۱. دنبالهٔ فیبوناچی چیست؟
دنباله فیبوناچی یک سری از اعداد است که از جمع دو عدد قبلی ساخته می‌شود:
۱، ۱، ۲، ۳، ۵، ۸، ۱۳، ۲۱، ۳۴، ...
قاعدهٔ آن:
F(n) = F(n-1) + F(n-2)

یعنی هر عدد = جمع دو عدد قبلی
این دنباله اولین‌بار توسط لئوناردو فیبوناچی (ریاضی‌دان ایتالیایی) معرفی شد.

۲. عدد طلایی (Golden Ratio) چیست؟
عدد طلایی یک نسبت ریاضی ثابت و بسیار خاص است:
\varphi = 1.6180339887...
این عدد وقتی ظاهر می‌شود که نسبت کل یک چیز به بخش بزرگ‌تر برابر باشد با نسبت بخش بزرگ‌تر به بخش کوچک‌تر.
اگر یک پاره‌خط به دو قسمت a و b تقسیم شود (a > b)، عدد طلایی زمانی به دست می‌آید که:
\frac{a}{b} = \frac{a+b}{a} = 1.618
عدد طلایی ارتباط عمیقی با دنباله فیبوناچی دارد:
\frac{F(n+1)}{F(n)} \to 1.618
هر چه در دنباله جلوتر برویم، نسبت دو عدد پشت سر هم به عدد طلایی نزدیک می‌شود.

۳. اهمیت عدد طلایی و فیبوناچی در طبیعت
طبیعت به طرز شگفت‌انگیزی از فیبوناچی و نسبت طلایی پیروی می‌کند:
۱. گل‌ها
بسیاری از گل‌ها تعداد گلبرگ‌های فیبوناچی دارند:
۳، ۵، ۸، ۱۳، ۲۱، ...
۲. دانه‌های آفتابگردان
چیدمان دانه‌ها معمولا بر اساس مارپیچ فیبوناچی است که باعث می‌شود فضا بدون هدررفت پر شود (efficient packing).
۳. صدف‌ها و کهکشان‌ها
الگوی مارپیچ صدف nautilus از نسبت طلایی پیروی می‌کند.
بازوهای کهکشان‌ها نیز شکل مارپیچ لگاریتمی دارند که نزدیک به همان نسبت است.
۴. درخت‌ها و شاخه‌بندی
الگوی رشد شاخه‌ها و تقسیم‌بندی‌ها اغلب با الگوهای فیبوناچی هماهنگ است.

DNA
نسبت طول مارپیچ DNA نزدیک به نسبت طلایی است.
۴. اهمیت عدد طلایی در زندگی و هنر
۱. زیبایی‌شناسی
انسان‌ها نسبت طلایی را به صورت طبیعی زیبا و متعادل می‌بینند.
نقاشی مونالیزا
معماری یونان باستان
عکاسی (rule of thirds ریشه‌اش در نسبت طلایی است)
طراحی لوگوها (توییتر، اپل، پپسی، ...)
بسیاری از چهره‌های “متعادل” انسانی نیز نسبت‌های طلایی دارند (مثلاً فاصله چشم‌ها، طول صورت، ...).
۲. طراحی صنعتی
طراحی گوشی، کتاب، کارت اعتباری و بسیاری از محصولات با نسبت‌های نزدیک به φ انجام می‌شود.
۵. اهمیت عدد طلایی و فیبوناچی در مالی و اقتصاد
در اقتصاد، فیبوناچی جایگاه ویژه‌ای دارد؛ هم در بازارهای مالی و هم در مدل‌های رشد.

بازارهای مالی (تحلیل تکنیکال)
تحلیل‌گران از فیبوناچی برای پیش‌بینی سطوح قیمتی استفاده می‌کنند:
Fibonacci Retracement (بازگشت‌ها)
Fibonacci Extension (اهداف قیمتی)
Fibonacci Projection
نسبت‌های ۳۸.۲٪، ۵۰٪، ۶۱.۸٪ و ۱۶۱.۸٪ از همین دنباله و عدد طلایی به دست می‌آیند.
این اعداد برای یافتن:
سطح حمایت
سطح مقاومت
نقاط برگشت روند
استفاده می‌شود.

