مدت زیادی است که زیرساختهای تکنولوژیکِ آموزشی به سطحی از کیفیت رسیده‌اند که آموزشِ آنلاین توجیه‌پذیر باشد. از آن سو هزینه‌های کلاس‌های حضوری و شهریه در مقاطع آموزش عالی در کشوری مانند آمریکا آنقدر بالاست که گاه غیرموجه به‌نظر می‌رسند. مثلا در حال حاضر یک فارغ التحصیل مقطع کارشناسی در آمریکا با حدود سی‌هزار دلار قرض (حاصل از وام‌های دانشجویی) وارد بازار کار می‌شود. در برخی رشته‌ها این میزان تا صدهزار دلار و بالاتر هم می‌رسد. با چنین بدهی‌ای دشوار است که از یک جوان فارغ التحصیل انتظار ریسک و کارآفرینی داشت. با این حال هنوز عده کثیری، در نقاط مختلف دنیا، کیف و دفتر به دست می گیرند، سر کلاس‌ها حاضر می‌شوند و به همان سبک قدیم درس می‌خوانند. نکته سوال برانگیز در سیاست‌گذاری آموزش این است که چرا علیرغم این همه پیشرفت، و علیرغم هزینه و شهریه هنگفت دانشگاه‌ها (مخصوصا در آمریکا) هنوز قسمت اعظم آموزش عالی دانشگاه‌ها به صورت حضوری و در کلاس‌ها انجام می‌شود. طبیعتا منظورم دوره‌های کوتاه مدت نیست، بلکه مدارک کارشناسی و بالاتر از دانشگاه‌های نسبتا معتبر است.

برای توجیه این پدیده فرضیه‌های زیادی ارائه می‌شود. مثلا: اول) “هیچ چیزی جای تدریس حضوری را نمی‌گیرد.” به این معنی که کیفیتِ آموزش در کلاس حضوری بالاتر است. دوم) به دانشگاه می‌رویم تا شبکه دوستان و آشنایان خود را در صنعت گسترش دهیم. با کلاس آنلاین این ارزش افزوده از آموزش حذف می‌شود. سوم) صرفه آموزش‌های حضوریِ پرهزینه، مثلا در هاروارد و استنفورد، همیشه برای دانشجو آنقدر هست که حاضر به حضور در کلاس باشد. این مقایسه سود و هزینه فقط در برخی رشته‌ها و دانشگاه‌ها مصداق دارد. و دلایل مشابه. این فرضیه‌ها می‌توانند همگی درست باشند. در این فرضیه‌ها، و نمونه‌های شبیه به این، عموما رویکردی منطقی بر اساس هزینه و فایده “فعلی” به مسئله آموزش آنلاین در برابر حضوری می‌شود. و در نهایت افراد سعی می‌کنند به نحوی توجیه کنند که چطور آموزشِ مثلا سالی پنجاه هزار دلار در یک دانشگاه، بازگشت بیشتری نسبت به آموزشِ مثلا سالی پنج هزار دلار آنلاین دارد.

