالی که در پایان سال 1403 این شاخص با کمی کاهش به 32 درصد در مناطق شهری و 45 درصد در مناطق روستایی رسید بار دیگر سیاستهای این طیف در حوزه ارز و جهشهای مکرر باعث شده است در آبان ماه سال جاری تورم نقطه به نقطه خوراکیهای در کشور به 66 درصد و در استانهایی مانند استان البرز به 79 درصد برسد.
این به معنای کاهش شدید رفاه خانوار است، زیرا خانوادهها ناچارند بخش بزرگتری از درآمد خود را صرف کالری پایه کنند و از هزینههای ضروری غیرخوراکی (مانند درمان، آموزش، و سرگرمی و...) بکاهند.
آنچه در عمل مشاهده شده، این است که ارز ترجیحی مستقیماً به کاهش سرعت رشد خط فقر غذایی کمک میکند، لذا ادعای «بیاثر بودن ارز ترجیحی» در مواجهه با واقعیت شوک 83 درصدی خط فقر در سال ۱۴۰۱، زیر سؤال میرود. این سیاست اگرچه معیوب، اما حذف ناگهانی آن بدون جایگزین مناسب، بار سنگین قیمتگذاری ارزی را مستقیماً بر دوش فقیرترین خانوارها انداخته به نحوی که خط فقر غذایی ایران را در 11 سال از 1392 تا 1403، تقریباً 21 برابر کرده است.
مسئله اصلی این طیف که متأسفانه در تمامی دورههای ریاست جمهوری در رأس امور بودهاند ارائه آدرس غلط به سیاستگذار است. اگر اتخاذ سیاستهای ریاضتی ناگزیر است این هشدار میباید به سیاستگذار داده شود تا سیاستهای حمایتی کافی اتخاذ گردد. از یک سو این طیف حذف ارز ترجیحی را به بهانه بیاثر بودن بدون ارائه شواهد کافی تجویز میکنند از سوی دیگر با سخیفترین و مبتذلترین عبارات هر گونه سیاست حمایتی را با الفاظی مانند "کمونیستی بودن"، "مداخلهگری" و امثالهم تخطئه میکنند بدون اینکه در قبال سیاستهای بحرانزا و معیشت سوز خود حتی برای یکبار پاسخگو باشند، همواره خود را در صف اپوزیسیون سیاستهایی که خود منشأ آن بودهاند جا میزنند.
🔸منبع: کاتالاکسی
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔺🔺🔺🔺
او تأکید میکند که یادگیری فقط از سرفصل دروس نیست؛ بلکه از تعامل با دیگران نیز شکل میگیرد.
در محیط کاری دائماً در حال تغییر امروز، تابآوری اهمیت ویژهای پیدا کرده است؛ زیرا به افراد کمک میکند از چالشها عبور کنند، با تغییر سازگار شوند و حتی از تجربیات منفی نیز بیاموزند. او اشاره میکند که بسیاری از کارکنان با مشکلات روانی، سوگ، جدایی یا بیماری وارد محیط کار میشوند—بارهای عاطفی که گاهی به شکلهای جسمانی بروز میکنند. داشتن تیمی با همدلی و هوش هیجانی میتواند حمایت اجتماعی حیاتی ایجاد کند.
او میگوید:
«وقتی یک تیم همدلی و هوش هیجانی دارد، میتواند حمایت اجتماعی مهمی میان همکاران ایجاد کند.»
در همه اینها، ارتباط نقش محوری دارد: نه فقط صحبت کردن، بلکه گوشدادن فعال، درک زبان بدن و ارتباط چشمی. دومینگز یادآوری میکند:
«کلمات قدرت ساختن یا ویران کردن دارند.»
بدون این مهارتها نه کار تیمی شکل میگیرد و نه همکاری.
دانشگاه UCES همچنین فضاهایی را برای تمرین واقعی این تواناییها ایجاد کرده است: کارگاهها، دورههای گواهینامهای، سمینارهای حرفهای، کارآموزی در شرکتها و مؤسسات، شبیهسازیها، مسابقات، نمایشگاهها و فعالیتهای نهادی.
این مجموعه فرصتی است برای تجربه دنیای واقعی: مهلتهای فشرده، تعامل با افراد متنوع و مواجهه با چالشهایی که در محیط کار ظاهر میشوند.
دانشگاه همچنین تعامل بین دانشکدهها و ارتباط با محیط اجتماعی و اقتصادی را ترویج میکند—از فعالیتهای اجتماعی تا رویدادهای منطقهای.
هدف: تقویت مهارتهای کلیدی و نزدیککردن دانشجویان به نیازهای واقعی بازار کار.
✔️خلاقیت، استراتژی و سازماندهی: ترکیبی که شرکتها میخواهند
تجربه دانشجویان نزدیک به فارغالتحصیلی نشان میدهد که مهارتهای نرم چگونه در زندگی واقعی عمل میکنند.
اوریانا پاتانچون، دانشجوی ارتباطات اجتماعی در UCES، میگوید مهمترین مهارتهایی که به او کمک کردند «خلاقیت ذاتی، پیشفعالی و یادگیری سازماندهی استراتژیک» بوده است.
او همیشه خود را «فرد ایدهپرداز» میدانست، اما در اولین کارآموزیاش در یک آژانس آموخت:
«خلاقیت بدون استراتژی کافی نیست.»
او یاد گرفت که چه زمانی باید مکث کند—اول گوش بدهد، سپس بر اساس تحلیل موقعیت و شناخت مشتری ایده ارائه کند.
اگر از جامعه دانشگاه UCES نتیجهای بتوان گرفت، این است که مهارتهای نرم زینتی نیستند؛ بلکه قلب دنیای حرفهای آینده هستند.
و این مهارتها ناگهان در اولین شغل ظاهر نمیشوند؛ بهآرامی ساخته میشوند—در هر پروژه گروهی، هر بازخورد استاد، و هر زمانی که مجبور میشوید درخواست کمک کنید.
سال ۲۰۳۰ شاید دور به نظر برسد، اما مهارتهای لازم برای آن دنیا احتمالاً همین حالا در حال شکلگیریاند: در راهروهای دانشگاه، امتحانات میانترم، کارآموزیها و پروژههای مشترک.
یا همانطور که اوریانا میگوید:
«مهارتهای فنی شما را توانمند میکنند، اما مهارتهای نرم شما را ضروری میسازند—چون به شما امکان میدهند ارزش افزوده خودتان را خلق کرده و متمایز شوید.»
🔻🔻
https://www.timeout.com/buenos-aires/soft-skills-valued-by-companies-work-university-uces
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
«کارهای بزرگ با تکانه یا لحظه انجام نمیشوند، بلکه از جمع شدن مجموعهای از چیزهای کوچک حاصل میشوند.»
ون گوگ
شب خوش
انسانهای بزرگ زندگیهای عجیبی دارند. ون گوگ هم زندگی عجیبی داشت.
🔵 دانشمندان: درختان انجیر میتوانند با تبدیل دیاکسید کربن به سنگ به آبوهوا کمک کنند
🟢دانشمندان متوجه پدیدهای شگرف شدهاند: بخشی از دیاکسید کربن جذبشده توسط درختان انجیر در چوب و خاک اطراف آن به کربنات کلسیم تبدیل میشود و کربن را برای مدت طولانیتری از هوا دور نگه میدارد
🟢بهگزارش «نیو ساینتیست»، هفتهنامه علمی چاپ بریتانیا، برخی از درختان انجیر میتوانند مقادیر شگفتآوری از دیاکسید کربن را به سنگ تبدیل کنند و از این طریق دی اکسید کربن برای مدت طولانی پس از مرگ درخت در خاک باقی میماند.