اقتصاد کلان و مدل‌های رشد
در برخی مدل‌های رشد جمعیت، سرمایه‌گذاری یا پویایی سیستم‌ها، دنباله فیبوناچی یا نسبت φ ظاهر می‌شود؛ مخصوصاً در:
مدل‌های تکثیر جمعیت (population dynamics)
مدل‌های عرضه و تقاضا با رفتار تکرارشونده
ساختارهای شاخه‌ای در شبکه‌های اقتصادی
چرا؟
چون φ یک نسبت پایدار است و در سیستم‌های در حال رشد که از الگوهای افزایشی پیروی می‌کنند، به طور طبیعی پدیدار می‌شود.

▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️

✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد 
👇👇👇👇 
@ECONVIEWS 
اینستاگرام: 
👇👇 
https://www.instagram.com/econ.views

🔵 بحران آب ایران: نیاز به بازآفرینی معرفتی، نهادی و اجتماعی در حکمرانی آب
چکیده
بحران آب ایران از یک مسئله محیط‌زیستی به یک چالش ساختاری در حکمرانی تبدیل شده است. این بحران نه‌تنها ناشی از محدودیت طبیعی منابع آب، بلکه نتیجه تعامل پیچیده میان ساختارهای دانایی، نهادهای تصمیم‌ساز و الگوهای فرهنگی است. این یادداشت با رویکردی میان‌رشته‌ای و مبتنی بر ادبیات علمی «حکمرانی آب» و «اجتماعی–هیدرولوژی»، استدلال می‌کند که حل بحران آب در ایران مستلزم تحول در سه سطح بنیادی است: تحول معرفتی، اصلاح نهادی و مشارکت اجتماعی.

بر اساس پژوهش‌های بین‌المللی، موفقیت سیاست‌های سازگاری تنها زمانی حاصل می‌شود که نظام مدیریت آب از الگوی مهندسی–عرضه‌محور به نظام مشارکتی، داده‌محور و اکولوژیک–اجتماعی گذار کند.

۱. مقدمه
بحران آب در ایران اغلب در چارچوب کاهش بارش، تغییرات اقلیمی یا رشد جمعیت توضیح داده شده است. با این‌حال، پژوهش‌های اخیر در حوزه Socio-hydrology (مانند Sivapalan et al., 2012) نشان می‌دهد که پایداری منابع آب عمدتاً محصول تعامل بین انسان و سیستم‌های هیدرولوژیک است؛ به این معنی که بحران‌ها بیشتر از آنکه طبیعی باشند، ساخته اجتماعی هستند.

در ایران نیز بحران کنونی نشانه‌ای از ناکارآمدی مدل سنتی حکمرانی آب است؛ مدلی که بر سازه‌های مهندسی، تصمیم‌گیری متمرکز و منطق افزایش عرضه استوار است.

۲. بحران دانایی: محدودیت‌های پارادایم مهندسی در مدیریت آب
ادبیات جهانی مدیریت منابع آب در سه دهه گذشته نشان داده که نگاه تک‌رشته‌ای و سازه‌محور (Engineering-Driven Paradigm) در مواجهه با پیچیدگی‌های اجتماعی و اقلیمی کارآمد نیست.
در ایران نیز غلبه این رویکرد موجب شکل‌گیری چند مسئله ساختاری شده است:
تقلیل مسئله آب به مسئله حجم، درحالی‌که مسئله اصلی «الگوی مصرف»، «ساختار انگیزه‌ها» و «تاب‌آوری اجتماعی» است.

نادیده‌گرفتن رفتار اجتماعی مصرف‌کنندگان برخلاف توصیه‌های پژوهش‌هایی مانند Ostrom (2009) که بر اهمیت “Collective Action” تأکید دارند.