در مقابل نیز، شاید دو گروه وجود داشته باشند. گروه اول که معتقدند، هر چند با سرعت آرام، ولی به آن سمت می‌رویم که کل (یا اکثر) سیستم آموزش عالی به صورت آنلاین شود . فقط منتظر بمانید. معمولا هر گاه این فرضیه ارائه می‌شود، پاسخ این است که “ما این حرف را بیست سال است که شنیده‌ایم. تغییر به کلاس‌ها و کارگاه‌های کوتاه‌مدت و به رشته‌های کم‌طرفدار محدود بوده، و در مقایسه با کل سیستم آموزش عالی، حرکت بسیار آرام و ناچیز است. گروه دوم، به دنبال توضیح دینامیکی برای این پدیده هستند. برای رسیدن به نقطه چرخشی که به سمت کلاس آنلاین برای سیستم آموزش عالی برویم به یک سرمایه‌گذاری نسبتا عظیم از طرف استاد و سیستم آموزش احتیاج داریم. در کوتاه مدت این سرمایه گذاری (و ترک عادت) توجیه‌پذیر نیست. اضافه بر این انسان‌ها سود یک فعالیت بلندمدت را غالبا قربانی فشارکاری روزمره و نیازهای فعلی می‌کنند. به زبان ساده‌تر، یک استاد تمام وقت، فکر می‌کند که چطور، سریع، محتوای درس این ترم را آماده کند، و چطور پروژه پژوهشی را تمام کند، و عموم این تصمیم‌ها در آخرین لحظه‌ها انجام می‌شود، و اگرهم واقف به فواید تطبیق محتوای درسی به کلاس آنلاین باشد، و انگیزه‌ای هم داشته باشد (که عموما ندارد) آن را به آینده‌ای که هیچ وقت نمی‌آید موکول می‌کند.

حال، اتفاق جالبی که در این وانفسای شیوع بیماری کرونا در آمریکا پیش آمده این است که بسیاری از دانشگاه‌ها از این هفته تا پایان ترم تصمیم گرفته‌اند که همه کلاس‌های خود را آنلاین کنند و از دانشجویان بخواهند که در دانشگاه حضور پیدا نکنند. این یعنی حدودا نصف یک ترم. این امر هم عملا به صورتی دستوری به استادان منتقل شده، هرچند شاید بعضی از اساتید هم حالا انگیزه داشته باشند که با ارائه کلاس آنلاین تماس خود را با دانشجویان حداقل کنند. اما می‌توانید تصور کنید که چه فشاری به استادانی که به این شیوه آگاهی ندارند وارد می‌شود، بماند آن‌ها که همیشه فرمول‌های ریاضی خود را با گچ و تخته منتقل می‌کردند. در یک هفته همه باید خود را با سیستم جدید منطبق کنند. این فشار ناگهانی باعث شده همه استادان و سیستم آموزش مجبور شوند که سریع خود را با آموزش آنلاین تطبیق دهند. اساتیدی که تجربه کلاس آنلاین دارند داوطلب شده‌اند و نرم‌افزار رسمی مورد استفاده در دانشگاه را به بقیه یاد می‌دهند. اگر این امر ادامه پیدا کند، و دانشگاه ها باز نشود، در انتهای ترم، ناگهان قسمت عظیمی از مواد آموزشی برای ارائه آنلاین تطبیق داده شده، استادان کار با سیستم آموزش آنلاین را فرا گرفته اند، و همه آن را تجربه کرده‌اند. عده‌ای معتقدند این شاید به همان نقطه چرخش در سیستم آموزش عالی منجر شود، و دانشگاهِ پس از کرونا با دانشگاه پیش از کرونا متفاوت باشد. با لمس کاهش هزینه‌ها، از قِبَل این تغییر، منفعت اقتصادی برای دانشگاه‌هایی که سریع‌تر و بهتر خود را تطبیق دهند ایجاد خواهد شد و در بلندمدت، با افزایش ظرفیت کلاس‌های آنلاین، و با کاهش هزینه‌ها، شاید شهریه‌ها هم کم شود و دانشجوها نیز منتفع بشوند. این‌ها البته همه در حد یک سناریو است. این‌که آیا واقعا به آن نقطه خواهیم رسید نیاز به زمان دارد.