🟢این بدان معناست که درختان انجیری که برای جنگلداری یا دادن میوه کاشته میشوند، میتوانند از طریق فرآیند جذب دی اکسید کربن، مزایای اقلیمی بیشتری ارائه دهند.
🟢دی اکسید کربن یک گاز گلخانهای است که افزایش غلظت آن در جو زمین، باعث گرمشدن زمین و تغییرات آبوهوایی میشود. این گاز گرما را در جو نگه میدارد و از خروج آن از جو جلوگیری میکند.. افزایش دمای زمین نیز پیامدهای جدی برای محیط زیست و انسانها دارد. افزایش دمای زمین سبب تغییرات آبوهوایی گستردهای میشود. این تغییرات شامل افزایش وقوع پدیدههای جوی شدید مانند موجهای گرما، خشکسالی، سیل، طوفانهای شدید، و همچنین ذوب شدن یخچالها و یخهای قطبی است.
🟢همه درختان دیاکسید کربن را از هوا جذب میکنند و بخش بزرگی از آن معمولاً برای ساخت مولکولهای ساختاری مانند سلولز، بهمنظور رشد گیاه مورد استفاده قرار میگیرد. با این حال، برخی از درختان دیاکسید کربن را به ترکیبی کریستالی به نام اگزالات کلسیم تبدیل میکنند که باکتریهای موجود در درخت و خاک میتوانند آن را به کربنات کلسیم، جزء اصلی سنگهایی مانند سنگ آهک و گچ، تبدیل کنند.
🟢کربن به شکل معدنی میتواند در خاک بسیار طولانیتر از ماده آلی درخت باقی بماند. درختانی که کربن را به این شکل ذخیره میکنند شامل درخت ایروکو (Milicia excelsa) میشود که در مناطق گرمسیری آفریقا رشد میکند و برای چوب استفاده میشود اما غذا تولید نمیکند.
🟢در تحقیقات جدید، مایک رالی از دانشگاه زوریخ سوئیس و همکارانش دریافتند که سه گونه از درخت انجیر بومی در شهرستان سامبورو واقع در کنیا میتوانند از دیاکسید کربن کربنات کلسیم تولید کنند.
🟢مایک رالی در اینباره میگوید:
بخش بزرگی از درختان در روی زمین به کربنات کلسیم تبدیل میشوند. ما [همچنین] کل ساختارهای ریشه را میبینیم که در خاک تقریباً بهطور کامل به کربنات کلسیم با غلظت بالا تبدیل شدهاند، جایی که نباید چنین شود.
🟢تیم تحقیقاتی ابتدا گونههایی از درخت انجیر را که کربنات کلسیم تولید میکنند، با پاشیدن اسید هیدروکلریک ضعیف روی درختان و جستوجوی حبابها - نشانهای از آزادشدن دی اکسید کربن از کربنات کلسیم - شناسایی کردند. سپس، محاسبه کردند که تا چه اندازه دورتر، کربنات کلسیم در خاک اطراف درخت تشخیص داده میشود. همچنین نمونههایی از درختان را تجزیه و تحلیل کردند تا ببینند کربنات کلسیم در کجای تنه آنها تولید میشود.
🟢رالی که این هفته نتایج کار خود را در کنفرانس گلدشمیت در پراگ، جمهوری چک ارائه خواهد کرد، میگوید:
🟢چیزی که واقعاً شگفتانگیز بود و هنوز هم تا حدی گیجکننده است، این است که [کربنات کلسیم] بسیار عمیقتر از آنچه انتظار داشتم وارد ساختارهای چوبی شده بود. من انتظار داشتم که این تنها یک فرآیند سطحی در شکافها و بخشهای ضعیف ساختار چوب باشد.
🟢محققان باید تحقیقات بیشتری انجام دهند تا میزان دی اکسید کربن ذخیرهشده توسط درختان، همچنین میزان آب مورد نیاز و مقاومت آنها در اقلیمهای مختلف را محاسبه کنند.
🟢اما مایک رالی میگوید اگر درختان انجیر را بتوان در پروژههای جنگلکاری آینده گنجاند، میتوانند هم منبع غذایی و هم جذبکننده دی اکسید کربن باشند.
https://www.newscientist.com/article/2487119-fig-trees-may-benefit-climate-by-turning-carbon-dioxide-into-stone/
🔸 منبع: جغرافیدانان ایران
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
شاهرگهای زمین از داغ باران پر شدهست
آسمانا! کاسهی صبر درختان پر شدهست
#فاضل_نظری
باران ببار
🔵 هوش مصنوعی با سرعتی بیشتر از هر فناوری دیگری در تاریخ در حال پذیرش است. امروز ۵۹.۴ درصد از افراد در سن کار در امارات و ۵۸.۶ درصد در سنگاپور در حال استفاده از آن هستند.
🔵 کشورهایی که GDP سرانه بالاتری دارند، نرخ پذیرش سریعتری در هوش مصنوعی را تجربه میکنند، که نشاندهندۀ پیوند قوی میان توسعه اقتصادی و سرعت ادغام فناوری است.
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔻ابداع شگفتانگیز دانشمندان MIT: برداشت سریع آب از هوای خشک با امواج فراصوت
🔹محققان MIT دستگاهی ساختهاند که میتواند آب آشامیدنی را در مناطق خشک به سرعت استخراج کند. این فناوری برخلاف روشهای قدیمی که به نور خورشید و زمان طولانی نیاز داشتند، با امواج فراصوت در چند دقیقه عمل میکند. آنها صفحه سرامیکی پیزوالکتریک طراحی کردهاند که با لرزش فراصوت پیوندهای ضعیف آب و جاذب را میشکند. در نتیجه قطرات آب از اسفنج بیرون میریزند و فرآیند بسیار سریعتر انجام میشود.
🔹نمونه اولیه این دستگاه ۴۵ برابر کارآمدتر از روشهای تبخیری سنتی عمل میکند. فراصوت فقط انرژی لازم برای جداکردن آب را مصرف میکند و نه جوشاندن آن. این فناوری حتی در بیابانهای خشک با رطوبت پایین نیز کارایی دارد و آب تولید میکند. محققان پیشنهاد دادهاند دستگاه با پنل خورشیدی کوچک و سنسور هوشمند ترکیب شود تا چرخه برداشت آب بارها در روز تکرار گردد.
🔸منبع : دیجیاتو
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔵 مهارت کلیدی دانشگاهی که احتمالاً هرگز نامش را نشنیدهاید – و ۴ راه برای تقویت آن
وقتی والدین به آموزش فرزندشان فکر میکنند، معمولاً بر مهارتهای پایه، نمرهها و تلاش کودک تمرکز میکنند. اما عامل مهم دیگری نیز بر موفقیت تحصیلی اثر دارد: فراشناخت.
فراشناخت چیست؟
فراشناخت بهمعنای «اندیشیدن درباره شیوه فکر کردن» است. این مهارت شامل آگاهی از نحوه کار ذهن و استفاده از این آگاهی برای یادگیری بهتر، حل مسئله و تصمیمگیری است. فراشناخت دو بخش دارد:
دانش فراشناختی: دانستن اینکه چه نوع یادگیرندهای هستیم، چه راهبردهایی برای ما بهتر است و در چه شرایطی باید از آنها استفاده کنیم.
مهارتهای فراشناختی: اقداماتی مانند برنامهریزی، پایش و ارزیابی.