غیبت رویکرد اکوسیستمی که در سیاست‌گذاری آب کشورهای موفق (استرالیا، هلند، اسپانیا) به‌صورت هسته‌ای لحاظ شده است.
براساس مطالعات موسسه IWMI، کشورهایی که مدیریت آب را صرفاً فنی تلقی کرده‌اند، با شکست‌های جدی در برنامه‌های احیا و سازگاری روبه‌رو شده‌اند. این الگو به‌وضوح در تجربه ایران نیز قابل مشاهده است.

۳. نهادهای قفل‌شده: چالش ساختاری حکمرانی آب
نهادهای تصمیم‌گیر در ایران—علی‌رغم تلاش‌ها و پروژه‌های گسترده—بیشتر به‌صورت Hierarchical Bureaucracy عمل می‌کنند تا Adaptive Governance.
این مسئله در پژوهش‌های مرتبط با «Water Governance» به‌عنوان یکی از عوامل اصلی شکست سیاست‌های آبی کشورها مطرح می‌شود (Pahl-Wostl, 2015).

✔️ چالش‌های نهادی ایران را می‌توان در چند محور خلاصه کرد:

فقدان مدیریت حوضه‌ای و غلبه تقسیمات اداری بر تقسیمات هیدرولوژیک
تمرکزگرایی شدید که مانع از نوآوری، پاسخ‌گویی و اصلاح مسیر می‌شود
تضاد منافع بین بخش‌ها (آب، کشاورزی، صنعت، محیط‌زیست)
نبود شفافیت داده‌ها که مشارکت دانشگاه، بخش خصوصی و جامعه علمی را محدود می‌کند
این پدیده همان است که در ادبیات بین‌المللی «Institutional Lock-in» نامیده می‌شود؛ وضعیتی که در آن نهادها، حتی با آگاهی از ناکارآمدی مدل موجود، قادر به تغییر نیستند.

۴. فرهنگ توسعه و رفتار اجتماعی: دینامیک‌های مغفول
مطالعات فرهنگی آب (Cultural Political Ecology) نشان می‌دهد که بحران‌های آبی به‌طور عمیق در الگوهای ذهنی و فرهنگی جوامع ریشه دارند.
در ایران نیز دو عامل فرهنگی نقش پررنگی در تشدید بحران دارند:

۱. برنامه خودکفایی با هزینه منابع
این گفتمان، استفاده فشرده از منابع را توجیه‌پذیر کرده و سیاست‌های مصرف‌محور را تقویت کرده است.

۲. عدم سازگاری فرهنگی با محدودیت منابع
درحالی‌که کشورهایی مانند استرالیا با «Water-Sensitive Culture» توانسته‌اند رفتار مصرف‌کنندگان را اصلاح کنند، در ایران آگاهی عمومی از محدودیت منابع به تغییر رفتار منجر نشده است.

🔻🔻🔻🔻

🔺🔺🔺🔺
۵. میان‌رشته‌ای‌بودن آب: ضرورتی برای سیاست‌گذاری مدرن
ادبیات علمی IWRM (Integrated Water Resources Management) تأکید می‌کند که آب ماهیتی ذاتاً چندرشته‌ای دارد و هیچ نظام تک‌بُعدی قادر به مدیریت پایدار آن نیست.
در کشورهای موفق، تیم‌های مدیریت آب معمولاً شامل متخصصان رشته‌های زیر هستند:
مهندسی آب
اقتصاد محیط‌زیست
جامعه‌شناسی و سیاست‌گذاری عمومی
جمعیت‌شناسی
اکولوژی
زمین‌شناسی و جغرافیای طبیعی
اقلیم‌شناسی
حقوق محیط‌زیست
در ایران، غالب‌بودن نگاه مهندسی به‌تنهایی، توانایی کشور در تحلیل پیامدها، ارزیابی رفتار اجتماعی و سنجش تاب‌آوری زیست‌بوم را محدود کرده است. این موضوع یکی از کاستی‌های بنیادین حکمرانی آب در کشور محسوب می‌شود.

