قیمت طلا امروز




 سایت خبرفوری / ۱۴۰۵/۰۵/۲۲

هوش مصنوعی به جان منابع علمی افتاد؛ کشف خطاهایی که دهه‌ها پنهان مانده بودند

عامل‌های هوش مصنوعی با بررسی مقاله‌ها و پایگاه‌های اطلاعاتی علمی مرجع خطاهایی را پیدا کرده‌اند که گاهی دهه‌ها از چشم پژوهشگران دور مانده‌ بودند. با این حال کارشناسان هشدار می‌دهند که این سامانه هنوز به نظارت انسانی نیاز دارند.
 هوش مصنوعی به جان منابع علمی افتاد؛ کشف خطاهایی که دهه‌ها پنهان مانده بودند

 شیمی‌دان‌ها دهه‌هاست برای شناسایی مواد و طراحی فرآیندهایی مانند تقطیر، به داده‌های ثبت‌شده در کتاب‌ها و پایگاه‌های مرجع علمی اعتماد می‌کنند؛ اما آیا همه این داده‌ها درست هستند؟ نشریه «نیچر» در گزارشی از موردی خبر داده که یک مدل هوش مصنوعی با بررسی داده‌های مربوط به نقطه جوش مولکول‌ها، خطایی را در یک پایگاه داده مرجع شناسایی کرده است این خطا ظاهراً سال‌ها از چشم پژوهشگران پنهان مانده بود.

این ماجرا از آن‌جا شروع شد که «سباستین پیوس»، شیمیدان نظری در آزمایشگاه «ژجیانگ» چین، از یک سیستم هوش مصنوعی برای پیش‌بینی نقط جوش چند مولکول استفاده می‌کرد. سیستم هوش مصنوعی در برخی موارد مقادیری را ارائه کرد که با داده‌های ثبت‌شده در یک پایگاه داده مرجع ۷۵ ساله همخوانی نداشت.

هوش مصنوعی در دو مورد دیگر نیز توانست خطاهایی را در مقالات و کتاب‌های قدیمی شناسایی کند؛ خطاهایی که در طول سال‌ها وارد منابع علمی شده و بخشی از دانش پذیرفته‌شده در آن حوزه شده بودند. یکی از این موارد یک اشتباه تایپی در یک مقاله و مورد دیگر مقادیر نادرست مربوط به اندازه‌گیری نقطه جوش بود که قدمت آن به حدود یک قرن پیش بازمی‌گشت. پیوس معتقد است که هر دو خطا احتمالاً باعث دردسرهای زیادی برای پژوهشگرانی شده که از این پایگاه داده استفاده کرده‌اند.

پیوس تنها پژوهشگری نیست که از هوش مصنوعی برای بررسی و ممیزی دانش علمی استفاده می‌کند. در سال‌های اخیر، گروهی از پژوهشگران از ابزارهای تخصصی هوش مصنوعی برای شناسایی خطا در مقالات علمی، مقالات کنفرانسی و حتی پایگاه‌های داده استفاده کرده‌اند.

مزیت اصلی این ابزارها، سرعت آن‌هاست. یک پژوهشگر انسانی ممکن است برای بررسی دقیق تعداد محدودی مقاله به ساعت‌ها یا حتی روزها زمان نیاز داشته باشد، اما عامل‌های هوش مصنوعی می‌توانند حجم بسیار بزرگ‌تری از ادبیات علمی را در مدت کوتاه‌تری بررسی کنند.

«جیمز زو»، دانشمند علوم رایانه در دانشگاه استنفورد، می‌گوید مهم‌ترین تفاوت هوش مصنوعی با روش‌های سنتی، امکان انجام این بررسی‌ها در مقیاسی است که پیش از این برای انسان امکان‌پذیر نبود.