دانشآموزی که برای آزمون ریاضی برنامهریزی میکند، هنگام مطالعه پیشرفت خود را بررسی میکند و بعد از آزمون روش خود را ارزیابی میکند، درواقع از فراشناخت استفاده کرده است. کودکانی که میدانند چگونه یاد میگیرند، اعتمادبهنفس و سازماندهی بیشتری پیدا میکنند.
چرا فراشناخت مهم است؟
فراشناخت ابزار لازم برای کنترل یادگیری را به دانشآموزان میدهد، اما مهارتی نیست که بهطور طبیعی شکل بگیرد؛ باید آموزش داده شود.
پژوهشها نشان دادهاند وقتی مدارس بهطور مستقیم برنامهریزی، پایش و ارزیابی را آموزش میدهند، عملکرد تحصیلی دانشآموزان بهبود مییابد.
در یک مطالعه در استرالیا، ۲۴۱ دانشآموز دبیرستانی میزان درک خود از مهارتهای واقعی مانند ارتباط، تفکر خلاق و تفکر انتقادی را ارزیابی کردند و بازخورد گرفتند. بسیاری گفتند این بازخورد به آنها کمک کرده نقاط قوتشان را بشناسند، اما برخی نیاز به راهنمایی بیشتر معلم داشتند. این نشان میدهد که فراشناخت باید بهطور صریح و هدایتشده آموزش داده شود.
✔️ چه کمکی از دست والدین برمیآید؟
۱. تفکر با صدای بلند:
والدین میتوانند در موقعیتهای روزمره فرآیند فکر کردن خود را توضیح دهند؛ مثلاً هنگام برنامهریزی کارهای روزانه.
۲. عادیسازی اشتباهات:
نشان دهید اشتباه بخشی از یادگیری است و اغلب یعنی باید راهبرد دیگری بهکار برد.
۳. استفاده از روتینها برای ساختن استقلال:
کارهایی مثل آمادهکردن کیف مدرسه یا برنامهریزی تکالیف، به کودک کمک میکند برنامهریزی و پایش را تمرین کند.
۴. تشویق به بازتاب (رفلکشن):
از کودک بپرسید چه آموخته است یا چه چیز گیجکننده بوده و درصورت بروز مشکل، چه کار میتواند دفعه بعد انجام دهد.
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔵 پسر ۱۵ ساله دکترای فیزیک کوانتومی گرفت و هدفش تمدید عمر انسان است
یک نابغه ۱۵ ساله موفق به اتمام دوره دکترا در فیزیک کوانتومی شده است. پژوهش او بر حوزههای بسیار پیچیدهای مانند «پولارونهای بوز» در سیستمهای اَبَرشارا (superfluid) و اَبَر جامد (supersolid) متمرکز بوده؛ موضوعاتی که معمولاً بسیار دیرتر در مسیر پژوهشی محققان مورد مطالعه قرار میگیرد.
لوران سیمونز، نوجوان ۱۵ سالهای که با لقب «اینشتین کوچک بلژیک» شناخته میشود، دکترای فیزیک کوانتومی را در دانشگاه آنتورپ بلژیک به پایان رسانده است. شبکه تلویزیونی فلامیش VTM گزارش داد که لوران هفته گذشته با موفقیت از پایاننامه خود دفاع کرده است؛ رویدادی که میتواند یکی از سریعترین اتمامهای دوره دکترا در این حوزه باشد.
پژوهش او بر مطالعه پیچیدهای درباره پولارونهای بوز در سیستمهای ابرشاره و ابرجامد تمرکز داشت؛ حوزههایی که معمولاً در مراحل پیشرفتهتری از مسیر علمی یک پژوهشگر دنبال میشود.
هیچ نظام رتبهبندی جهانی دقیقی برای تعیین جوانترین فرد دارای دکترا وجود ندارد، اما کارشناسان میگویند دستاورد او واقعاً چشمگیر است.
لوران تحصیل در دوره ابتدایی را در چهار سالگی آغاز کرد و در شش سالگی به پایان رساند. او در ۱۲ سالگی مدرک کارشناسی ارشد فیزیک کوانتومی را دریافت کرد و موضوعاتی مانند بوزونها و سیاهچالهها را مطالعه کرده بود. معلمانش او را کودکی با تمرکز خارقالعاده و علاقه شدید به پرسشهای علمی پیشرفته توصیف میکردند.
گزارشها میگویند لوران حافظه تصویری دارد و ضریب هوشی او ۱۴۵ است؛ سطحی که تنها درصد بسیار کمی از جمعیت جهان آن را کسب میکنند. والدینش میگویند از همان سالهای ابتدایی متوجه تواناییهای او شده بودند و او همیشه سریعتر از حد انتظار در مسیر تحصیلی پیش میرفت.
لوران همچنین درباره تجربههای شخصیای صحبت کرده که اهدافش را شکل دادهاند.
او در ۱۱ سالگی و پس از از دست دادن پدربزرگ و مادربزرگش گفت که میخواهد روی «افزایش طول عمر انسان» کار کند.
او توضیح داده بود که هدفش نه برای خودش، بلکه برای دیگران است. لوران گفته امیدوار است در آینده به مطالعه علوم پزشکی بپردازد تا بتواند به مردم کمک کند زندگی طولانیتر و سالمتری داشته باشند.
با وجود دستاورد بینظیر لوران، او جوانترین فرد تاریخ با مدرک دکترا نیست. در کتاب رکوردهای گینس، «کارل ویتّه» نابغه آلمانی که در سال ۱۸۱۴ و در ۱۳ سالگی دکترا گرفت، جوانترین رکورددار است.
در حوزه فیزیک، یکی از کمسنترین افراد در سالهای اخیر «کارسون هیو-یو» است که در ۲۱ سالگی دکترا گرفت. او از دو سالگی خواندن کتابهای سطح بالا را شروع کرده و در پنجسالگی پیشحسابان میخوانده است.
لوران اکنون در سطح جهانی شناخته میشود و توجه شرکتهای بزرگ فناوری را نیز جلب کرده است. خانواده او میگویند میخواهند «هر دو بُعد زندگی لوران»—یعنی زندگی شخصی و مسیر علمیاش—با هم رشد کند. آنان معتقدند که زندگی دانشگاهی نباید بر زندگی شخصی او غلبه کند.
انتظار میرود لوران پیش از انتخاب مسیر بعدی، به تحصیل در اروپا ادامه دهد. پژوهش دکتری او توجه دانشگاهها و مؤسسات تحقیقاتی سراسر جهان را به خود جلب کرده است. فعلاً این فیزیکدان جوان بر هدف بلندمدت خود یعنی توسعه راهحلهای پزشکی برای افزایش طول عمر انسان تمرکز دارد.
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔺🔺🔺🔺
سرمایهگذاران نگران بودند که برچسبگذاری داده پس از رسیدن هوش مصنوعی به سطح «هوش عمومی مصنوعی» (AGI) که قدرت شناختی انسانی را تقلید میکند، منسوخ شود. همچنین از اینکه با کسبوکاری طرف هستند که مدیریت پروژههای کوتاهمدت و گروههای بزرگ پیمانکاران را شامل میشود، چندان استقبال نمیکردند.
اما اکنون شرایط تغییر کرده است. برخی سرمایهگذاران مانند جِیمین بال از Altimeter Capital —که پیش از این هیچ شرکتی در این حوزه نخریده بود— اکنون بهشدت به دنبال سرمایهگذاری در شرکتهای داده هستند. او میگوید: «داده، اکسیژن مدلهای هوش مصنوعی است.»