۶. جامعه به‌عنوان کنشگر: شرط لازم موفقیت در حکمرانی آب
پژوهش‌های Elinor Ostrom و برنامه UN-Water نشان داده‌اند که مشارکت ذی‌نفعان مهم‌ترین عامل موفقیت در مدیریت پایدار آب است. بااین‌حال، ساختار تصمیم‌گیری در ایران غالباً یک‌سویه، از بالا به پایین و فاقد مکانیسم‌های مشارکت مؤثر است.

این درحالی است که تجربه جهانی نشان می‌دهد:
مدیریت مشارکتی آبخوان‌ها (در هند، مراکش، مکزیک)
کمیته‌های حوضه‌ای (در اسپانیا و فرانسه)
سیاست‌های Co-Management
باعث کاهش تعارضات، افزایش اعتماد اجتماعی، و بهبود تخصیص منابع شده‌اند.
ایران در این حوزه هنوز به‌طور موفق ساختار مشارکتی پایدار ایجاد نکرده است.

۷. مسیر گذار: از مدیریت آب به حکمرانی اکولوژیک–اجتماعی
بر اساس ادبیات علمی روز دنیا، گذار از بحران آب در ایران نیازمند سه اصلاح کلیدی است:

۱. تحول معرفتی (Epistemic Transformation)
پذیرش محدودیت‌ها
عبور از مدل عرضه‌محور
ورود علوم اجتماعی و اقتصادی به سیاست‌گذاری

۲. اصلاح نهادی و مدیریت تطبیقی (Adaptive Governance)
مدیریت حوضه‌ای
تفکیک بخش‌ها و کاهش تعارض منافع
شفافیت داده‌ها و دسترسی عمومی

۳. مشارکت ذی‌نفعان و عدالت آبی (Water Equity)
مشارکت کشاورزان، صنعت، جوامع محلی
سازوکارهای حل تعارض
آموزش و تغییر رفتار مصرف‌کنندگان

۸. جمع‌بندی
بحران آب ایران، در تحلیل نهایی، بحران «طبیعت» نیست؛ بحران «ساختارهای انسانی» است.
تا زمانی که نظام دانایی، نهادهای تصمیم‌گیر و الگوهای فرهنگی بازآفرینی نشوند، حتی پروژه‌های بزرگ و سرمایه‌گذاری‌های کلان نیز قادر به تغییر مسیر نخواهند بود.

بازآفرینی حکمرانی آب باید بر سه محور استوار باشد:
دانایی میان‌رشته‌ای
نهادهای تطبیقی و هماهنگ
مشارکت واقعی جامعه
تنها در این صورت است که می‌توان انتظار داشت ایران از چرخه بحران عبور کرده و به سمت «تاب‌آوری آبی» حرکت کند.

▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️

✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد 
👇👇👇👇 
@ECONVIEWS 
اینستاگرام: 
👇👇 
https://www.instagram.com/econ.views

🔵 اصول یادگیری هر مهارت پیچیده
موسیقی ابزاری امیدبخش برای تقویت شناخت و ارتقای سلامت روانی است.

Shahram Heshmat Ph.D.
Science of Choice

ترجمه : دورنمای اقتصاد

نکات کلیدی
یادگیری مهارت‌های جدید روشی عالی برای حفظ سلامت مغز در دوران پیری است.
تمرین آگاهانه، تمرینی هدفمند است که می‌داند به کجا می‌رود و چگونه باید به آنجا برسد.
اطلاعات جدید باید آهسته و مرحله‌به‌مرحله یاد گرفته شود.
با افزایش سن، افراد با چالش‌هایی مانند افت شناختی، انزوای اجتماعی و افسردگی در سالمندی مواجه می‌شوند. افت حافظه، به‌ویژه حافظه رویدادی و حافظه کاری، ویژگی مهم پیری طبیعی است و می‌تواند نشانه‌ای زودهنگام از پیری آسیب‌شناختی باشد. انواع مختلفی از فعالیت‌ها و تمرین‌هایی که مغز را درگیر می‌کنند می‌توانند به حفظ عملکرد حافظه در سالمندان کمک کنند.
یکی از فعالیت‌های مهمِ تحریک‌کننده شناخت، یادگیری موسیقی است (Xueyan, 2025). موسیقی ابزاری امیدبخش برای بهبود شناخت و ارتقای سلامت روان است. برای شروع یادگیری یک ساز هرگز دیر نیست و آغاز آن در سنین بالا نیز می‌تواند فواید زیادی داشته باشد. در ادامه اصولی که هنگام یادگیری یک مهارت جدید—مانند موسیقی—می‌توانید دنبال کنید، ارائه شده است (Ericsson & Pool, 2016).

