به نقل از «تسنیم»

مشکل دنیای امروز انحراف علم از اخلاق است

تاریخ انتشار: ۳۰ دی ۱۳۹۷ | کد خبر: ۲۲۴۴۸۶۰۳

حجت‌الاسلام والمسلمین قرائتی با بیان اینکه آموزش نماز نسل نو باید در اولویت باشد و دوره‌های ضمن خدمت برای معلمان می‌تواند در توسعه فرهنگ نماز مؤثر باشد، گفت: مشکل دنیای امروز علم نیست بلکه انحراف علم از اخلاق است. ۳۰ دی ۱۳۹۷ - ۱۶:۴۵ اجتماعی فرهنگیان و مدارس نظرات - اخبار اجتماعی -

به گزارش گروه اجتماعی خبرگزاری تسنیم؛ علیرضا کمرئی، مدیرکل ارزیابی و عملکرد وزارت آموزش و پرورش در جلسه شورای عالی نماز با ارائه گزارشی از وضعیت اقامه نماز در مدارس اظهار کرد: بر اساس ارزیابی‌های انجام‌شده 24 هزار و 197 مدرسه در سامانه الکترونیکی نظارت و ارزیابی نماز مدارس، وضعیت خود را اعلام کردند و منتظریم این آمار به حدود 80 هزار مدرسه برسد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

وی از اجرای طرح نظارت و ارزیابی بر اقامه نماز در مدارس خبر داد و گفت: بر اساس شاخص‌های هجده‌گانه، ارزیابی نهایی از عملکرد مدارس در حوزه نماز انجام خواهد شد و برترین‌ها را مورد تشویق قرار خواهیم داد.

کمرئی ادامه داد: هیچ مدرسه‌ای خارج  از طرح نظارت و ارزیابی قرار نخواهد داشت لذا این سامانه را در سال آینده نیز فعال خواهیم کرد.

عملکرد آموزش‌وپرورش در اقامه نماز هر سال باید بازنگری شود

همچنین حجت‌الاسلام والمسلمین محسن قرائتی در جلسه شورای عالی نماز وزارت آموزش‌ و پرورش اظهار کرد: هر چند آموزش‌ و پرورش هر سال رتبه برتر را در زمینه اقامه نماز بین دستگاه‌های کشور کسب می‌کند اما به دلیل گستردگی این دستگاه ضروری است هر ساله عملکرد این وزارتخانه در خصوص نماز مورد بازنگری قرار گیرد چرا که همچنان راه‌های نرفته زیادی برای اقامه نماز وجود دارد.

رئیس ستاد اقامه نماز کشور ادامه داد: مشکل دنیای امروز علم نیست بلکه انحراف علم از اخلاق است.

حجت‌الاسلام والمسلمین قرائتی با اشاره به فرازهایی از صحیفه سجادیه گفت: باید علت بی‌نمازی را در اعمال و رفتار خود جست‌وجو کنیم.

وی از وجود بیش از 5 هزار معلم به‌ عنوان امام جماعت در مدارس خبر داد و افزود: شایسته است از این معلمان به نحو شایسته تقدیر شود.

رئیس ستاد اقامه نماز کشور خاطرنشان کرد: آموزش نماز نسل نو باید در اولویت باشد و دوره‌های ضمن خدمت برای معلمان می‌تواند در توسعه فرهنگ نماز مؤثر باشد.

وی اضافه کرد: کارهای بسیار خوبی در آموزش‌ و پرورش انجام‌شده که جای تقدیر دارد اما باید خیلی کار کرد و برای پیشگیری از آسیب‌های اجتماعی  باید همواره برای نشر اقامه نماز در نسل جوان تلاش کرد.

حجت‌الاسلام والمسلمین قرائتی افزود: هرچه آسیب‌های اجتماعی بیشتر باشد تلاش برای اقامه نماز نیز باید افزایش یابد.

زنگ نماز دانش‌آموزان/حضور امام جماعت در مدارسستاد اقامه نماز آموزش‌وپرورش به شورای عالی نماز ارتقا یافت

انتهای پیام/

R1014132/P/S2,22/CT12 واژه های کاربردی مرتبط وزارت آموزش و پرورش مدارس دولتی

منبع: تسنیم

کلیدواژه: وزارت آموزش و پرورش مدارس دولتی وزارت آموزش و پرورش مدارس دولتی

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.tasnimnews.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «تسنیم» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۲۴۴۸۶۰۳ 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.