عنوان باید کوتاه، شفاف و شامل متغیرها/نمونه مورد مطالعه باشد. از واژگان مبهم خودداری کنید. مثال‌ها و فرمت پیشنهادی:

• فرمت: «تأثیر [عامل X] بر [نتیجه Y] در [نمونه Z]»
• مثال: «تأثیر استفاده از روش یادگیری فعال بر انگیزهٔ تحصیلی دانشجویان مهندسی دانشگاه X»
• نکته: از عناوین طولانی و شامل زیرنویس‌های طولانی پرهیز کنید.

چکیده باید حداکثر 250-300 کلمه باشد و شامل: زمینه، مسئله، هدف، روش کلی، نتایج مورد انتظار و اهمیت پژوهش. در پروژه‌های کمی، اشارهٔ کوتاه به روش نمونه‌گیری و روش‌های تحلیل کافی است.

بیان مسئله باید نشان دهد که چه مشکلی وجود دارد، چرا مهم است و چرا پژوهش شما می‌تواند به حل آن کمک کند. شواهد و آمارهای به‌روز را (در متن پروپوزال) برای نشان دادن اهمیت موضوع بیاورید.

1. شرح وضع موجود یا مشکل
2. پیوند دادن مشکل به نیازهای علمی یا اجتماعی
3. پرسش‌های فرعی که از نشانه‌ها نشأت می‌گیرند

مرور ادبیات باید سازمان‌یافته، موضوع‌محور و انتقادی باشد. مراحل عملی:

1. تعریف کلیدواژه‌ها و استراتژی جستجو (پایگاه‌ها: Scopus, Web of Science, PubMed, Google Scholar).
2. ساخت جدول خلاصهٔ مقالات (Author, Year, Method, Sample, Key Findings, Limitations).
3. تحلیل نقادانه و استخراج خلأهای نظری، متدولوژیک و کاربردی.
4. بیان روشن «چه چیزی هنوز شناخته نشده» و چگونه پژوهش شما آن را پر می‌کند.

اهداف باید شفاف، قابل اندازه‌گیری و مرتبط با سؤال پژوهشی باشند. مثال هدف کلی و اهداف جزئی:

• هدف کلی: «بررسی اثر روش X بر متغیر Y در گروه Z طی 12 ماه»
• هدف جزئی 1: «مقایسه میانگین Y بین گروه شاهد و مداخله در ماه سوم»
• هدف جزئی 2: «تعیین فاکتورهای پیش‌بینی‌کننده Y با استفاده از رگرسیون چندگانه»

هر هدف را با معیارهای SMART بررسی کنید: Specific, Measurable, Achievable, Relevant, Time-bound.

سؤال پژوهشی باید روشن و قابل آزمون باشد. فرضیه‌ها (در پژوهش‌های کمّی) باید فرمال و قابل آزمون با روش‌های آماری باشند. مثال‌های تبدیل سؤال به فرضیه و نحوهٔ بیان آماری هر فرضیه.

بخش روش‌شناسی باید شامل توضیحات دقیق دربارهٔ روش پژوهش (کمّی/کیفی/آمیخته)، جامعه و نمونه، روش نمونه‌گیری، ابزارهای جمع‌آوری داده، فرایند جمع‌آوری و تحلیل داده‌ها باشد.

نمونه‌گیری

روش‌های نمونه‌گیری (احتمالی و غیراحتمالی) و فرمول تعیین حجم نمونه (مثال: فرمول کوکران برای تخمین نمونه در مطالعات توصیفی).

ابزارها و مقیاس‌ها

توضیح اعتبار و روایی ابزار: روایی محتوا، روایی همگرا/واگرایی، ضریب آلفای کرونباخ برای پایایی.