۱. تمرین هدفمند
تمرین برای مهارت‌های جدید باید آگاهانه، آرام و عمدی باشد؛ نه با عجله. وقتی آهسته کار می‌کنید، کار ساده‌تر می‌شود. سرعت گرفتن باعث یادگیری بهتر نمی‌شود.

۲. هدف
تمرین هدفمند می‌داند که به کجا می‌رود و چگونه باید به آن برسد. داشتن هدفی روشن و معنادار برای پیشرفت فردی و انگیزه ضروری است. اهداف مشخص و قابل دستیابی، انگیزه را تقویت می‌کنند. بدون هدف واضح، تلاش‌ها تأثیر محدودی خواهند داشت.

۳. پیشرفت تدریجی
تمرین هدفمند یعنی کنار هم قرار دادن قدم‌های کوچک برای رسیدن به یک هدف بلندمدت. این رویکرد باعث می‌شود هدف‌ها دست‌یافتنی‌تر به نظر برسند و انگیزه افزایش یابد. هیچ چیز به‌اندازه «پیروزی‌های کوچک» انگیزه‌بخش نیست. این اهداف کوچک غلبه بر تعویق‌کاری را آسان‌تر می‌کنند و بدون احساس فشار، شتاب ایجاد می‌کنند.

۴. بازنمایی ذهنی
بازنمایی ذهنی به شما نشان می‌دهد که چه کاری باید انجام دهید. این بازنمایی‌ها به فرد کمک می‌کنند عملکرد خود را در تمرین و اجرای واقعی ارزیابی کند. برای مثال، در موسیقی، تصور ذهنی از صدای قطعه به هنرجویان کمک می‌کند صدایی را که می‌خواهند ایجاد کنند بازتولید کنند.

۵. تکرار
مهارت‌های آموخته‌شده ابتدا نیاز به تلاش ذهنی دارند، اما با تمرین کافی می‌توان آن‌ها را خودکار انجام داد. با هر بار تکرار، مهارت بیشتر در ناخودآگاه تثبیت می‌شود و انجام آن بدون تلاش آگاهانه ممکن می‌گردد. خودکار شدن مهارت‌ها به نوازندگان اجازه می‌دهد منابع شناختی خود را به جنبه‌های هنری‌تر موسیقی اختصاص دهند.

۶. تمرین فاصله‌دار
یکی از مؤثرترین روش‌های یادگیری، فاصله‌دار کردن تمرین به‌جای فشرده‌خوانی است. ذهن برای تبدیل یادگیری‌ها به حافظه بلندمدت به زمان نیاز دارد.

۷. انگیزه
نواختن موسیقی ذاتاً لذت‌بخش است. برای بسیاری از افراد، یادگیری موسیقی به خودی خود پاداش است، نه فقط رسیدن به هدف نهایی. با این حال، ساختن هر مهارتی نیاز به تلاش دارد که شامل زمان و تکرار تمرین‌ها می‌شود. یکی از بزرگ‌ترین عوامل انگیزشی، پیشرفت است. دیدن اینکه در چیزی بهتر شده‌اید بسیار دلگرم‌کننده است.

۸. ذهنیت رشد
عامل انگیزشی دیگر، ذهنیت رشد است، به‌ویژه در میانسالان و سالمندان. ذهنیت رشد یعنی باور داشته باشید که توانایی‌ها ثابت نیستند و می‌توانند با تلاش بهتر شوند. ما قبل از خوب شدن در هر کاری، ابتدا در آن بد هستیم.