مقاله قبلیمقاله بعدی
دانشیار مهندسی صنایع
Virginia Tech

تاثیر شرایط جوی بر گسترش بیماری کوید نوزده: تخمین‌ها و پیش‌بینی‌ها

رن شو (دانشگاه کانتیکِت)، هژیر رحمانداد (اِم‌آی‌تی)، ماریچی گوپتا (بیمارستانِ MGH)، کترین دی‌جِنارو (بیمارستانِ MGH)، نوید غفارزادگان (ویرجینا تِک)، حسن امینی (دانشگاه کُپِنهاگ) و محمد جلالی (دانشگاه هاروارد و بیمارستانِ MGH)

تماس: محمد جلالی msjalali@mgh.harvard.edu

خلاصه

مقدمه: تحلیل و پیش‌بینیِ روند گسترش بیماری کوید نوزده، نیاز به تخمینِ میزانِ تاثیر شرایط آب و هوایی بر گسترش بیماری دارد. مطالعات گذشته محققین در این زمینه با تناقضاتی در نتایج همراه بوده‌است. در این مقاله، نویسندگان، ضمنِ جمع‌آوری یکی از گسترده‌ترین مجموعه داده‌های موجود از نقاط مختلف دنیا، به تخمین تاثیر شرایط جوی و پیش بینی ریسک گسترشِ بیماری، در ماه‌های آتی، و در نقاط مختلف دنیا می‌پردازند.

رویکرد: این مقاله مبتنی بر استفاده از روش‌های مختلف تحقیق اعم از مدل‌های آماری و شبیه‌سازی و استفاده از کلان‌داده است. داده‌های جمع‌آوری شده،  شامل تعدادِ بیماران بر مبنای گزارش‌های رسمی در 3739 منطقه دنیا، از تاریخ 12 دسامبر تا 22 آوریل سال 2020، و متغیرهای متعدد جوی و منطقه‌ای است. در این مقاله، ابتدا با استفاده از مدل‌های شبیه‌سازی، چالش‌های پیش‌رو در تخمین تاثیر شرایط آب و هوایی بر گسترش بیماری بررسی شده است و نشان داده می‌شود که، از نظر متدولوژیک، دست‌ِکم گرفتن اهمیتِ توزیع آماریِ بازه زمانی میان آغاز بیماری، شناسایی بیماری، و گزارش آن، می‌تواند به تخمین‌های نادرست بیانجامد. این مشکل از آنجا ناشی می‌شود که برای بررسی تاثیر دما باید دمای روزانه با تعداد مبتلایان همان روز مقایسه شود، حال آنکه زمان نسبتا طولانی و متغیر میان آغاز ابتلا و شناسایی موارد ابتلا وجود دارد. از این رو تخمین تاثیر شرایط آب و هوایی بر بیماری نیز مشکل می‌شود. در این مطالعه، ابتدا الگوریتمی ارائه شده است که زمان آغاز بیماری با استفاده از گزارش‌های رسمی تخمین زده شود. سپس مدلِ آماری این مطالعه، در محیطِ شبیه‌سازی، طراحی و آزمایش شده است. پس از سنجش اعتبارِ مدل، از داده‌های اصلی برای بررسی همبستگی متغیرهای جوی و متغیر بازتولید کننده استفاده شده است. مدل آماری نهایی، علاوه بر متغیرهای جوی، شامل متغیرهای مختلف محیطی، اعم از چگالی شهری، و روند تغییرات در هر منطقه است. نهایتا، از تخمین‌های بدست آمده برای بررسیِ (کاهشِ) ریسکِ ناشی از تغییرات دما بر گسترش بیماری در مناطق مختلف، استفاده شده است.

نتایج: تغییرات آب و هوایی می‌تواند تا حدودی بر (کاهشِ) گسترش بیماری تاثیر‌گذار باشد. میزان تاثیر شرایط جوی قابل ملاحظه است، اما، به خودیِ خود، کافی نیست. به طور مشخص، پس از دمای بیست و پنج درجه سانتیگراد، به ازای هر درجه افزایشِ دما، قدرت بازتولید کنندگی ویروس، تقریبا سه و یک‌دهم درصد کم می‌شود (بازه اطمینان 95 درصد: بین یک و نیم درصد، تا چهار و هشت‌دهم درصد). یعنی ده درجه افزایش دما از 25 تا 35 درجه سانتیگراد، با فرض ثابت بودن سایر عوامل همچون رطوبت هوا، منجر به کاهش سی و یک درصدی عدد بازتولید کننده می‌شود. در مناطق مرطوب‌تر، تاثیر بازدارندگی گرمایش، به مراتب بیشتر خواهد بود. علاوه بر این متغیرها، تاثیر وزش باد، میزان آفتاب، برف و بارندگی نیز بررسی شده است. در کل، به نظر می‌رسد که تفاوت شرایط آب و هوایی، تا 43 درصد، قادر به توضیح تفاوت میزانِ شیوع بیماری در نقاط مختلف دنیاست. شکل 1، تخمین ریسک ناشی از تغییرات جوی بر گسترش بیماری را در برخی از شهرهای ایران نشان می‌دهد.