موفقیت در این حوزه نیازمند درک عمیقی از نوسانات و روندهای بازار هوش مصنوعی است. بین درباره انصاری میگوید: «او در پیشبینی آینده فوقالعاده است؛ نگرشش ۳۶۰ درجه است: به همان اندازه که عاشق ساختن یک شرکت عالی است، به مشتریان اهمیت میدهد و سخت کار میکند.»
انصاری حدود یک دهه پیش از ایران به لسآنجلس مهاجرت کرد و از نوجوانی درگیر کارآفرینی بوده است. او در راهنمایی یک کسبوکار کوچک فروش کتابهای درسی در eBay داشت؛ در دبیرستان نیز یک پلتفرم آموزش ریاضی ساخت که هنگام فارغالتحصیلی توانست آن را با سود «شش رقمی پایین» بفروشد. در دوران دانشجویی در برکلی، زمانی که یک شرکت مشاوره نرمافزار را اداره میکرد، از یافتن مهندسان ماهر خارجی ناامید شده بود. بنابراین با استفاده از مدل GPT-3 اوپناِیآی، یک سیستم استخدام هوش مصنوعی ساخت که با نامزدها گفتگو میکرد و مهارتشان را ارزیابی میکرد. وقتی درآمد این محصول از یک میلیون دلار در سال گذشت، شرکت مشاوره را تعطیل کرد و روی آن تمرکز کرد — و سپس به برچسبگذاری داده روی آورد.
مایکرو وان بر اساس فلسفهای بهنام «اول انسان» از رقبا متمایز میشود؛ یعنی اولویت دادن به تجربه نیروهای انسانی برچسبگذار. روند کار با یک مصاحبه مبتنی بر هوش مصنوعی آغاز میشود و سپس یک شبیهساز شغلی واقعی ارائه میشود تا کارشناسان بدانند با چه کاری مواجه خواهند شد.
پس از استخدام، کارشناسان با «مدیران انسانی داده» همراه میشوند — معمولاً فارغالتحصیلان دانشگاههای برتر — که وظیفهشان راهنمایی متخصصان در دنیای آموزش هوش مصنوعی است. مدیران پروژه بخشی از پاداش خود را بر اساس «شاخص رضایت کارشناسان» دریافت میکنند و عملکرد کارشناسان با تحلیلهای دقیق ارزیابی و رتبهبندی میشود.
انصاری میگوید: «اگر کارشناسان خوشحال باشند، کیفیت کارشان بالاتر میرود و آزمایشگاهها مدل بهتری دریافت میکنند.»
این شرکت در حال ارسال کیتهایی شامل عینکهای Ray-Ban مجهز به Meta برای افرادی است که با فیلمبرداری از خود هنگام انجام کارهای مختلف، دادههای پایه برای رباتها تولید میکنند.
در حالی که برخی منتقدان این موضوع را نگرانکننده میدانند که انسانها در حال آموزش هوش مصنوعیای هستند که شاید روزی جایگزین خودشان شود، انصاری باور دارد که این بخش جدید شغلی در واقع «مقدار نامحدودی کار» برای مردم ایجاد خواهد کرد، بهویژه برای کارگران یقهآبی.
او بیش از همه درباره بازار دادههای مربوط به رباتهای پیشرفته هیجانزده است — بازاری که پیشبینی میکند روزی بسیار بزرگتر از بازار فعلی آموزش هوش مصنوعی خواهد شد. برای شرکتهایی که رباتهای انساننما میسازند، عملاً هیچ مخزن داده آمادهای وجود ندارد؛ بر خلاف مدلهای زبانی، اینترنتی وجود ندارد که بتوان آن را استخراج کرد. این دادهها باید «خلق» شوند، نه «پیدا».
به همین دلیل micro1 کیتهایی ارسال میکند تا افراد با ضبط کارهایی مانند مرتب کردن تخت، تعمیر یک شیر آب خراب، یا گذاشتن ظرفها در کابینت، دادههای آموزشی تولید کنند. اگر قرار باشد رباتهای انساننما روزی حتی نیمی از کارهای ما را انجام دهند، این حجم داده بسیار عظیم خواهد بود. و این همان دلیلی است که انصاری را به آینده این بازار بسیار مطمئن کرده است.
او میگوید: «تنها زمانی به پایان مسیر میرسیم که بتوانیم جهان را کاملاً مدلسازی کنیم — و این هرگز اتفاق نخواهد افتاد.»
🔻🔻
https://www.forbes.com/sites/annatong/2025/12/04/this-24-year-old-built-a-multibillion-dollar-ai-training-empire-in-eight-months/
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔵 #مستند: #زمین_چگونه_ساخته_شد
✅ قسمت دوم: کوه وسنیوس
🔸دوبله فارسی
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
/channel/wateriran_env/64337
🔵 بار شناختی (Cognitive Load): درک محدودیتهای ذهن انسان
بار شناختی یکی از مهمترین مفاهیم در روانشناسی شناختی و علوم آموزش است که نخستینبار توسط جان سوئلر (John Sweller) در دهه ۱۹۸۰ مطرح شد. این نظریه بر مبنای یک اصل ساده بنا شده است: حافظهٔ کاری انسان ظرفیت بسیار محدودی دارد و وقتی مقدار اطلاعات یا پیچیدگی کار از این ظرفیت فراتر رود، عملکرد ذهنی کاهش مییابد. این کاهش عملکرد میتواند شامل افت کیفیت یادگیری، کاهش دقت، افزایش اشتباه، و تحلیل رفتن توان تصمیمگیری باشد.
۱. مبانی نظری بار شناختی
انسانها از دو سیستم حافظه برای پردازش اطلاعات استفاده میکنند:
حافظهٔ بلندمدت (Long-Term Memory): ظرفیت نامحدود دارد و اطلاعات تثبیتشده را ذخیره میکند.
حافظهٔ کاری (Working Memory): ظرفیت بسیار محدود دارد و فقط چند واحد اطلاعاتی (معمولاً حدود ۴ «chunk») را بهطور همزمان پردازش میکند.
بار شناختی زمانی به وجود میآید که حجم، پیچیدگی، یا ساختار اطلاعات بیش از حد در حافظه کاری تجمع پیدا کند. در چنین شرایطی ذهن قادر به پردازش مؤثر نیست و یا یادگیری را به تعویق میاندازد، یا آن را ناقص انجام میدهد.
۲. انواع بار شناختی
نظریه بار شناختی بر اساس پژوهشهای انگلیسیزبان در زمینه یادگیری، سه نوع بار شناختی را تعریف میکند:
۲.۱ بار درونی (Intrinsic Cognitive Load)
این بار از ماهیت و پیچیدگی ذاتی کار ناشی میشود.
برای مثال:
حل یک معادله چندمرحلهای
یادگیری یک زبان برنامهنویسی
تحلیل یک ساختار اقتصادی پیچیده
این کارها خودبهخود بار زیادی ایجاد میکنند، زیرا مقدار زیادی اطلاعات باید همزمان پردازش شود. این نوع بار قابل حذف نیست، اما میتوان آن را مدیریت یا مرحلهبندی کرد.
۲.۲ بار بیرونی (Extraneous Cognitive Load)
بار بیرونی باری است که بیدلیل و بدون ارتباط با محتوای اصلی ایجاد میشود. معمولاً نتیجه طراحی ضعیف محتوا یا محیط یادگیری است.
مثالها:
اسلایدهای شلوغ و نامنظم
متن سختخوان و غیرشفاف
وجود نویز یا حواسپرتی در محیط
دستورالعملهای گنگ یا پیچیده
کاهش بار بیرونی یکی از مهمترین توصیههای نظریه آموزشی مدرن است، زیرا با حذف آن، ذهن میتواند انرژی خود را روی یادگیری واقعی صرف کند.