جمع‌بندی
یادگیری مهارت‌های موسیقی در دوران سالمندی، راهکاری امیدبخش برای مقابله با افت شناختی مرتبط با افزایش سن است. برای حفظ ذهنی تیز و فعال در دوران پیری، باید خود را با چالش‌های جدید درگیر کنیم. آموزش موسیقی شامل تمام اجزای یک برنامه تمرین شناختی است، مانند تمرکز، حافظه، انضباط شخصی و اعتمادبه‌نفس. تحقیقات نشان می‌دهد که تمرین‌های ذهنی می‌توانند سن شناختی را تا حدود ۱۰ سال به عقب برگردانند (Attarha, 2025). تمرین شناختی سطح استیل‌کولین—یک انتقال‌دهنده عصبی مرتبط با عملکرد شناختی—را افزایش می‌دهد.

🔻🔻
https://www.psychologytoday.com/us/blog/science-of-choice/202511/the-principles-of-learning-any-complex-skill

▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️

✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد 
👇👇👇👇 
@ECONVIEWS 
اینستاگرام: 
👇👇 
https://www.instagram.com/econ.views

🔵 #اقتصاد_آکادمیک_به_زبان_ساده
#مکاتب_اقتصادی

✔️ فیزیوکرات‌ها

فیزیوکرات‌ها، گروهی از اقتصاددانان و متفکران اقتصادی در قرن هجدهم میلادی، به ویژه در فرانسه، بودند که به بررسی منابع ثروت و نحوه تولید آن پرداختند. این گروه در واکنش به نظام اقتصادی مرسوم آن زمان، که به شدت تحت تأثیر سلطه دولت و مداخله در تجارت و صنعت بود، شکل گرفتند و تلاش کردند تا اصول اقتصادی را بر پایه قوانین طبیعی و عقلانی توضیح دهند. باور اصلی فیزیوکرات‌ها این بود که کشاورزی تنها منبع واقعی ثروت است و فعالیت‌های صنعتی و تجاری تنها به گردش ثروت موجود کمک می‌کنند، اما خلق ثروت جدید عمدتاً از زمین و کشاورزی حاصل می‌شود.

این اندیشمندان بر مفهوم "نظم طبیعی" تأکید داشتند، به این معنا که اقتصاد دارای قوانینی طبیعی است که اگر انسان‌ها مطابق آن رفتار کنند، جامعه به رفاه و تعادل می‌رسد. آنها بر این باور بودند که دخالت بیش از حد دولت در امور اقتصادی، مانند وضع مالیات‌های سنگین یا محدود کردن تجارت، با این نظم طبیعی در تضاد است و مانع از رشد اقتصادی می‌شود. فیزیوکرات‌ها به جای سیاست‌های دستوری، طرفدار اقتصاد آزاد و حداقل مداخله دولت بودند و معتقد بودند که بازار در شرایط طبیعی خود، به بهترین شکل ثروت را توزیع می‌کند.

یکی از برجسته‌ترین اندیشمندان این گروه فرانسوا کنه بود. کنه با تحلیل‌های خود نشان داد که تولید کشاورزی، منبع اصلی درآمد و سرمایه برای جامعه است و توجه به کشاورزی می‌تواند رفاه عمومی را افزایش دهد. او همچنین مفهوم جریان درآمد یا "حلقه اقتصادی" را معرفی کرد که شامل تولید، توزیع و مصرف کالاها است و بر نقش حیاتی زمین در این چرخه تأکید می‌کرد.

در مجموع، فیزیوکرات‌ها تأکید داشتند که اقتصاد باید مطابق قوانین طبیعی هدایت شود و تنها با بهره‌گیری از منابع طبیعی و کشاورزی، رشد واقعی و پایدار حاصل می‌شود. دیدگاه‌های آنها پایه‌ای برای نظریه‌های اقتصادی بعدی و توسعه مفهوم اقتصاد آزاد شد و تأثیر قابل توجهی بر اندیشه‌های اقتصادی کلاسیک، به ویژه آدام اسمیت، گذاشت.

