📌کمیته تحقیقات و فناوری دانشجویی
موسسه آموزش عالی سلامت مشگین شهر
برگزار میکند:


            «کارگاه آموزش ماکروسافت آفیس : ورد (word)»


👤مدرس: خانم ملاحت ممی زاده


📆 تاریخ و زمان: روز چهارشنبه ۲۸ خرداد ماه سال ۱۴۰۴، ساعت ۱۲
    
📌مکان: بصورت مجازی در بستر اسکای روم


📎همراه با ارائه گواهی معتبر به شرکت کنندگان محترم


✅شرکت در این کارگاه "کاملا رایگان" است.


🖇لینک ثبت نام در کارگاه:

https://forms.gle/E4vAZGDPKkRmwsWx7


🔹جهت کسب اطلاعات بیشتر با آیدی های زیر در ارتباط باشید:
@griffin220
@D_jadidi
---------------------------------------------------------
https://www.group-telegram.com/Meshkin_SRC

#اطلاعیه

با سلام و عرض ادب
‼️ به اطلاع دانشجویان گرامی می‌رساند؛ با توجه به درخواست دانشجویان عزیز و به علت بروز اختلالات در اینترنت و عدم اتصال پایدار به اسکای روم، کارگاه "آموزش مايکروسافت آفیس: ورد (Word)"، برای امروز لغو گردیده و زمان جدید برگزاری متعاقباً اطلاع‌رسانی خواهد شد.

با سپاس.

📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src

پرسشنامه‌ام چقدر ثابت‌قدمه؟ رمزگشایی از پایایی (Reliability) از صفر تا صد ⚙️💯⏳

سلام مجدد به همه پژوهشگرای عزیز 👋🏻 تو پست‌های قبلی یاد گرفتیم که «روایی» یعنی پرسشنامه‌مون دقیقاً همون چیزی رو بسنجه که باید. اما یه ابزار خوب، علاوه بر دقت، باید «ثبات» هم داشته باشه. یعنی اگه چند بار ازش استفاده کنیم، نتایج مشابهی بهمون بده. به این ویژگی میگن «پایایی» (Reliability).

📌 پایایی به زبان خیلی ساده یعنی چی؟
فکر کنید یه ترازوی دیجیتال دارید. اگه پنج بار پشت سر هم برید روش و هر بار یه وزن متفاوت (با اختلاف زیاد) نشون بده، بهش اعتماد می‌کنید؟ معلومه که نه! اون ترازو «پایا» نیست. پرسشنامه هم دقیقاً همینه! پایایی یعنی اینکه پرسشنامه شما چقدر نتایج باثبات و قابل تکراری ارائه میده، اگه تحت شرایط یکسان دوباره ازش استفاده بشه.

❓ چرا پایایی اینقدر مهمه؟
اگه پرسشنامه‌تون پایا نباشه، نتایجی که به دست میارید ممکنه شانسی باشن و قابل اعتماد نیستن.

📌 چطور بفهمیم پرسشنامه‌مون «پایا» است؟

چندتا روش رایج برای سنجش پایایی داریم که هرکدوم یه جنبه از ثبات رو بررسی می‌کنن:

✅ پایایی آزمون-بازآزمون (Test-Retest Reliability): آیا در گذر زمان ثبات داره؟ ⏳🔁

• ایده اصلی: اگه امروز از یه گروه پرسشنامه بگیریم و چند وقت دیگه (مثلاً دو هفته بعد) دوباره از همون گروه همون پرسشنامه رو بگیریم، آیا جواب‌هاشون شبیه به هم خواهد بود؟ (البته برای چیزایی که انتظار داریم تو این مدت ثابت مونده باشن، مثل صفات شخصیتی).
• چطور انجام میشه؟
پرسشنامه رو به یه گروه نمونه (مثلاً ۲۰-۳۰ نفر) میدید.
بعد از یه فاصله زمانی مناسب (معمولاً ۲ تا ۴ هفته)، دوباره همون پرسشنامه رو به همون افراد میدید.
بعد، «همبستگی» (Correlation) بین نمرات بار اول و بار دوم رو با نرم‌افزاری مثل SPSS حساب می‌کنید.
• نتیجه خوب چیه؟ همبستگی بالا (معمولاً بالای ۰.۷) نشون میده پرسشنامه‌تون در طول زمان ثبات خوبی داره.