در یکی از مطالعاتی که زو و همکارانش انجام داده‌اند، یک ابزار هوش مصنوعی برای بررسی مقاله‌های منتشرشده در NeurIPS، کنفرانس تحقیقاتی سالانه معتبر در حوزه هوش مصنوعی، به کار گرفته شد. نتایج نشان داد میانگین خطاهای شناسایی‌شده در این مقاله‌ها از ۳.۸ مورد در سال ۲۰۲۱ به ۵.۹ مورد در سال ۲۰۲۵ افزایش یافته است؛ یعنی حدود ۵۵ درصد افزایش.

این بررسی بیشتر بر خطاهای عینی مانند اشتباه در فرمول‌ها، محاسبات و نمودارها تمرکز داشت و موضوعاتی مانند تفسیر نتایج، میزان نوآوری یا اهمیت علمی یافته‌ها را کنار گذاشت. زو معتقد استاهمیت این موضوع در آن است که مقاله‌های منتشرشده، پایه‌ای برای پژوهش‌های بعدی هستند. اگر خطایی در این پایه‌ها وجود داشته باشد، احتمال دارد همان خطا به پژوهش‌های نسل بعد منتقل شود. وقتی یک اشتباه کوچک به «دانش علمی» تبدیل می‌شود

یکی از نگرانی‌های مهم پژوهشگران این است که یک خطای ساده، در صورت تکرار در منابع مختلف، می‌تواند به‌تدریج اعتبار پیدا کند. برای مثال، یک عدد اشتباه در یک مقاله ممکن است وارد یک کتاب مرجع شود. سپس پژوهشگران دیگر همان کتاب را به‌عنوان منبع استفاده کنند و عدد مذکور را در مقالات خود تکرار کنند. در مرحله بعد، همان مقدار ممکن است به پایگاه‌های داده علمی نیز راه پیدا کند.

به این ترتیب، خطایی که در ابتدا شاید فقط یک اشتباه تایپی یا محاسباتی بوده، می‌تواند به بخشی از دانش مورد استفاده پژوهشگران تبدیل شود.

هوش مصنوعی در اینجا می‌تواند نقش یک «چشم دوم» را ایفا کند؛ سامانه‌ای که حجم زیادی از اطلاعات را بررسی کرده و موارد مشکوک را برای بررسی دقیق‌تر در اختیار پژوهشگر قرار می‌دهد.

این عامل‌ها تلاش کردند ادعاهای اصلی مقاله‌ها را استخراج کنند، منابع و فایل‌های همراه را دریافت کنند، آزمایش‌ها را در صورت امکان دوباره اجرا کنند و نتایج به‌دست‌آمده را با نتایج گزارش‌شده توسط نویسندگان مقایسه کنند اما هوش مصنوعی هم اشتباه می‌کند

با وجود این توانایی‌ها، پژوهشگران هشدار می‌دهند که نباید هوش مصنوعی را به‌عنوان داور نهایی صحت یک مقاله در نظر گرفت. «اود اریک گوندرسن»، دانشمند علوم رایانه در دانشگاه علم و فناوری نروژ، می‌گوید ابزارهای هوش مصنوعی نیز مانند انسان‌ها مرتکب اشتباه می‌شوند و بنابراین خروجی آنها باید توسط انسان بررسی شود.

یکی از مطالعات جدید این موضوع را به‌خوبی نشان می‌دهد. پژوهشگران شرکت SAI Labs، یک شرکت فعال در حوزه ارزیابی پژوهش، از عامل‌های هوش مصنوعی برای بررسی ۱۶۸ مقاله انتخاب‌شده برای ارائه شفاهی در کنفرانس بین‌المللی یادگیری ماشین ۲۰۲۶ استفاده کردند.

این عامل‌ها تلاش کردند ادعاهای اصلی مقاله‌ها را استخراج کنند، منابع و فایل‌های همراه را دریافت کنند، آزمایش‌ها را در صورت امکان دوباره اجرا کنند و نتایج به‌دست‌آمده را با نتایج گزارش‌شده توسط نویسندگان مقایسه کنند.