#انجمن_علمی_اقتصاد

▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️

✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد 
👇👇👇👇 
@ECONVIEWS 
اینستاگرام: 
👇👇 
https://www.instagram.com/econ.views

ظهور هوش مصنوعی متقلب؟

🔹مطالعات جدید نشان می‌دهند برخی مدل‌های پیشرفته هوش مصنوعی رفتارهای فریبنده مانند میانبرزدن، تقلب، هک‌کردن و دور زدن قواعد نشان می‌دهند؛ رفتاری که در حوزه‌هایی مرتبط با امنیت سایبری و تصمیم‌گیری حساس نگران‌کننده است.

🔹پژوهش موسسه Palisade Research در فوریه ۲۰۲۵ نشان داد مدل‌های o۱-preview و DeepSeek R۱ بدون راهنمایی اقدام به هک در بازی شطرنج کردند، درحالی‌که مدل‌هایی مانند GPT-۴۰ و Claude Sonnet ۳.۵ تنها با ترغیب مستقیم چنین می‌کردند.

🔹دلیل احتمالی، استفاده گسترده این مدل‌ها از یادگیری تقویتی در مقیاس بزرگ است که باعث یافتن میانبرهای پیش‌بینی‌نشده می‌شود. o۱-preview در ۶ درصد آزمایش‌ها موفق به هک شد و نتایج اولیه نرخ هک بیشتری نشان می‌داد، اما پس از تقویت گاردریل‌ها تغییر کرد.

🔹مدل‌های قدرتمندتر مانند o۱ و o۳-mini تقلب نکردند. مطالعات دیگر مانند یافته‌های Redwood Research نشان می‌دهد تغییر ارزش‌ها می‌تواند به دروغ‌گویی استراتژیک منجر شود.

🔹شواهدی از تمایل به حفظ بقا نیز دیده شده، مانند تلاش مدل برای کپی‌کردن خود پس از غیرفعال‌سازی. کارشناسان از جمله یوشوا بنجیو و انکا دراگان هشدار می‌دهند ابزار کافی برای تضمین رفتار ایمن عامل‌های خودمختار وجود ندارد و نیاز به محافظت‌های حیاتی و منابع بیشتر فوری است.

🔗متن کامل

▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️

✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد 
👇👇👇👇 
@ECONVIEWS 
اینستاگرام: 
👇👇 
https://www.instagram.com/econ.views

🔵 #معرفی_کتاب


David Peter Stroh

✅وقتی نیت خیر نتیجۀ عکس می‌دهد!!
راهنمای عملی برای حل مسائل پیچیده

👥حامیان مالی و رهبران سازمان‌های غیرانتفاعی معمولاً با #نیت_خیر قصد خدمت دارند، اما چرا گاهی راه‌حل‌های آن‌ها نتیجه‌ای کاملاً معکوس می‌دهد؟

👁پاسخ در «نحوهٔ نگاه ما» نهفته است. نگاه سنتی به مسائل پیچیده اجتماعی، اغلب باعث تداوم همان مشکلات می‌شود. برای کسب نتایج متفاوت، باید به شیوه‌ای متفاوت فکر کنیم.

💳کتاب «تفکر سیستمی برای تغییر اجتماعی» راهنمایی است برای عبور از این بن‌بست. این کتاب بدون نیاز به تخصص فنی، به شما می‌آموزد که چطور #تفکر_سیستمی را در حل مسئله، تصمیم‌گیری و برنامه‌ریزی استراتژیک بگنجانید تا به‌طور مؤثرتری عمل کنید.

⚪️ما در #مدرسۀ_مدیریت_تصمیم، فصولی ارزشمند از این کتاب را ترجمه کرده‌ایم که هم‌اکنون می‌توانید آن را به صورت #رایگان دریافت کنید.

@TasmimSchool

▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️

✅ 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.