✅ پایایی همسانی درونی (Internal Consistency Reliability): آیا سوالات با هم «هم‌ساز» هستن؟ 🎶🤝

• ایده اصلی: اگه چندتا سوال دارید که همه‌شون قراره یه مفهوم واحد رو بسنجن (مثلاً «رضایت شغلی»)، آیا این سوالات واقعاً دارن یه چیز رو اندازه می‌گیرن و با هم همخوانی دارن؟ یا هرکدوم یه ساز دیگه می‌زنن؟
• چطور انجام میشه (خیلی رایج و مهم)؟
🟢 آلفای کرونباخ (Cronbach's Alpha): این اسم رو حتماً زیاد شنیدید و تو مقاله‌ها دیدید. آلفای کرونباخ یه عدد بین ۰ تا ۱ هست. هرچی این عدد به ۱ نزدیک‌تر باشه، یعنی سوالات اون بخش از پرسشنامه شما همسانی درونی بهتری دارن و دارن یه مفهوم مشترک رو خوب اندازه می‌گیرن.
• چه عددی خوبه؟ معمولاً آلفای بالاتر از ۰.۷ قابل قبول تلقی میشه. (برای تصمیم‌گیری‌های بالینی مهم، گاهی دنبال آلفای بالاتر از ۰.۸ یا حتی ۰.۹ هستیم).
• چطوری حسابش کنیم؟ بعد از اینکه پرسشنامه رو روی یه گروه نمونه مناسب (معمولاً حداقل ۵۰ نفر یا بیشتر، بسته به تعداد سوالات) اجرا کردید، می‌تونید با نرم‌افزاری مثل SPSS به راحتی آلفای کرونباخ رو برای هر مقیاس یا زیرمقیاس پرسشنامه‌تون حساب کنید. این روش فقط با یک بار اجرای پرسشنامه قابل محاسبه‌ست و خیلی کاربردیه.
🟢 روش دو نیمه کردن (Split-Half): یه روش قدیمی‌تر که توش سوالات یه مقیاس رو به دو نیمه تصادفی تقسیم می‌کنن و همبستگی بین نمرات این دو نیمه رو حساب می‌کنن. (آلفای کرونباخ معمولاً دقیق‌تر و رایج‌تره).

✅ (برای اطلاع) پایایی بین ارزیاب‌ها (Inter-Rater Reliability): آیا دو نفر یه چیز رو می‌بینن؟ 🧑‍🤝‍🧑👀

• ایده اصلی: اگه پرسشنامه شما نیاز به قضاوت یا مشاهده توسط دو یا چند ارزیاب داره (مثلاً تو مطالعات مشاهده‌ای رفتار)، این روش بررسی می‌کنه که آیا ارزیاب‌های مختلف به نتایج مشابهی می‌رسن یا نه.
• چطور انجام میشه؟ با شاخص‌هایی مثل «کاپای کوهن» (Cohen's Kappa). (این روش برای پرسشنامه‌های خودایفا که خود فرد پر می‌کنه، معمولاً کاربرد نداره).

📌 قدم‌های اصلی برای گرفتن پایایی (خلاصه و مفید): 👣⚙️

• ببینید چه نوع پایایی برای پرسشنامه شما و سوال تحقیقتون مناسب‌تره (معمولاً برای شروع، «همسانی درونی» با آلفای کرونباخ خیلی رایج و مهمه).

• پرسشنامه‌تون رو روی یه نمونه مناسب از جامعه هدفتون اجرا کنید (برای آلفا، تعداد نمونه مهمه).

• با استفاده از نرم‌افزار آماری (مثل SPSS)، شاخص پایایی مورد نظرتون رو حساب کنید.

• نتیجه رو تفسیر کنید. اگه پایایی پایینه (مثلاً آلفای کرونباخ زیر ۰.۷)، یعنی سوالات اون بخش از پرسشنامه‌تون خوب با هم جور نیستن و شاید بعضی از سوالات نیاز به بازنگری یا حذف دارن.

- تیم تولید محتوای کمیته تحقیقات دانشجویی دانشکده پرستاری گرمی 🌱

خب دوستان، از اتاق فرمان اشاره کردن که درمورد «پایایی بین ارزیاب‌ها» (Inter-Rater Reliability) بیشتر صحبت کنیم.