از میان ۹۲ مقاله‌ای که دست‌کم پنج ادعا برای ارزیابی داشتند، هوش مصنوعی در تنها ۳۴ مقاله توانست بیش از دو مورد از پنج ادعا را بازتولید کند. تنها در هشت مقاله، بیش از ۸۰ درصد ادعاها با موفقیت بازتولید شد. این نتایج نشان می‌دهد که بازبینی خودکار مقاله‌های علمی هنوز با جایگزین کردن داوری انسانی فاصله زیادی دارد. هوش مصنوعی می‌تواند مقاله درست را هم اشتباه تشخیص دهد

مشکل فقط این نیست که AI ممکن است یک خطا را پیدا نکند؛ بلکه ممکن است چیزی را که درست است، اشتباه تشخیص دهد. «هانگ له»، ریاضیدانی در دانشگاه ماساچوست امهرست که این ابزارها را آزمایش کرده است، می‌گوید هوش مصنوعی می‌تواند مانند « یک جفت چشم دوم» برای پیدا کردن اشتباهات جزئی مفید باشد، اما پژوهشگران نباید بدون بررسی انسانی به نتایج آن اعتماد کنند.

در یکی از مقالات پیش‌چاپ منتشرشده در ماه مه نیز مشخص شد حتی بهترین مدل هوش مصنوعی در این مطالعه، تنها توانسته بود حداکثر حدود یک‌پنجم خطاهایی را پیدا کند که پیش‌تر توسط داوران انسانی شناسایی شده بودند. این مدل در عین حال مواردی را نیز به‌عنوان خطا اعلام کرده بود که در واقع خطا نبودند.

«له» هشدار می‌دهد که سامانه‌های هوش مصنوعی ممکن است برخی فرض‌های پنهان در یک پژوهش را نادیده بگیرند یا حتی مشکلی را مطرح کنند که اساساً وجود ندارد. اگر چنین ارزیابی‌هایی مستقیماً وارد فرآیند تصمیم‌گیری برای انتشار مقاله شوند، این احتمال وجود دارد که یک مقاله صحیح به اشتباه رد شود. آینده داوری علمی؛ انسان در کنار ماشین

در حال حاضر، به نظر می‌رسد بهترین کاربرد هوش مصنوعی در بررسی مقالات این نیست که خودش تصمیم بگیرد یک مقاله درست یا غلط است؛ بلکه باید موارد مشکوک را برای بررسی انسان مشخص کند.

در این مدل، هوش مصنوعی می‌تواند هزاران مقاله را جست‌وجو و خطاهای احتمالی را شناسایی کند و سپس پژوهشگر یا داور متخصص درباره صحت آن هشدار تصمیم بگیرد. برخی طرح‌ها نیز در حال تلاش برای سنجش میزان اعتمادپذیری این سامانه‌ها هستند.

برای مثال، داوطلبان «پروژه بلک اسپاتولا» مدل‌های مختلف هوش مصنوعی و شیوه‌های مختلف دستوردهی به آنها را روی مقاله‌هایی که خطاهای شناخته‌شده دارند آزمایش می‌کنند و سپس از متخصصان حوزه مربوط می‌خواهند نتایج AI را ارزیابی کنند. این پروژه همچنان در حال جمع‌آوری داده و شواهد است. هوش مصنوعی؛ داور آینده یا دستیار داور؟

آنچه از این مطالعات برمی‌آید این است که هوش مصنوعی ممکن است به یکی از ابزارهای مهم برای یکپارچگی و صداقت پژوهش تبدیل شود، اما هنوز نمی‌توان مسئولیت تشخیص نهایی خطا را به آن سپرد.

مزیت اصلی هوش مصنوعی در این حوزه، توانایی بررسی سریع و گسترده حجم عظیمی از ادبیات علمی است؛ در مقابل، ضعف آن در تشخیص برخی خطاهای پیچیده، درک زمینه تخصصی و احتمال تولید هشدارهای اشتباه است.

بنابراین، دست‌کم در شرایط فعلی، آینده محتمل‌تر نه حذف داور انسانی، بلکه شکل‌گیری نوعی داوری ترکیبی انسان و هوش مصنوعی است؛ به طوری که هوش مصنوعی وظیفه جست‌وجو، مقایسه و علامت‌گذاری موارد مشکوک را انجام می‌دهد و تصمیم نهایی همچنان بر عهده متخصص انسانی باقی می‌ماند.