۲.۳ بار سازنده یا مفید (Germane Cognitive Load)
این نوع بار شناختی زمانی ایجاد میشود که ذهن فعالانه در حال ساختن الگوهای ذهنی (Schemas) و سازماندهی دانش جدید باشد. برخلاف دو نوع دیگر، این بار مفید است و باید تقویت شود.
بهعنوان مثال:
خلاصهنویسی
مقایسه و طبقهبندی
ارتباط دادن مفاهیم جدید و قبلی
حل مسئله با استفاده از دانش تازه
یادگیری عمیق زمانی اتفاق میافتد که بار بیرونی حداقل، بار درونی قابل مدیریت، و بار سازنده تقویت شود.
۳. پیامدهای بار شناختی زیاد
بر اساس مطالعات متعددی در ادبیات انگلیسیزبان، افزایش بیش از اندازه بار شناختی پیامدهای زیر را دارد:
افزایش خطا و اشتباه
کاهش سرعت پردازش
کاهش تمرکز و توجه
افزایش خستگی ذهنی
افت انگیزه یادگیری
کاهش قدرت تصمیمگیری
انجام رفتارهای تکانهای و غیرتحلیلی
به همین دلیل است که افراد در شرایط استرس، کمخوابی، یا هنگام انجام چند کار همزمان (Multitasking) کمتر میتوانند تفکر منطقی داشته باشند.
۴. روشهای کاهش بار شناختی
مطابق پیشنهادهای پژوهشگران انگلیسیزبان مانند Sweller، Paas و Chandler، میتوان بار شناختی را از راههای زیر مدیریت کرد:
۴.۱ کاهش بار بیرونی
استفاده از طراحی ساده و خوانا
حذف اطلاعات اضافی
تقسیم محتوا به بخشهای کوچک
استفاده از تصویر، نمودار و مثالهای واضح
کاهش نویز محیط و عوامل حواسپرتی
۴.۲ مدیریت بار درونی
شکستن مفاهیم پیچیده به مراحل سادهتر
تدریس تدریجی (از ساده به پیچیده)
فعال کردن پیشدانستههای یادگیرنده
ارائه مثالهای متعدد قبل از حل مسائل پیچیده
۴.۳ تقویت بار سازنده
تشویق به یادداشتبرداری
حل مسئله و تمرین فعال
پرسشهای تحلیلی
مقایسه و ارتباطدهی مفاهیم
🔻🔻🔻🔻
🔵 رتبهبندی: رشد تولید ناخالص داخلی واقعی سرانه در میان ۵۰ اقتصاد برتر جهان (۲۰۰۰ تا ۲۰۲۵)
ترجمه : دورنمای اقتصاد
🔵 #مستند: #زمین_چگونه_ساخته_شد
✅ قسمت اول: گرند کانیون
🔸دوبله فارسی
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
/channel/wateriran_env/64247
🔵 اینگونه از #هوش_مصنوعی بپرسید / ۷ اصل طلایی برای گرفتن پاسخ بهتر
بسیاری از کاربران در درجه اول با مشکل «پاسخهای عمومی» مواجه میشوند. دلیل اصلی؟ پرسشهای «غیردقیق» یا «مبهم».
در دنیای مدرن که هوش مصنوعی بخشی جداییناپذیر از فرآیندهای شغلی، تحصیلی و حتی شخصی شده است، چتروباتهای پیشرفته مانند چتجیپیتی، دیپسیک، جمینای، کوپایلت و ... نه تنها ابزارهای کمکی هستند، بلکه به یک همکار دائمی و قابل اعتماد تبدیل شدهاند.
به گزارش همشهری آنلاین، با این حال استفاده موثر از این ابزارها مستلزم دانستن «قواعد بازی» است. نوشتن یک پرسش عادی ممکن است پاسخی سطحی بهدنبال داشته باشد، ولی پرسیدن درست و برنامهریزی شده، میتواند دروازهای به سوی اطلاعات عمیق، دقیق و منسجم باشد.
اصل اول: واضح و مشخص بنویسید
بسیاری از کاربران در درجه اول با مشکل «پاسخهای عمومی» مواجه میشوند. دلیل اصلی؟ پرسشهای «غیردقیق» یا «مبهم».
روش علمی: از ساختار SMART برای طراحی سؤالات استفاده کنید. این رویکرد در مدیریت پروژهها کاربرد دارد، اما در تعامل با هوش مصنوعی نیز فوقالعاده موثر است.
این عبارت مخفف 5کلمه مشخص، قابل اندازهگیری، قابل واگذاری، واقعگرایانه و زمانمند است.
اصل دوم: نقش یا شخصیت مشخص کنید
هوش مصنوعی میتواند بهصورت یک دانشآموز، دانشمند، نویسنده، معلم یا حتی یک متخصص حقوقی پاسخ دهد. مشخص کردن شخصیت، دقت و روال درخواستی شما را بالا میبرد. بهعنوان مثال اینگونه بپرسید: «فرض کن تو یک محقق بازاریابی با تجربه ۱۰ساله هستی. تحلیلی از روند فروش محصولات لوازم آرایشی در سال ۲۰۲۳ ارائه بده.»
اصل سوم: زنجیره استدلالی بسازید
هوش مصنوعی بیشتر اوقات وقتی خوب پاسخ میدهد که بفهمند چه مراحلی را باید برای رسیدن به پاسخ دنبال کند. القای زنجیره فکری تکنیکی است که با وادار کردن صریح هوش مصنوعی به ایجاد یک فرآیند توضیح یا استدلال گام به گام قبل از رسیدن به پاسخ نهایی، عملکرد مدلهای زبانی را بهبود میبخشد. بهعنوان مثال، اول، تعریف فتوسنتنز را بخواهید. بعد، بپرسید که انواع آن را مقایسه کند. سپس، توضیح بدهد چرا C4 مهم است. در نهایت، تاثیر آن را روی کشاورزی مدرن را بگوید.
اصل چهارم: زبان رسمی و روان استفاده کنید
بهترین پاسخها از گفتاری مشابه گفتار انسان بهوجود میآیند. زبان شفاف، بدون غلط املایی، هوش مصنوعی را قادر میسازد تا بهتر متوجه شود و واکنش نشان بدهد.
اصل پنجم: بازخورد بدهید و تکرار کنید
یکی از نقاط قوت چتروباتها، توانایی یادگیری مداوم از تعامل است. اگر پاسخ اولیه رضایتبخش نیست، نگویید «متوجه نشدی؟»، بلکه به آرامی توضیح بدهید چه چیزی از دست رفته یا چه تغییری میخواهید. چتروبات به کمک این بازخوردها، نتیجهای نزدیکتر به انتظاراتتان تولید میکند.
اصل ششم: محدودیتهای آن را بشناسید
چتروباتها همهدان نیستند. مثلا اطلاعات آنها ممکن است فقط تا یک بازه زمانی خاص مثل۲۰۲۳ بهروز باشد. همچنین، گاهی اوقات اشتباهات منطقی یا حتی اطلاعات غلط ارائه میدهند. بنابراین، همیشه: منابع را چک و دادهها را تایید کنید. همچنین نسبت به تاریخ و سند موضوعی آگاه باشید.