- بریم که بررسی کنیم:

📍اصلا صبر کن ببینم... «ارزیاب» دیگه کیه؟ مگه تحقیق مال من نیست؟
ببین، تا حالا حرفمون سر پرسشنامه بود. یه برگه میدی دست طرف، پر می‌کنه، تموم. ولی فرض کن پروژه تحقیقت اینه که بری تو یه مهدکودک، فیلم بگیری و ببینی بچه‌ها چند بار در ساعت با هم «مشارکت» می‌کنن.
اینجا ابزار تحقیق دیگه پرسشنامه نیست؛ خودِ چشمای توئه! حالا استاد میگه برای اینکه کارت علمی باشه، باید با یکی از دوستات این کار رو انجام بدی. یعنی دو نفر (دو تا ارزیاب) می‌شینین پای لپ‌تاپ و فیلم رو می‌بینین.

❗چالش اصلی کجاست؟ تو صحنه‌ای که یه بچه اسباب‌بازیشو میده به بغل‌دستیش، تو تیک «مشارکت» رو می‌زنی. ولی دوستت میگه «نه! این که مشارکت نبود، اون یکی خودش اسباب‌بازی رو از دستش کشید!».
اینجا اگه تو و دوستت روی تعریف «مشارکت» به یه دیدگاه مشترک نرسیده باشین، آخر کار تو ۳۰ تا مشارکت شمردی، دوستت ۱۵ تا! خب الان کدوم درسته؟ هیچی! کل داده‌ها قابل اعتماد نیستن چون «پایا» نیستن.

💭 پس کی به دردمون می‌خوره؟
هر وقت که کار تحقیقت از جنس قضاوت کردن یا مشاهده کردن بود، نه پرسشنامه پر کردن. مثلاً:
تحلیل کامنت‌های یه پیج که «توهین‌آمیز» هستن یا نه.
دیدن فیلم مصاحبه با بیمار و تشخیص اینکه «مضطرب» به نظر میاد یا «آروم».
داوری کردن یه مسابقه (مثلاً دو تا داور به یه اجرا نمره میدن).

✅ خب راه حل چیه؟ آشنا بشین با رفیق شفیقمون: «کاپای کوهن»
این «کاپا» یه فرمول آماری هست که میاد کار شما دو تا ارزیاب رو تحلیل می‌کنه.
• چیکار می‌کنه؟ خیلی ساده‌ست. میاد میگه شما دو نفر، روی چند درصد از موارد با هم، هم‌نظر بودین.
• ولی یه حرکت خیلی خفن‌تر هم می‌زنه: کاپا میاد توافقی که شانسی هم ممکن بود اتفاق بیفته رو محاسبه می‌کنه و از نتیجه کم می‌کنه! یعنی میگه «آقا یه سری موارد رو که شانسی هم ممکن بود مثل هم انتخاب کنین، اونا رو بریز دور! من فقط توافق واقعی و خالص شما رو می‌خوام.»
تهش یه عدد بهت میده (معمولاً بین ۰ تا ۱، هرچند منابع می‌گن بین ۱- تا ۱+ هست). اگه این عدد بالای ۰.۷ بود، یعنی دمتون گرم! کارتون درسته و خیلی هماهنگین. اگه پایین بود، یعنی باید بشینین دوباره با هم حرف بزنین و تعریفتون از چیزایی که می‌بینین رو یکی کنین.

📌 خلاصه کل داستان:
اگه تحقیقتون پرسشنامه‌ای بود، حواستون به آلفای کرونباخ باشه.
اگه تحقیقتون از مدل «بشینیم ببینیم چه خبره» بود (مشاهده‌ای، تحلیلی، قضاوتی)، حتماً قبلش باید پایایی کارتون رو با رفیقای ارزیابتون با کاپای کوهن چک کنین تا کارتون از بیخ و بن علمی و قابل دفاع باشه.
همین! چیز سختی نیست، فقط باید بدونین کِی ازش استفاده کنین. موفق باشین رفقا 😉✌️

