1. خانه

روش کار پذیرینو

پذیرینو استاد را از روی مقاله‌های سه سال اخیرش پیدا می‌کند، نه از روی عنوان کلی صفحه‌ی دانشکده. این صفحه دقیق می‌گوید هر مرحله چه کار می‌کند، چه چیزی را عمداً انجام نمی‌دهد و کجاها ممکن است اشتباه کند.

۱. از علایق شما تا عبارت جستجو

علایق شما معمولاً فارسی است و مقاله‌ها انگلیسی. یک مدل زبانی جمله‌ی شما را به ۲ تا ۴ عبارت جستجوی دقیق تبدیل می‌کند؛ عبارت‌هایی که در عنوان و چکیده‌ی مقاله‌ها می‌آید. به مدل گفته شده موضوعی را که شما نگفته‌اید اضافه نکند. مثلاً «یادگیری تقویتی برای کنترل ربات‌های پادار و انتقال از شبیه‌سازی به دنیای واقعی» می‌شود:

• reinforcement learning legged locomotion
• sim-to-real transfer legged robots
• deep reinforcement learning quadruped control

اگر مدل زبانی در دسترس نباشد، یک واژه‌نامه‌ی بیش از ۳۰۰ اصطلاحی فارسی به انگلیسی همین کار را با دقت کمتر انجام می‌دهد.

۲. پیدا کردن نامزدها

هر عبارت در پایگاه باز OpenAlex (بیش از ۲۵۰ میلیون اثر علمی) جستجو می‌شود؛ فقط مقاله‌ها، پیش‌چاپ‌ها و مقاله‌های مروری سه سال اخیر، و فقط آن‌هایی که نویسنده‌ای از کشورهای مقصد شما دارند. با چهار عبارت تا ۸۰۰ مقاله بررسی می‌شود.

از هر مقاله فقط نویسنده‌های ارشد نامزد می‌شوند، چون معمولاً سرپرست آزمایشگاه‌اند:

وزن هر مقاله به نزدیکی‌اش به موضوع و تازگی‌اش هم بستگی دارد. نسخه‌ی پیش‌چاپ و نسخه‌ی چاپی یک مقاله یک بار حساب می‌شوند. از شش مقاله‌ی برتر هر نفر استفاده می‌شود، با وزن کاهشی، تا پژوهشگرهای خیلی پرکار فقط به‌خاطر تعداد بالا نیایند.

۳. فیلتر و رتبه‌بندی

۱۲۰ نامزد برتر با اطلاعات کامل نویسنده بررسی می‌شوند و این‌ها کنار می‌روند:

• دانشجوها و پست‌داک‌های تازه: کمتر از ۱۲ اثر، یا کمتر از ۵ سال سابقه‌ی انتشار.
• کسانی که رفته‌اند: اگر آخرین وابستگی نفر در کشور دیگری یا در یک شرکت است.
• نهادهای بودجه‌دهنده: وابستگی به نهادهایی مثل Mitacs یا بنیادهای پژوهشی، که دانشگاه نیستند.

استادی که در امسال و سال گذشته هیچ اثری نداشته، امتیازش نصف می‌شود. استادی که حوزه‌ی اصلی‌اش با موضوع شما هم‌خوان نیست، کمی امتیاز از دست می‌دهد. در آخر ۵۰ نفر اول نمایش داده می‌شوند.

۴. نشانه‌ها

چرا فقط بودجه‌ی کشور خود استاد؟ بخش Funding مقاله بودجه‌ی همه‌ی نویسنده‌ها را فهرست می‌کند و بودجه‌ی هم‌نویسنده‌ی خارجی به آزمایشگاه این استاد نمی‌رسد. توضیح بیشتر در راهنمای پوزیشن دکتری فول‌فاند.

۵. پیدا کردن ایمیل استاد

به این ترتیب، و هر مرحله فقط اگر مرحله‌ی قبل چیزی پیدا نکرد:

1. ORCID: ایمیل‌هایی که خود استاد عمومی کرده.
2. Europe PMC: ایمیل نویسنده‌ی مسئول که در متن وابستگی مقاله‌اش آمده. در رشته‌های زیستی و پزشکی تقریباً همیشه پیدا می‌شود.
3. صفحه‌ی شخصی استاد: فقط آدرس‌هایی که به نام خود استاد شبیه‌اند.

هیچ آدرسی حدس زده نمی‌شود. ساختن first.last@university.edu ساده است، ولی ایمیل برگشتی برای شما از ایمیل پیدانشده بدتر است. اگر چیزی پیدا نشد، سه لینک جستجوی آماده می‌گیرید.

۶. نوشتن ایمیل

مدل زبانی سه مقاله‌ی مرتبط استاد را با چکیده‌شان و پروفایل شما را می‌گیرد و ایمیلی ۱۵۰ تا ۲۳۰ کلمه‌ای در چهار پاراگراف می‌نویسد: معرفی با ترم ورود، اشاره به یک مقاله با عنوان دقیق و یک نکته‌ی فنی، سوابق شما، و یک سؤال روشن. کلمه‌هایی مثل fascinated، groundbreaking و renowned ممنوع‌اند و از سوابقی که در پروفایل شما نیست چیزی ساخته نمی‌شود.

هر ایمیل پیش از نمایش با همان قاعده‌های ابزار بررسی ایمیل امتیاز می‌گیرد. اگر اشکال جدی داشت، فهرست اشکال‌ها به مدل برگردانده می‌شود تا یک بار اصلاحش کند. اگر سوابق شما از کار استاد دور باشد، ایمیل و خلاصه‌ی فارسی همین را صادقانه می‌گویند.

ایمیل را خودتان از حساب خودتان می‌فرستید. پذیرینو هیچ ایمیلی به استادها نمی‌فرستد.

۷. محدودیت‌ها

• وابستگی ممکن است قدیمی باشد. پایگاه‌های علمی جابه‌جایی استادها را گاهی دیر نشان می‌دهند. پیش از فرستادن، صفحه‌ی استاد در سایت دانشگاه را ببینید.
• تطابق نسبی است. در جستجویی که کلاً ضعیف است، نتیجه‌ی اول هم ۹۹٪ می‌گیرد.
• رده‌ی دانشگاه از شاخص کل دانشگاه است، نه رتبه‌ی رشته. دانشگاه کوچکی با یک دانشکده‌ی قوی ممکن است «شانس بالاتر» دیده شود.
• پوشش علوم انسانی و هنر در پایگاه‌های مقاله ضعیف‌تر از علوم و مهندسی است.
• پیدا شدن ایمیل به رشته بستگی دارد: در علوم زیستی و پزشکی زیاد، در مهندسی و کامپیوتر کمتر.

منابع داده: OpenAlex، NSF Award Search، NIH RePORTER، ORCID و Europe PMC.