مسئله مهم‌تر این است که این فناوری می‌تواند توجه جامعه علمی را به خطاهایی جلب کند که گاهی دهه‌ها در منابع علمی باقی مانده‌اند؛ خطاهایی که شاید هیچ‌گاه کسی فرصت یا امکان بررسی دوباره آنها را نداشته است.



۱ ساعت قبل / سایت خبرفوری

هوش مصنوعی جدید گوگل چربی بدن و مقاومت به انسولین را با عکس تخمین می‌زند

بر اساس آمارهای مؤسسه ملی سلامت آمریکا (NIH)، نزدیک به ۳ نفر از هر ۴ فرد بزرگسال (۷۳.۱ درصد) در ایالات متحده دچار اضافه‌وزن یا چاقی هستند. بااین‌حال، به دست آوردن تصویر کاملی از ترکیب بدنی پیچیده‌تر از یک اندازه‌گیری ساده روی ترازو است. دقیق‌ترین روش‌ها برای بررسی حجم و توزیع چربی در بخش‌های مختلف بدن، معمولاً به تحلیل‌های تخصصی با اشعه ایکس نظیر اسکن DXA وابسته هستند؛ روشی که به‌دلیل هزینه و نیاز به تجهیزات بالینی پیشرفته، به‌صورت روزمره در دسترس نیست.

سیستم توسعه‌یافته توسط تیم تحقیقاتی گوگل که PhotoScan نام دارد، با استفاده از الگوریتم‌های هوش مصنوعی و بررسی چند تصویر دوبعدی از بدن کار می‌کند. گوگل برای آموزش این مدل، در ابتدا آن را با داده‌های به‌دست‌آمده از اسکن‌های بالینی اشعه ایکس (DXA) تمرین داده است تا بتواند سطح کلی چربی بدن و نسبت‌های ساختاری مهم را بسنجد. این نسبت‌ها شامل نسبت چربی بالاتنه به پایین‌تنه (A/G Ratio) و همچنین نسبت چربی احشایی و داخلی اندام‌ها به چربی زیرپوستی (V/S Ratio) می‌شوند. تخمین دقیق‌تر ترکیب بدنی و مقاومت به انسولین نسبت به حسگرهای بیوالکتریک

تیم تحقیقاتی گوگل در ادامه، مدل خود را با ترکیب اطلاعات MRI و تنظیم دقیق روی مجموعه‌ای از عکس‌های واقعی ثبت‌شده با دوربین گوشی‌های هوشمند بهینه‌سازی کرد. نتایج نشان داده مدل نهایی می‌تواند چربی بدن را با دقتی به‌مراتب بالاتر از روش تحلیل موجود در ساعت‌ها و مچ‌بندهای هوشمند تخمین بزند. حسگرهای پوشیدنی رایج توانایی ارزیابی نسبت‌های حساسی چون نسبت چربی بالاتنه یا احشایی را ندارند، درحالی‌که این الگوریتم تصویری موفق به تخمین این معیارها شده است.

علاوه‌بر تحلیل ترکیب بدنی، محققان گوگل بررسی کرده‌اند که نتایج حاصل از این روش تا چه اندازه می‌تواند شرایطی مانند مقاومت به انسولین را پیش‌بینی کند؛ حوزه‌ای که گوگل اخیراً با معرفی ویژگی‌های پایش روند مقاومت به انسولین در پلتفرم‌های سلامتی خود روی آن تمرکز کرده است.

با وجود دستاوردهای علمی امیدوارکننده، چالش‌های عملی برای تجاری‌سازی چنین سامانه‌هایی وجود دارد. متقاعد کردن کاربران برای ثبت و به‌اشتراک‌گذاری تصاویر واضح از بدن ممکن است حتی با وجود سخت‌گیرانه‌ترین سیاست‌های حفظ حریم خصوصی کار دشواری باشد. از سوی دیگر، سوق دادن کاربران به سمت تغییر واقعی سبک زندگی و رژیم غذایی پس از مشاهده این داده‌ها همواره چالشی اساسی محسوب می‌شود. درحال‌حاضر گوگل برنامه‌ای رسمی برای تبدیل PhotoScan به یک محصول نهایی ندارد، اما احتمال دارد این فناوری در قالب سرویس‌های بخش سلامت گوگل عرضه شود.