- تیم تولید محتوای کمیته تحقیقات دانشجویی دانشکده پرستاری گرمی 🌱

📢 قابل توجه دانشجویان علاقه‌مند به پژوهش و مقاله‌نویسی 🧠📚
آیا تا به حال هنگام ارسال مقاله با سوالات سخت و چالشی داوران مواجه شده‌اید؟ 😬
یا ندانسته‌اید چگونه باید به آن‌ها پاسخ دهید؟ 🤔

🔍 از این هفته، با سری جدید پست های ما همراه باشید:
«داغ‌ترین سؤال‌های داوران علمی» 🔥✍️
(و پاسخ‌های حرفه‌ای برای آن‌ها)

📌 در این مجموعه می‌خوانید:
✅ تحلیل سوالات پرتکرار داوران مجلات
✅ نکات کلیدی برای پاسخ‌گویی علمی و قانع‌کننده
✅ راهکارهایی برای بهبود مقاله قبل از ارسال

⏳ اولین قسمت، به‌زودی منتشر می‌شود...
با ما همراه باشید 🌟


📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src

🎯 داغ‌ترین سؤال ریویوِرها | شماره ۱

❓ چرا حجم نمونه‌ت این‌قدر کمه؟!

👩‍⚖️ این یکی از پرتکرارترین سؤال‌ها تو داوری مقاله‌هاست.
کم‌بودن حجم نمونه می‌تونه اعتبار آماری مقاله رو زیر سوال ببره.

🔍 ولی اگه دلیل موجهی داشته باشی، می‌تونی به‌خوبی ازش دفاع کنی.


---

✅ پاسخ پیشنهادی:

> «به دلیل نادر بودن بیماری مورد مطالعه و محدودیت در دسترسی به بیماران، حجم نمونه پایین بود. با این حال، توان آماری مطالعه با استفاده از نرم‌افزار G*Power بررسی و تأیید شد.»



📌 نکته طلایی: حتماً ابزار محاسبه حجم نمونه رو ذکر کن. این نشون می‌ده انتخابت علمی و منطقی بوده. 💡📈


---

🎓 اینجوری داور می‌فهمه که انتخابت آگاهانه بوده، نه اتفاقی یا بی‌دلیل!

📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src

🌿 #یادداشت_روز | تأمل امروز

💬 "پیش از آنکه پزشک باشی، انسان باش."
— دکتر ویلیام اسلر

🔹 دانش، نجات می‌دهد؛ اما این انسانیتِ ماست که زخم دل را التیام می‌بخشد.
در مسیر درمان، گاهی یک جمله مهربانانه، تأثیرش بیش از هزار نسخه است...

📎 #اخلاق_پزشکی #دانشجوی_متعهد #علم_با_وجدان



📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src

📍 فراخوان تشکیل هسته‌های پژوهشی جهت آموزش عملی و نگارش گروهی کیس‌های جراحی جهت چاپ در ژورنال‌های بین‌المللی (ISI)

💬 ویژه دانشجویان پزشکی علاقه‌مند به پژوهش و نویسندگی علمی

🎯 منتور: اتابک صدیق‌نمین
دبیر کمیته تحقیقات و داور ژورنال International Journal of Surgery Case Reports


📌 شرایط عضویت:

• علاقه‌مندی به پژوهش و مقاله‌نویسی

• روحیه کار تیمی و مسئولیت‌پذیری

• حضور فعال در جلسات و پیگیری روند نگارش مقالات

📥 لینک ثبت نام و ارسال رزومه

〽️ لطفا بعد از ثبت نام در گروه زیر جوین بشین:
لینک گروه

📍 کمیته تحقیقات و فناوری دانشجویی دانشکده پزشکی دانشگاه علوم پزشکی اردبیل

🆔️ @ArUMSMedSRC

🌱 طبیعت را حفظ کنیم، خانه‌ی آیندگان است

🎯 داغ‌ترین سؤال ریویوِرها | شماره ۲

❓ چرا از روش فلان تحلیل آماری استفاده کردی؟ روش مناسب‌تر نبود؟

👩‍🔬 این سوال معمولاً وقتی پیش میاد که انتخاب روش آماری مبهم باشه یا به خوبی توضیح داده نشده باشه.

📉 انتخاب اشتباه یا بی‌توضیحِ روش آماری، یکی از اصلی‌ترین دلایل رد مقاله‌هاست!