شکل 1 – ریسک ناشی از تغییرات جویِ گسترش کرونا در شهرهای مختلف ایران – برای درک بهتر شکل باید به تغییرات نسبی هر نمودار توجه شود. مثلا در نمودار تهران، ریسک گسترش بیماری در ماههای تابستان حدودا 30 درصد کمتر از ماههای میانیِ زمستان است (تفاوتِ هفت دهم، و نود و پنج صدم). برای بسیاری دیگر از مناطق ایران و جهان به این سایت مراجعه کنید: https://projects.iq.harvard.edu/covid19

میزان تاثیرات قابل ملاحظه است. هر چند تخمین‌های موجود در این مطالعه با احتیاط همراه بوده و احتمالا تخمین پایین‌دستی است، اما باز هم به نظر نمی‌رسد که تغییرات آب و هواییِ فصلی، به تنهایی، قادر به کنترل بیماری باشد و برای کنترل بیماری به ادامه برخی از سیاستها در سطح کشور نیاز است. برای بررسی بسیاری دیگر از شهرها و مناطق دنیا می توانید به سایت این پژوهش مراجعه کنید. علاقه‌مندان به مباحث تخصصی را به مطلب اصلی ارجاع می‌دهیم.

سایت پژوهش: https://projects.iq.harvard.edu/covid19

مقاله اصلی:

Xu, R., Rahmandad, H., Gupta, M., DiGennaro, C., Ghaffarzadegan, H., Amini, N., Jalali, M., Weather Conditions and COVID-19 Transmission: Estimates and Projections. Available at https://www.medrxiv.org/content/10.1101/2020.05.05.20092627v1  

نکاتی در مورد واکسن کرونا


نویسنده مهمان: دکتر محمد رشیدیان
آیا برای پایان دادن به اپیدمی کرونا به واکسن احتیاج داریم؟ آیا می‌توانیم یک واکسن مؤثر برای کرونا درست کنیم؟ اگر می‌توانیم، ساخت واکسن چه مدت زمان خواهد برد؟

پتانسیل فراگیر شدن ویروس کرونا و همچنین آلوده شدن انسان‌های بسیاری که علائم جدی بیماری در آن‌ها بروز نمی‌کند، احتمال آنکه واکسن برای پایان دادن اپیدمی لازم باشد را افزایش می‌دهد. اما سوال این‌جا است که  آیا اصولا می‌توان برای کرونا واکسن موثری تولید کرد؟ خوشبختانه و به دلایل زیر پاسخ این است که: بله‌، بسیار محتمل است.

۱) شواهد روشنی داریم که سیستم ایمنی انسان پاسخ دقیق و مخصوصی علیه ویروس کرونا نشان می‌دهد. به این معنا که اگر شخصی یک بار بیمار شود، بار دوم که در معرض ویروس قرار بگیرد دیگر بیمار نخواهد شد. حتما تجربه مشابه در مورد بیماری‌های دیگر را یا خودتان تجربه کرده‌اید یا شنیده‌اید، مثل ویروس آبله‌مرغان که اگر یک بار کسی بگیرد احتمال آلوده شدن مجدد تقریبا صفر است. این بدین معنی است که اگر کرونا بگیریم، سیستم ایمنی بدن سلول‌های حافظه علیه کرونا تولید می‌کند. بنابراین اگر ما بتوانیم سلول‌های حافظه ایمنی علیه کرونا را قبل از اینکه به ویروس آلوده شویم درست کنیم، توانسته‌ایم واکسن موثری بسازیم. 