 


۲ ساعت قبل / سایت خبرفوری

اکونومیست: آیا هوش مصنوعی باید حقوق داشته باشد؟

اکونومیست هشدار می‌دهد که اگر هوش مصنوعی به‌عنوان موجودی دارای حقوق و منافع مستقل شناخته شود، ممکن است پیامدهای بسیار خطرناکی برای انسان‌ها داشته باشد.

این گزارش درباره این پرسش بحث می‌کند که آیا باید برای هوش مصنوعی حقوقی شبیه انسان در نظر گرفت یا نه.


۴۳ ساعت قبل / خبرگزاری دانشجو

روز آخر کنکور؛ چطور در ساعت پایانی از رقبا سبقت بگیریم؟ +فیلم

به گزارش خبرنگار دانشگاه خبرگزاری دانشجو، روز آخر، روز یادگیری مطالب جدید نیست؛ روز تبدیل دانسته‌ها به امتیاز است. رضا اولادی، مشاور تحصیلی به مناسبت ایام منتهی به کنکور، مهمان خبرگزاری دانشجو بود و نکات مهمی را ویژه داوطلبین مطرح کرد که در ادامه به آنها می‌پردازیم.

 

بسیاری از داوطلبان در ساعات پایانی کنکور، به‌دلیل استرس، مطالعه پراکنده و مقایسه خود با دیگران، بخشی از توان واقعی‌شان را از دست می‌دهند. در مقابل، داوطلبی که همین زمان کوتاه را هوشمندانه مدیریت کند، می‌تواند حتی با وجود معدل نه‌چندان ایده‌آل، در آزمون عملکرد بهتری داشته باشد و فاصله خود را با رقبا کاهش دهد.

  روز آخر؛ فرصت جبران است، نه زمان معجزه

وقتی صحبت از «جبران معدل» می‌شود، باید یک نکته را روشن کرد: نمرات سوابق تحصیلی با مطالعه یک‌روزه تغییر نمی‌کنند و نمی‌توان تأثیر قطعی سوابق تحصیلی را مستقیماً از بین برد. اما چیزی که در اختیار داوطلب است، افزایش سهم عملکرد کنکور در نتیجه نهایی است؛ یعنی اگر قرار است رقابتی شکل بگیرد، باید در همان بخشی که هنوز کنترل آن دست داوطلب است، حداکثر امتیاز ممکن را به دست آورد. بنابراین هدف روز آخر نباید این باشد که در چند ساعت باقی‌مانده ده‌ها مبحث جدید یاد بگیریم. هدف اصلی باید کاهش خطا، افزایش سرعت، تثبیت مطالب پرتکرار و حفظ تمرکز باشد. کد ویدیو دانلود ویدیو فیلم اصلی

 

 

اولادی، مشاور تحصیلی، درباره امکان جبران تأثیر معدل برای داوطلبانی که در امتحانات نهایی عملکرد مطلوبی نداشته‌اند، گفت: «تأثیر معدل» به این معنا نیست که اگر معدل پایین‌تری داشته باشید، دیگر امکان جبران در کنکور وجود ندارد. عملکرد داوطلب در آزمون می‌تواند بخشی از این فاصله را جبران کند.

وی توضیح داد: در جامعه آماری داوطلبان، حتی تغییرات کوچک در عملکرد می‌تواند باعث جابه‌جایی قابل توجه در تراز و رتبه شود. برای مثال، اگر یک داوطلب به‌طور میانگین بتواند حدود ۵ درصد عملکرد خود را بهتر کند؛ یعنی چند تست را درست پاسخ دهد یا تعدادی از پاسخ‌های غلط خود را به «نزده» تبدیل کند، ممکن است حدود ۴۰۰ تا ۵۰۰ تراز در عملکرد آزمون او جابه‌جا شود. با توجه به سهم آزمون در نتیجه نهایی، این تغییر می‌تواند بخشی از اختلاف ایجادشده در اثر معدل را جبران کند.