---

✅ پاسخ پیشنهادی:

> «با توجه به نوع داده‌ها (غیربه‌هنجار و ناپارامتریک)، از آزمون من-ویتنی استفاده شد. پیش از تحلیل، نرمال بودن داده‌ها با آزمون شاپیرو–ویلک بررسی شده بود.»



📌 نکته طلایی:
همیشه نوع داده‌هات رو مشخص کن و توضیح بده چرا فلان آزمون رو انتخاب کردی. این یعنی مسلطی به کار 😎


---

📘 یه یادآوری کوچیک:
"تحلیل آماری خوب، مقاله رو نجات می‌ده؛ اما تحلیل بی‌دلیل، مقاله رو حذف می‌کنه!" ✂️📄
📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src

🌿 #یادداشت_روز | تأمل امروز

💬 "هر پژوهش، قدمی به سوی حقیقت است؛ اما فقط پژوهشگری با نیت پاک، راه را گم نمی‌کند."
— ناشناس

🔹 مسیر علم‌آموزی، مسیری مقدس است، به شرط آن‌که چراغ راهش صداقت، تواضع و هدف والا باشد.

📎 #پژوهشگر_متعهد #دانشگاه_زندگی #علم_برای_مردم
📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src

اصطلاح پژوهشی به زبان ساده

🎯 Double Blind Review یعنی چی؟

یعنی داور نمی‌دونه نویسنده کیه، نویسنده هم نمی‌دونه داور کیه! 😎

✅ چرا؟
تا مقاله فقط بر اساس کیفیتش داوری بشه، نه اسم نویسنده یا دانشگاهش.

📚 این روش توی مجله‌های معتبر استفاده می‌شه چون:

جلوی تعارف و طرفداری رو می‌گیره

باعث می‌شه داوری منصفانه‌تر باشه


🧠 اگه مجله‌ای گفت داوری‌مون Double Blind هست، بدون که قراره کارت قضاوت شه، نه اسمت! 🙌

#DoubleBlindReview
#داوری_علمی
#پژوهش_پاک
#اصطلاح_پژوهشی
#دانشجو_پژوهشگر


📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src

🎯 سؤال ریویوِر | شماره ۳

❓ چرا این متغیر رو اندازه‌گیری نکردی؟ خیلی مهمه!

🧠 بعضی داورا به یه متغیر خاص حساس می‌شن و می‌پرسن چرا اون‌و نگرفتی.

✅ جواب پیشنهادی:

> اون متغیر خارج از هدف اصلی مطالعه‌مون بود. سعی کردیم تمرکز رو روی متغیرهای کلیدی بذاریم تا تحلیل دقیق‌تر باشه.



📌 نکته:
همه چیزو نمی‌شه تو یه پژوهش جا داد. مهم اینه که هدفت مشخص باشه! 🎯📄


📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src

🌿 #یادداشت_روز | تأمل امروز

💬 "نظام سلامت، بدون مهر پرستار، ناقص می‌ماند."
— یک استاد دانشگاه

🔹 در کتاب درسی شاید نامی از عشق نیاید، اما در دل هر پرستار، صفحه‌ای لبریز از آن نوشته شده است.

📎 #پرستاری #تعهد_حرفه‌ای #دانشجوی_علوم_پزشکی
📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src

🎬 امروز می‌خوام قدرت هوش مصنوعی توی فیلم‌سازی رو بهتون نشون بدم...

این ویدیویی که می‌بینید، با هوش مصنوعی ساخته شده.
داستانش برمی‌گرده به زمانی که دنیا ایستاد، شهرها ساکت شدن و آدم‌ها از پشت ماسک همدیگه رو تماشا می‌کردن: دوران کرونا.

🤖 از انتخاب نماها تا روایت داستان، همه‌چی توسط AI انجام شده.
البته هنوز یه‌سری ایرادای کوچیک داره، چون هوش مصنوعی هم مثل یه دانش‌آموز تازه‌کار، در حال یادگیریه...

🧠 تکنولوژی داره آینده‌ی هنر رو عوض می‌کنه. این فقط یه شروعه...