اصل هفتم: استفاده از عبارات دستوری
بهجای اینکه بنویسید: «بگو»، بهتر است از دستورات فعال و هدفمند استفاده کنید: «تحلیل کن»، «مقایسه کن»، «توضیح بده»، «خلاصه کن»
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔵 آیا ارز ترجیحی به هدف اصابت نمیکند؟ (2/1)
در سالهای اخیر، بهویژه پس از شوکهای ارزی و تورمی، یکی از بحثهای کلان اقتصادی در ایران، اثربخشی سیاست ارز ترجیحی برای تأمین کالاهای اساسی بوده است. منتقدان این سیاست، که اغلب از طیف اقتصاددانان نئوکلاسیک و طرفداران بازار آزاد هستند، استدلال میکنند که این ارز نه تنها به سفره مردم نمیرسد، بلکه به رانت، قاچاق، و ناکارآمدی تخصیص منابع منجر شده است. بر اساس این ادعا، حذف این سیاست (که در سال ۱۴۰۱ به اجرا درآمد) اجتنابناپذیر و به نفع اقتصاد کلان بود.
با این حال، تحلیل اقتصاد سیاسی و دادههای خط فقر غذایی (FPL) در ایران، روایت دیگری را به دست میدهد. دادهها نشان میدهند که در طول دوران اجرای ارز ترجیحی، این سیاست حداقل در بخش کاهش سرعت رشد خط فقر غذایی و هزینههای خوراکی خانوارها کاملاً موثر عمل کرده است و حذف ناگهانی آن (در اردیبهشت ۱۴۰۱) به شدیدترین شوک غذایی و افزایش خط فقر در سه دهه اخیر منجر شد. در این یادداشت، با اتکا به دادههای رسمی مخارج خانوار، به این موضوع خواهیم پرداخت.
دادههای خط فقر غذایی (FPL) و مخارج خوراکی خانوار در ایران، به روشنی نشاندهنده یک نقطه عطف در سالهای ۱۴۰۰ و ۱۴۰۱ هستند که با دوره حذف ارز ترجیحی (معروف به طرح جراحی اقتصادی) همزمان است.
۱. ثبات نسبی در دوره (۱۳۹۱-۱۳۹۶)
در این دوره، میانگین رشد سالانه خط فقر غذایی میانه تنها حدود 10 درصد است میانگین خط فقر غذایی برای هر فرد بزرگسال از سال 1392 تا سال 1396 حدود 2.1 میلیون ریال در ماه و میانگین ارزش سبد خوراکیها حدود 5.6 میلیون ریال در ماه است، ثبات نرخ ارز رسمی (۳۰۰۰ تا ۳۷۰۰ تومان) و تخصیص دلار مبادلهای برای واردات کالاهای اساسی، باعث شد که قیمت نهایی اقلام خوراکی، تحت کنترل نسبی بماند. بدین ترتریب در این دوره خط فقر غذایی از حدود 1.6 میلیون ریال به 2.1 میلیون ریال رسید (افزایش حدود 31 درصد). این رفتار کاملاً با تورم تکرقمی و میانگین تورم عمومی در این دوره سازگار بود.
۲. شوک اول: تحریم و جهش ارزی (۱۳۹۷-۱۳۹۹)
• طی دوره 1397 تا 1399 با خروج آمریکا از برجام و تحریمهای نفتی شدید. خط فقر غذایی به دلیل جهش نرخ ارز از ۴۲۰۰ تومان به ۲۵۰۰۰ تومان (آزاد)، افزایش چشمگیری یافت. رشد سالانه به ارقامی بین ۳۲٪ تا ۴۳٪ رسید. اگرچه دولت تلاش کرد تا همچنان ارز ترجیحی را حفظ کند، اما نشت رانت و افزایش هزینه، عملاً کنترل قیمت را دشوار کرد. با این حال، حفظ هرچند ناقص ارز ترجیحی، همچنان مانع از انفجار قیمتها در مقیاس سال ۱۴۰۱ شده بود. در این دوره خط فقر غذایی از رقم 2.1 میلیون ریال سال 96 به 2.7 میلیون ریال در سال 97 و نهایتا 5.6 میلیون ریال در سال 99 رسید. ارزش سبد غذایی از 5.6 میلیون ریال سال 96 به 12 میلیون ریال در سال 99 جهش کرد.
۳. شوک دوم و انفجار خط فقر: حذف ارز ترجیحی (۱۴۰۰-۱۴۰۱)
در سال ۱۴۰۱، نرخ رشد خط فقر غذایی میانه به میزان تاریخی ۸۳.۱٪ رسید. در این سال خط فقر غذایی به 16 میلیون ریال و سبد غذایی به 28 میلیون افزایش پیدا کرد به عبارتی در یک سال هزینه خوراکی تقریباً دو برابر شد.
با حذف ارز ۴۲۰۰ تومانی برای کالاهای اساسی (مانند روغن، مرغ، لبنیات، و گندم) و قیمتگذاری آنها با نرخ ارز جدید (۲۵ تا ۲۸ هزار تومان). قیمت روغن نباتی ۲۵۰٪، مرغ ۱۸۰٪، ، آرد صنعتی ۳۵۰٪ و لبنیات 70% افزایش یافت. این افزایشها به صورت مستقیم در سبد خط فقر غذایی انعکاس پیدا کرد و منجر به «انفجار قیمتهای غذایی» شد. در نتیجه خط فقر غذایی در یک سال، بالغ بر دو برابر شد؛ امری که به وضوح نشان میدهد سیاست تثبیت قیمتها توسط ارز ترجیحی، هرچند غیرمستقیم و همراه با رانت، قدرت بازدارندگی بسیار بالایی در برابر فقر غذایی داشته است.
🔻🔻🔻🔻
🔵 مهارتهای نرم که کارفرمایان تا سال ۲۰۳۰ از شما انتظار خواهند داشت
ترجمه : دورنمای اقتصاد
🔵 ضریب شرافت مهمتر از ضریب هوشی و هیجانی
سالها بود که در جلسات مصاحبه استخدامی و جذب نیرو تمرکز خود را بر سنجش ضریب IQ و EQ مصاحبه شوندگان میگذاشتم.
اما هر روز بیشتر به این باور میرسم که نه تنها در مورد جذب نیرو بلکه در تعاملات کارفرمایی و پیمانکاری و ناظر و مجری و مشاور و ... چیزی مهمتر از هوش فنی و هیجانی وجود دارد بنام ضریب شرافت (DQ).
ضریب شرافت (Decency Quotient - DQ) یعنی اینکه بتوانی در شرایط سخت، در رقابتهای نزدیک، و در برابر وسوسههای پنهان، شریف بمانی. یعنی وقتی رشد دیگران را میبینی، به جای تنگنظری و سنگاندازی، انگیزه بگیری. یعنی اگر چیزی را نمیدانی، با متانت بپرسی. یعنی از سود و منفعت و رشد دیگران خوشحال شوی.
ما در جامعه شغلی خود به DQ نیاز داریم، بیش از آنکه به متخصص نیاز داشته باشیم، به کارفرمایان و پیمانکاران و مشاوران و ناظران قابل اعتماد نیاز داریم. کسانی که با ما میخندند، اما پشت سرمان در حال چیدن نقشهای برای تضعیف موقعیت شغلی ما هستند افرادی هستند که فاقد DQ هستند. از چنین افرادی در محیط کار باید فاصله گرفت.
در دنیای امروز، داناتر کسی نیست که فقط بیشتر بداند؛ داناتر کسیست که بیشتر درک کند، حمایت کند و شرافتمندانه رقابت کند.
و در نهایت فقط اعتبار است که میماند. افراد فاقد DQ حتی اگر IQ و EQ بالایی داشته باشند، اعتبار قابل اتکایی را در بلند مدت نخواهند داشت.