 

اولادی درباره ارتباط معدل و تراز نیز گفت: اطلاعات رسمی و جزئیات کامل داده‌های تراز معدل برای همه حالت‌ها به‌صورت عمومی منتشر نشده است و اعداد دقیقی که در این زمینه مطرح می‌شود، عمدتاً بر اساس تجربه و داده‌های حاصل از کار با داوطلبان است. بنابراین نمی‌توان برای هر معدل، یک تراز قطعی و ثابت در نظر گرفت. اگر یک داوطلب به‌طور میانگین بتواند حدود ۵ درصد عملکرد خود را بهتر کند؛ یعنی چند تست را درست پاسخ دهد یا تعدادی از پاسخ‌های غلط خود را به «نزده» تبدیل کند، ممکن است حدود ۴۰۰ تا ۵۰۰ تراز در عملکرد آزمون او جابه‌جا شود

وی افزود: بر اساس تجربه، می‌توان به‌صورت تقریبی گفت معدل‌های بالاتر معمولاً تراز سوابق تحصیلی بالاتری ایجاد می‌کنند؛ برای نمونه، معدل ۱۸ ممکن است حدود تراز ۸۲۰۰ تا ۸۳۰۰، معدل ۱۹ حدود ۹۲۰۰ تا ۹۳۰۰ و معدل‌های بالاتر، ترازهای بیشتری ایجاد کنند. البته ترکیب نمرات دروس مختلف و شرایط هر داوطلب می‌تواند باعث تغییر این اعداد شود. بنابراین این ارقام را باید حدودی در نظر گرفت، نه یک جدول قطعی و رسمی.

  اشتباه بزرگ؛ شروع یک مبحث جدید

یکی از خطرناک‌ترین تصمیم‌ها در روز پایانی، باز کردن کتاب و جزوه برای مطالعه یک فصل کاملاً جدید است. ذهن داوطلب در این زمان بیش از هر چیز به آرامش و سازمان‌دهی اطلاعات موجود نیاز دارد. به جای آن:

- خلاصه‌ها و نکات مهم را مرور کنید.

- تست‌های نشان‌دار و اشتباهات قبلی را ببینید.

- فرمول‌ها، تعاریف و نکات فرّار را مرور کنید.

- سراغ مباحثی بروید که قبلاً مطالعه کرده‌اید اما احتمال خطا در آنها بالاست.

- از مطالعه سنگین و چندساعته یک درس خودداری کنید.

 

در کنکور، فاصله داوطلبان همیشه با دانستن یک مطلب بسیار سخت ایجاد نمی‌شود؛ گاهی چند پاسخ صحیح بیشتر، چند خطای کمتر و مدیریت بهتر زمان می‌تواند نتیجه را به شکل محسوسی تغییر دهد.

  کد ویدیو دانلود ویدیو فیلم اصلی

 

اولادی، مشاور تحصیلی می‌گوید؛ داوطلبی که در روز آخر روی این چهار موضوع کار کند، عملاً در حال آماده‌سازی برای سبقت گرفتن است:

۱. تست‌های غلط قبلی، ببینید چرا اشتباه کرده‌اید؛ بی‌دقتی، ضعف مفهومی، فراموشی یا کمبود زمان؟ شناخت علت خطا از تکرار آن جلوگیری می‌کند.

۲. مباحث مطمئن، قرار نیست همه ضعف‌ها را در یک روز برطرف کنید. نقاط قوت خود را به منطقه امن تبدیل کنید تا در جلسه آزمون از دست دادن سؤال‌های ساده و متوسط به حداقل برسد.

۳. مدیریت زمان، سرعت پاسخ‌گویی را فقط با تست زدن نسنجید؛ تصمیم‌گیری درباره اینکه چه سؤالی را رها کنید نیز بخشی از مهارت کنکور است.