۲) برخی ویروس‌ها می‌توانند تغییرات (جهش‌های ژنتیکی) بسیار سریع داشته باشند و این موضوع کار را برای ساختن واکسن موثر سخت می‌کند. مثلا ویروس اچ‌آی‌وی (ایدز) بسیار سریع تغییر می‌کند. در مورد کرونا، شواهد علمی به وضوح نشان دهنده تنوع اندک ویروس‌های پخش شده در سراسر جهان است، که نشان می‌دهد ویروس کرونا تغییرات وسیع و سریع نداشته است. این نکته به ساختن واکسن موثر کمک می‌کند. 

۳) ما تقریبا اطمینان داریم که پروتئین S در کرونا (spike protein) هدف اصلی سیستم ایمنی انسان است.  کرونا با پروتئین Sپوشیده شده و از آن برای آلوده کردن سلول‌های ریه استفاده می‌کند.

۴)‌ مطالعات انجام شده در دو ماه گذشته نشان داده است که موش‌ها نسبت به پروتئین S کرونا پاسخ قوی نشان می‌دهند. بنابراین ما انتظار داریم که نتیجه مشابهی را در انسان مشاهده کنیم.

۵)‌ میمون‌های رزوس (Rhesus monkeys) که از نظر سیستم ایمنی بسیار مشابه انسان هستند، حدود سه هفته پیش (اوائل ماه مارس) واکسینه شده‌اند و در چند هفته آینده خواهیم دانست که آیا واکسن موثر بوده است یا خیر.

با این حال، نگرانی اصلی این است که آنتی‌بادی تولید شده توسط واکسن ممکن است منجر به وخیم‌تر شدن بیماری و همچنین سایر عوارض جانبی احتمالی شود. بنابراین ما نمی‌توانیم قبل از انجام آزمایش‌های مناسب بر روی حیوانات، و بعدتر انجام آزمایش‌های بالینی روی تعداد اندکی از انسان‌ها، شروع به استفاده گسترده واکسن کنیم.

در حال حاضر دانشمندان در سراسر دنیا مشغول ساختن چندین واکسن مختلف برای کرونا هستند. واکسن‌هایی که بر اساس

DNA، RNA ، پروتئین، وکتور (vector)، و یا ویروسِ غیرفعال ساخته شده‌اند از جمله این تلاش‌هاست. تلاش‌ها آنقدر سریع پیش میرود که واکسنی که بر اساس RNA ساخته شده است هفته گذشته روی ۴۵ داوطلب امتحان شد و نتایج آن تا چند ماه آینده مشخص خواهد شد. در واقع تلاش برای ساخت واکسن کرونا سریع‌تر از هر تجربه دیگری در تاریخ علم پزشکی در حال پیشرفت است. با این وجود، تقریبا محال است که طی چند ماه آینده بتوانیم به پاسخ قطعی برسیم. و البته تولید صدها میلیون واکسن مؤثر احتمالاً حداقل یک سال زمان خواهد برد.

بنابراین، باید تمام تلاش خود را برای کند کردن روند گسترش ویروس انجام دهیم تا بتوانیم زمان بیشتری بخریم. بعلاوه، این موضوع کمک خواهد کرد که ظرفیت بیمارستان‌ها پر نشود تا همه بیماران بتوانند درمان مناسب را دریافت کنند.  به یاد داشته باشیم که جان بسیاری از مردم در معرض خطر است، به ویژه افراد با مشکلات پیش‌زمینه‌ای و افراد مسن که مستعد ابتلا به کرونا با عوارض شدیدتر هستند.