🔸منبع: *PingChannel*
بررسیها و تحقیقات نشان میدهد پنج نوع هوش وجود دارد
یک. IQ
این ویژگی سبب میشود رهبران به درستی اعداد و ارقام را درک کنند و با استفاده از گزارشات تصمیمات منطقی بگیرند.
دو. EQ
این ویژگی سبب میشود تا رهبران احساسات خود را درک کنند، به احساسات و واکنش افراد واکنش مناسبی نشان دهند و قدرت متقاعدکنندگی بالاتری داشته باشند.
سه.(VQ(Values
این ویژگی به صداقت، درستی، احترام و حفظ کرامت افراد مرتبط است.
چهار. (DQ (Drive
رهبری با این ویژگی میتواند افراد را در مسیر درست به حرکت وا دارد، برای آنان هدفگذاری کند و موجب حرکت آنان شود.
پنج.(LQ (Learning Agility
رهبرانی با این ویژگی سرعت مناسب در واکنش به تغییرات محیطی را دارند، اشتباهات خود و سازمان را میبینند و از آن میآموزند و انعطافپذیری لازم برای ایجاد تغییر را دارا میباشند.
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
جهانی شدن تنها پدید آورندهِ چرخههای اقتصادی رونق و رکود درجهان نبوده است. گرایش به آزادی تجارت و در پیآن شیفتگی به ملیگرایی و حمایتگرائی، چرخههای دیگریست که جهانی شدن بهمراه آورده است. تاریخ اقتصادی و سیاسی از میانه قرن نوزدهم تا به امروز گواهی براین فرازها و فرودهاست.
مارک-ویلیام پیلن (Marc-William Palen) مورخ اقتصادی و اندیشمند سیاسی به روشنی این فرازها و فرودها را به تصویر کشیده است.
@MChian
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
فساد یک جامعه دو قسم است :
یکی موقعی که مردم قوانین را مراعات نمیکنند،
این درد چاره پذیر است؛
و دیگر آنکه قوانین مردم را فاسد میکند
که این درد درمانی ندارد،
زیرا درد ناشی از خودِ درمان است !
شارل دو مونتسکیو
شب خوش
🔵 چرا نرخ تورم سنگاپور حدود یک درصد است؟
✍ دکتر محمود سریعالقلم
تلخیص : دورنمای اقتصاد
عدالت بدون آزادی، استبداد است و هیچ آرمانی، حتی عدالت اجتماعی، کشتن انسانها را توجیه نمیکند.
#آلبر_کامو
شب خوش
🔵 نظریهی «نشت اقتصادی» چیست؟
🔸نظریه «نشت اقتصادی» نظریهای است که میگوید کاهش نرخهای مالیات بر سرمایه بهویژه برای بنگاهها، سرمایهگذاران و کارآفرینان، میتواند باعث تحریک تولید در کل اقتصاد شود. بر اساس نظرات هواداران این تئوری، این تحریک اقتصادی به ایجاد ثروت و رشد اقتصادی منجر میشود که در نهایت به نفع همه است، نه فقط به نفع کسانی که شاهد کاهش نرخهای مالیات بودهاند.
🔸سیاستهای اقتصادی رئیسجمهور ریگان که عمدتا به آنها «ریگانومیک» یا اقتصاد سمت عرضه گفته میشود، بر نظریه نشت اقتصادی بنیان شده بودند. ایده این بود که با کاهش بار مالیات و افزایش سرمایهگذاری، کسبوکار میتواند بیشتر تولید کند و در واقع عرضه را بالا ببرد تا اشتغال و میزان حقوقها نیز با رشد مواجه شود.
🔸ریگان ابتدا نرخ مالیات بر درآمد را از ۷۰ درصد به ۵۰ درصد رساند و بعد این کار را با اقدامات دیگری کامل کرد؛ اما منتقدان سیاستهای نشتی، این سیاست را معادل کاهش مالیات ثروتمندان میبینند و گمان نمیکنند که این کاهش مالیات به نفع افراد کمدرآمد جامعه باشد.
🔸یک نظریه مخالف، «کینزینیسم» است که پایه آن تحریک تقاضا از طریق هزینههای دولتی و دیگر مداخلات دولتی است. افزایش هزینههای دولتی، افزایش نرخ مالیات بر درآمد را ایجاب میکند، درست مخالف آن چیزی که مدافعان تئوری نشت اقتصاد میخواهند. نظریه نشت اقتصادی به هیچ وجه از دخالت دولت در اقتصاد حمایت نمیکند.
🔸براساس نظریه نشت اقتصادی، اگر نرخهای مالیات کاهش یابد، مردم انگیزه کار کردن دارند؛ زیرا سهم بیشتری از کار خود را به دست خواهند آورد. آنها بعد آن پول را هزینه خواهند کرد یا با آن سرمایهگذاری خواهند کرد و این فعالیتها به زندگی همه افراد جامعه رونق خواهد داد و این رونق تنها مختص به افراد پردرآمدی که مالیات آنها کاهش یافته نخواهد بود.
🔸به علاوه، در نهایت، دولت ممکن است درآمد مالیاتی بیشتری داشته باشد؛ چراکه میزان کار افراد شاغل بیشتر خواهد شد. منحنی «لفر» رابطه سطح مالیات دریافتی با میزان درآمد مالیاتی دولت را نشان میدهد. دولت اگر صفر یا ۱۰۰ درصد درآمدها را مالیات بگیرد، هیچ پولی به دست نخواهد آورد. در بین این دو حد، درآمدهای مالیاتی متغیر خواهد بود؛ زیرا نرخهای متفاوت مالیاتی مردم را تشویق میکند بیشتر کار کنند یا اوقات فراغت بیشتر و هزینه بیشتری داشته باشند.
🔸منبع: اقتصاد به زبان ساده
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔵 آیا کاهش بیکاری به رشد اقتصادی قویتر منجر میشود؟
برای بیشتر اقتصاددانان و تحلیلگران جریان اصلی، بازار کار قوی مهمترین محرک رشد اقتصادی تلقی میشود. از نگاه آنها، وقتی تعداد افراد بیکار کاهش مییابد، افراد بیشتری توانایی خرج کردن برای کالاها و خدمات را دارند. در نتیجه، تقاضا افزایش یافته و رشد اقتصادی حاصل میشود. این دیدگاه فرض میکند که افزایش تقاضا بهطور خودکار موجب افزایش عرضه میشود. اما در واقعیت، رشد اقتصادی پایدار صرفاً از طریق افزایش اشتغال بهوجود نمیآید. محرکهای واقعی رشد عبارتاند از تولید،
✔️ پسانداز و سرمایهگذاری.
همانطور که «میزس» توضیح میدهد، شرط اساسی هر نوع طولانیتر شدن فرایند تولید، پسانداز است — یعنی تولید بیش از آنچه در حال حاضر مصرف میشود. پسانداز نخستین گام برای بهبود رفاه مادی و دستیابی به پیشرفتهای بیشتر است.
اگر واقعاً کاهش بیکاری نیروی اصلی رشد اقتصادی بود، منطقی بود که دولتها تلاش کنند به هر طریق ممکن همه را شاغل کنند — مثلاً واگذاری کارهایی مانند کندن چاله یا کارهای مشابه. اما دولتها خودشان ثروت ایجاد نمیکنند. برای تأمین مالی چنین برنامههایی باید از بخش خصوصی مالیات بگیرند، وام بگیرند یا پول جدید چاپ کنند. همۀ این اقدامات ثروت را از تولیدکنندگان واقعی به سمت پروژههای کمارزش منحرف میکند.