۴. کنترل هیجان، یعنی: ممکن است داوطلبی با دانش کمتر، به‌دلیل آرامش بیشتر، عملکرد بهتری از داوطلب مضطرب داشته باشد. روز آخر باید به جای افزایش فشار، اضطراب را مدیریت کرد.

  اگر معدل پایین‌تر است، چه کنیم؟

داوطلبی که احساس می‌کند سوابق تحصیلی‌اش نسبت به برخی رقبا نقطه ضعف محسوب می‌شود، نباید اجازه دهد این موضوع به یک «باخت ذهنی» تبدیل شود.

 

این تصور که «چون معدلم پایین است، دیگر شانسی ندارم » می‌تواند حتی قبل از شروع آزمون، عملکرد داوطلب را تخریب کند.

پس به جای محاسبه مداوم نتیجه و مقایسه خود با دیگران، باید روی چیزی تمرکز کرد که هنوز در اختیار شماست: هر سؤال درست، هر اشتباه کمتر و هر تصمیم درست در جلسه. کد ویدیو دانلود ویدیو فیلم اصلی

  شب آخر؛ کتاب را زودتر ببندید

یکی از تصورهای اشتباه این است که هرچه بیشتر در شب آخر بیدار بمانیم، نتیجه بهتری می‌گیریم. در حالی که خستگی و کمبود خواب می‌تواند تمرکز، سرعت پردازش و دقت را کاهش دهد.

  صبح کنکور؛ با ذهن برنده وارد شوید

صبح آزمون قرار نیست چیزی را فتح کنید که در روزهای قبل نساخته‌اید. قرار است همان چیزی را که یاد گرفته‌اید، به بهترین شکل روی پاسخ‌نامه پیاده کنید.

صبحانه مناسب، حضور به‌موقع در حوزه، آرامش و پرهیز از مرورهای پراکنده می‌تواند کمک کند ذهن در شرایط باثبات‌تری وارد آزمون شود.

 

قرار نیست به همه سؤال‌ها پاسخ بدهید؛ قرار است بیشترین امتیاز ممکن را از سؤال‌هایی که می‌توانید حل کنید، بگیرید.

اگر سؤالی وقت‌گیر است، علامت بزنید و عبور کنید. اگر پاسخ را نمی‌دانید، درگیر آن نشوید. اگر در یک سؤال شک دارید، اجازه ندهید همان یک سؤال زمان چند سؤال دیگر را بگیرد.

  سبقت از رقیب، از خودتان شروع می‌شود

در آخرین روز کنکور، دیگر فرصت تغییر گذشته وجود ندارد؛ اما فرصت تغییر عملکرد فردا هنوز وجود دارد. ممکن است معدل شما کامل نباشد، ممکن است بعضی مباحث را نخوانده باشید یا در آزمون‌های آزمایشی نتیجه دلخواهتان را نگرفته باشید. اما جلسه کنکور با یک واقعیت ساده آغاز می‌شود: سؤال‌ها هنوز روی میز نیامده‌اند و تمام امتیازهای قابل کسب هنوز از دست نرفته‌اند. پس روز آخر را به ترس از نتیجه نسپارید.

 

درس جدید را کنار بگذارید، نقاط قوت را تثبیت کنید، خطاهای گذشته را مرور کنید، خواب کافی داشته باشید و با ذهنی آرام وارد جلسه شوید.

جبران واقعی در روز آخر، جبران معدل نیست؛ جبرانِ هر امتیازی است که می‌توانستید در کنکور به دست بیاورید اما به‌دلیل بی‌دقتی، استرس یا مدیریت ضعیف زمان از دست می‌دادید. گاهی فاصله میان دو داوطلب، نه در ساعت‌های مطالعه بیشتر، بلکه در همان چند تصمیم درست داخل جلسه کنکور ساخته می‌شود. فردا قرار نیست معجزه کنید؛ قرار است بهترین نسخه‌ای از خودتان باشید که برای آن آماده شده‌اید.