- تیم تولید محتوای کمیته تحقیقات دانشجویی دانشکده پرستاری گرمی 🌱

صبح داشتم یکی از کارهای تحقیقاتی دکتر عبدالحمید مینوچهر (از شهیدان علم هسته‌ای) رو مطالعه می‌کردم. بار اول که مقاله رو خوندم، حس می‌کردم دارم یه زبان جدید می‌بینم؛ پر از اصطلاحات و مفاهیم ناآشنا بود. 🧐
اما از اونجایی که کنجکاوی، قدرتمندترین موتور محرک ذهنه 😉 با چند بار خوندن و البته کمک گرفتن از هوش مصنوعی، کم‌کم تونستم به عمق تفکر این دانشمند بزرگ نزدیک بشم.

📍خلاصه مقاله، به زبان خیلی ساده، این بود:
تحقیق در مورد یکی از پرکاربردترین فلزات صنعتی یعنی نیکل بود. می‌خواستن بفهمن که وقتی نقص‌های بسیار ریز (در حد جای خالی به اندازه یه اتم!) توی ساختار این فلز ایجاد می‌شه، چه تأثیراتی روی خواص کلیدی‌ش مثل استحکام، سختی و حتی نحوه هدایت گرما میذاره.

📍و اما راهکار هوشمندانه‌‌شون چی بود؟
به جای انجام آزمایش‌های فیزیکی بی‌شمار که هم فوق‌العاده گرون هستن و هم بسیار زمان‌بر، دکتر مینوچهر و همکارانشون از یه روش پیشرفته به اسم شبیه‌سازی کامپیوتری (دینامیک مولکولی) استفاده کرده بودن.

🔴 اسم نرم افزاری که استفاده کردن: LAMMPS

📍این نرم‌افزار شبیه‌ساز به چه دردی می‌خوره؟
فکر کنید یه آزمایشگاه مجازی دارید! این نرم‌افزار به دانشمندان اجازه میده تا مواد رو در ابعاد اتمی توی کامپیوتر بسازن، به اون مواد نیرو وارد کنن، حرارت بدن و رفتار ماده رو زیر نظر بگیرن. با این کار میتونن با هزینه‌ای نزدیک به صفر و توی زمان بسیار کم، پیش‌بینی کنن که مثلاً یک آلیاژ داخل بال هواپیما یا داخل راکتور هسته‌ای بعد سال‌ها کار کردن، چه عملکردی میتونه داشته باشه.

🟢 بهترین راه برای زنده نگه داشتن میراث شهدای علم، شاید همین باشه که ما هم دست از کنجکاوی و یادگیری برنداریم و نذاریم چراغی که روشن کردن، خاموش بشه. ✨

- تیم تولید محتوای کمیته تحقیقات دانشجویی دانشکده پرستاری گرمی 🌱

خب...
حالا اگر ذهن یه پژوهشگر فعال باشه، احتمالاً با خوندن این مطلب یه سوال مهم تو ذهنش جرقه می‌زنه: "آیا میشه از نرم‌افزارهایی شبیه این توی حوزه پزشکی هم استفاده کرد؟" 🤔
باید بگم که جوابش بله هست.
طبق منابعی که من بررسی کردم، نرم‌افزارهایی مثل Monolix با همین رویکرد طراحی شدن؛ که برای شبیه‌سازی و پیش‌بینی اثر داروها روی بدن انسان استفاده میشن.
اما نکته‌ای که باید بدونیم اینه که هرچند این نرم‌افزارها کاربردهای خیلی جذابی دارن، اما هنوز توی این مسیر با یه‌سری محدودیت‌ها و چالش‌ها مواجه هستیم.

پس مسیر بازه، اما هنوز کامل هموار نشده 🕊️
(اگه حواستون جمع باشه، اینجا یه سرنخ برای پروژه‌های بلندپروازانه بهتون دادم 😉)

- تیم تولید محتوای کمیته تحقیقات دانشجویی دانشکده پرستاری گرمی 🌱

🌿 #یادداشت_روز | تأمل امروز

💬 "علم را نه برای مدرک، که برای نجات انسان‌ها بیاموز."
— دکتر حسابی

🔹 ما دانشجوی علوم پزشکی هستیم؛ یعنی آموختن‌مان باید به درد زندگی آدم‌ها بخورد، نه فقط امتحان.

📎 #آموزش_هدفمند #اخلاق_علمی #پزشکی_برای_مردم
📍 روابط عمومی کمیته مرکزی تحقیقات و فناوری دانشجویی
🆔 @arums_src