در یک بازار کار آزاد و بدون مداخله، هر فردی که بخواهد کار کند میتواند شغلی با دستمزدی متناسب با سطح مهارت خود پیدا کند. طبیعی است که کسی که دستمزدی بسیار بالاتر از ارزش واقعی کارش طلب میکند — یا حاضر نیست جابهجا شود — نمیتواند انتظار استخدام داشته باشد. برای مثال، اگر دستمزد بازار برای یک نانوا سالانه ۸۰ هزار دلار باشد، اما او اصرار داشته باشد ۵۰۰ هزار دلار بگیرد، طبیعتاً بیکار خواهد ماند. در بلندمدت، بازار آزاد تضمین میکند که هر فرد متناسب با ارزشی که خلق میکند دستمزد دریافت کند. آنچه واقعاً برای رفاه مردم اهمیت دارد صرفاً داشتن شغل نیست، بلکه قدرت خرید واقعی آنها است.
هرچه ساختار سرمایهای یک اقتصاد بهتر باشد، هر کارگر میتواند بهرهورتر باشد. با افزایش بهرهوری، دستمزدهای واقعی نیز بالا میروند. تاریخ اقتصادی بهطور پیوسته نشان میدهد که رشد دستمزدها ناشی از افزایش بهرهوری است — نه دخالت دولتها.
با این حال، تورم پولی ایجادشده توسط بانکهای مرکزی — که اغلب بهعنوان روشی برای کمک به کارگران تبلیغ میشود — اثر معکوس دارد. این تورم، تولید، پسانداز و سرمایهگذاری را تضعیف کرده و مانع بهبود ساختار تولید میشود. در نتیجه، بهرهوری کاهش یافته و دستمزدهای واقعی تح فشار قرار میگیرند.
🔸منبع:
@The_Economist_Telegram
▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️
✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد
👇👇👇👇
@ECONVIEWS
اینستاگرام:
👇👇
https://www.instagram.com/econ.views
🔵 علی انصاری جوان ۲۴ ساله ایرانی تنها در هشت ماه یک امپراتوری میلیارددلاری برای آموزش هوش مصنوعی ساخت
تصمیم علی انصاری برای تبدیل دستیار استخدامی مبتنی بر هوش مصنوعی شرکت micro1 به یک کسبوکار برچسبگذاری داده، ارزش شرکت را از ۸۰ میلیون دلار به سطح مذاکرات ۲.۵ میلیارد دلار رسانده است. اکنون او در تلاش است بازار دادههای آموزشی برای رباتهای انساننما را در اختیار بگیرد.
اگر به دنبال نشانههایی از «حباب» در بازار هوش مصنوعی باشید، رشد انفجاری micro1 یکی از واضحترین نمونههاست. این شرکت در ابتدای سال، یک سرویس استخدام مبتنی بر هوش مصنوعی بود که حدود ۷ میلیون دلار درآمد سالانه داشت. اما اکنون و تنها هشت ماه پس از تغییر مسیر به سمت برچسبگذاری داده برای آموزش هوش مصنوعی، درآمد سالانهاش از ۱۰۰ میلیون دلار عبور کرده و پیشنهادهایی برای سرمایهگذاری با ارزشگذاری ۲.۵ میلیارد دلار دریافت کرده است (تنها چند ماه پیش، آخرین دور جذب سرمایه را با ارزشگذاری ۵۰۰ میلیون دلاری بسته بود).
برای علی انصاری، مدیرعامل ۲۴ ساله micro1، این مسیری پرهیجان بوده است؛ او اکنون در آستانه تبدیلشدن به یکی از جوانترین میلیاردرهای جهان قرار دارد. اگر micro1 بتواند ارزشگذاری ۲.۵ میلیارد دلاری مورد بحث سرمایهگذاران را تثبیت یا حتی فراتر رود، سهم او از شرکت — حدود ۴۲ درصد — بیش از ۱ میلیارد دلار ارزش خواهد داشت.
انصاری زمانی به آموزش هوش مصنوعی علاقهمند شد که یک شرکت بزرگ برچسبگذاری داده، برای کمک در استخدام نیرو به micro1 مراجعه کرد. او میگوید: «این پروژه برای ما شگفتانگیز بود. با خودمان گفتیم چرا این شرکت میخواهد صدها مهندس را ظرف دو هفته استخدام کند؟ همانجا گفتیم: وای… باید تمام تمرکزمان را روی این بازار بگذاریم.»
بنابراین، مشابه شرکت رقیب Mercor که آن هم در ابتدا یک سرویس استخدام مبتنی بر هوش مصنوعی بود، انصاری micro1 را به سمت برچسبگذاری داده هدایت کرد.
آموزش هوش مصنوعی — یعنی همان برچسبگذاری انسانی روی اطلاعاتی که مدلهای زبانی بزرگ بر پایه آنها آموزش میبینند — یکی از سریعترین حوزههای در حال رشد سیلیکونولی است. برای «هوشمندتر» شدن مدلها، انسانها باید به دادهها معنا، زمینه و مفهوم اضافه کنند. از آنجا که کارایی مدلها ارتباط مستقیم با میزان داده باکیفیتی دارد که هنگام آموزش دریافت میکنند، بازار ارائهدهندگان قابلاعتماد داده بهسرعت در حال گسترش است. انصاری تخمین میزند که آزمایشگاههای بزرگ هوش مصنوعی اکنون سالانه ۱۵ میلیارد دلار برای آموزش مدلها هزینه میکنند. او باور دارد که این رقم طی دو سال آینده از ۱۰۰ میلیارد دلار فراتر خواهد رفت.
این بازاری در حال انفجار است. بسته به اینکه چه کسی را بپرسید، برچسبگذاری داده یا تبدیل به صنعتی عظیم خواهد شد، یا اینکه با پیشرفت هوش مصنوعی و توانایی آن برای خودآموزی، از بین میرود. اما در حال حاضر، یک کسبوکار بزرگ است؛ کسبوکاری که تنها در چند ماه گذشته چهار میلیاردر جدید ایجاد کرده است: بنیانگذاران Mercor و همچنین ادوین چن، بنیانگذار Surge.
انصاری نامی از مشتریانش نمیبرد جز مایکروسافت، اما میگوید micro1 با چندین آزمایشگاه پیشرفته هوش مصنوعی و بسیاری از شرکتهای بزرگ فناوری همکاری میکند. همه آنها به دنبال متخصصانی هستند که دادههای آموزشی در حوزههایی مانند خدمات مشتری، بانکداری سرمایهگذاری و… را برچسبگذاری کنند. بسیاری از این متخصصان تحصیلات بالایی دارند و بین ۶۰ تا ۱۷۰ دلار در ساعت برای ارزیابی خروجیهای هوش مصنوعی دریافت میکنند. برخی، مانند متخصصان پزشکی و مالی، تا ۵۰۰ دلار در ساعت هم درآمد دارند.
انصاری آیندهای را تصور میکند که در آن تقریباً همه مردم میتوانند مربی هوش مصنوعی باشند، نه فقط متخصصان. او در حال توسعه سرویسی است که به مردم پول میدهد تا از خودشان هنگام انجام کارهای روزمره—مثل تا کردن لباس—فیلم بگیرند تا داده آموزشی برای مدلهای رباتیک تولید شود.
او میگوید: «آموزش هوش مصنوعی اساس اقتصاد را تحتتأثیر قرار داده؛ این یک بخش شغلی کاملاً جدید است.»
به گفته آدام بین، همبنیانگذار 01A Ventures و یکی از سرمایهگذاران micro1، حوزه برچسبگذاری داده تا همین اواخر «کماهمیت و کمارزش» تلقی میشد.
🔻🔻🔻🔻