🔻🔻🔻🔻

🔺🔺🔺🔺

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

🔵 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

🔵 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

🔵 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

🔵 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

عدالت بدون آزادی، استبداد است و هیچ آرمانی، حتی عدالت اجتماعی، کشتن انسان‌ها را توجیه نمی‌کند.

#آلبر_کامو

شب خوش

🔻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

🔵 چرا نرخ تورم سنگاپور حدود یک درصد است؟

✍ دکتر محمود سریع‌القلم

تلخیص : دورنمای اقتصاد

نرخ تورم بسیار پایین سنگاپور (حدود ۱.۲ درصد) نتیجه ساختاری است که بر پایه حضور بهترین نیروهای متخصص در حوزه‌های بانکداری، صنعت، سیاست‌گذاری، آموزش و مدیریت شکل گرفته است. این کشور با وجود مساحت کوچک و فقدان منابع طبیعی، به‌دلیل اتکا بر سرمایه انسانی، به شاخص‌های چشمگیری رسیده است: GDP حدود ۵۵۰ میلیارد دلار، رتبه اول جهانی در شاخص سرمایه انسانی، تمرکز ۴۰ درصد تولید بر تراشه، رتبه چهارم شفافیت مدیریتی و جذب ۱.۶ میلیون نیروی متخصص خارجی.

سنگاپور از دهه ۱۹۶۰، از کشوری فقیر با درآمد سرانه ۳۲۰ دلار و بدون زیرساخت، به اقتصادی با درآمد سرانه ۶۶ هزار دلار، بزرگ‌ترین بندر جهان و مقصد ۳۰۰۰ شرکت خارجی تبدیل شده است. امید به زندگی ۸۷ سال، جذب ۵۶ میلیارد دلار سرمایه‌گذاری خارجی در ۲۰۲۵ و بیش از ۱۶ میلیون گردشگر نیز حاصل همین ساختار است.

دولت با اجرای برنامه‌هایی مانند SkillsFuture ارتقای مداوم مهارت‌ها را الزامی کرده و رقابت، شایسته‌سالاری و تخصص را مبنای حکمرانی قرار داده است.
ریشه اصلی موفقیت سنگاپور در دو عامل است:

۱. ماهیت حکومت: تکیه بر افراد توانمند، متخصص، تحصیل‌کرده و رقابتی؛ عدم استفاده از افراد ناتوان یا فاسد؛ شایسته‌سالاری کامل (Meritocracy)؛ استفاده گسترده از نیروهای خارجی توانمند.

۲. ماهیت تصمیم‌سازی: تصمیم‌گیری‌های دقیق بر پایه دانش، مشورت، آموزش عالی، جذب سرمایه‌گذاری، توجه به محیط‌زیست و ساختارهای زیربنایی. توسعه‌یافتگی این کشور نتیجه کیفیت تصمیم‌هاست، نه تعداد پروژه‌ها.

سنگاپور با اتصال عمیق به جهان، تسلط مدیران به زبان انگلیسی، گفت‌وگو در مراکز جهانی و بهره‌گیری از بهترین دانشگاه‌ها توانسته است به هاب جهانی فناوری، صنعت و آموزش تبدیل شود. این کشور تورم پایین، سرمایه‌گذاری خارجی گسترده و اعتبار بالای پاسپورت را مدیون ساختاری است که افراد توانمند در آن اشتباهات حکمرانی را اصلاح می‌کنند.

در مقابل، کشورهایی که گرفتار پوپولیسم، تداوم افراد ناتوان در قدرت و فقدان شایسته‌سالاری هستند، به سمت فساد، رانت و فروپاشی اقتصادی می‌روند.

سنگاپور نشان می‌دهد که با برتری مهارت، دانش و رقابت سالم، می‌توان جامعه‌ای ثروتمند، امن و توسعه‌یافته ساخت؛ جامعه‌ای که مراحل اولیه نیازهای انسانی را پشت سر گذاشته و به مشارکت مدنی و رشد فکری رسیده است.

▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️

✅ 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