برنامهٔ تحلیلی باید گام‌به‌گام شامل تحلیل توصیفی (میانگین، میانه، انحراف معیار)، آزمون فروض، انتخاب مدل‌های رگرسیونی مناسب، آزمون‌های چندگانه و اصلاح برای چندآزمونی باشد. ذکر نرم‌افزار مورد استفاده و نسخهٔ آن (مثلاً R 4.x، SPSS 28، Python 3.9).

توضیح نیاز به گرفتن مجوز از کمیتهٔ اخلاق، فرم رضایت آگاهانه، حفاظت از حریم خصوصی و ذخیرهٔ امن داده‌ها.

نمونه جدول زمانی فازی (Gantt-like) با فازهای اصلی: طراحی، جمع‌آوری، تحلیل، نگارش. الگوی سادهٔ بودجه شامل حقوق نمونه‌گیر، هزینه سفر، نرم‌افزار و تجهیزات، چاپ و انتشار.

در پیوست‌ها نمونهٔ پرسش‌نامه، فرم رضایت، جداول کدگذاری و نمونه خروجی‌های نرم‌افزاری قرار می‌گیرد. این بخش باید به گونه‌ای سازمان‌دهی شود که هر شخص ثالث بتواند پژوهش را بازتولید کند.

صفحه عنوان، تقدیم، سپاسگزاری، چکیده فارسی و انگلیسی، فهرست مطالب، فهرست شکل‌ها و جداول و صفحات لازم. توضیحات قالب بندی و استانداردهای فونت و فاصله‌گذاری.

مقدمۀ قوی شامل پس‌زمینه، اهمیت موضوع، اهداف، محدودهٔ پژوهش و ساختار پایان‌نامه.

تدوین مدل مفهومی، ترکیب نتایج پیشین و ترسیم نقشه پژوهشی. نحوهٔ ارجاع‌دهی و سازمان‌دهی بخش‌های مروری.

توضیحات مفصل دربارهٔ جامعه و نمونه، ابزارهای اندازه‌گیری، اعتبار و پایایی ابزارها، روش‌های تحلیل داده‌ها و نرم‌افزارهای مورد استفاده.

نمایش دقیق یافته‌ها به‌همراه جداول، نمودارها و تحلیل‌های آماری. نکات نگارشی برای گزارش نتایج بدون تفسیر زائد.

تفسیر نتایج، مقایسه با مطالعات پیشین، محدودیت‌ها، پیامدهای عملی و پیشنهادات برای تحقیقات بعدی.

قرار دادن پرسش‌نامه‌ها، کدها، خروجی‌های نرم‌افزار و جداول خام در پیوست برای شفافیت و بازتولیدپذیری.

محیط گرافیکی مناسب برای تحلیل‌های توصیفی و آزمون‌های پایه. مثال: اجرای t-test و رگرسیون خطی از طریق منوها و نیز امکان اسکریپت‌نویسی با Syntax.

زبان متن‌باز با بسته‌های گسترده (tidyverse, lme4, lavaan). مثال کوتاه: بارگذاری داده و اجرای تحلیل توصیفی.

# R example
library(tidyverse)
df <- read.csv('data.csv')
summary(df)

محیط مناسب برای پردازش داده، یادگیری ماشین و تحلیل آماری. مثال کوتاه:

# Python example
import pandas as pd
df = pd.read_csv('data.csv')
df.describe()

قوی در اقتصادسنجی و تحلیل‌های پنل و سری زمانی.

مناسب برای محاسبات عددی، شبیه‌سازی و پردازش سیگنال.

ابزارها و بسته‌های مورد استفاده برای مدل‌سازی معادلات ساختاری (SEM).

محیط تحلیل کیفی برای کدگذاری متون و تحلیل تماتیک.

مناسب برای تحلیل داده، یادگیری ماشین و توسعهٔ وب سبک. پکیج‌های کلیدی: NumPy, Pandas, scikit-learn, TensorFlow، و توصیه‌ها دربارهٔ سازمان‌دهی پروژه و virtualenv/conda.

برای تحلیل‌های آماری و مصورسازی پیشرفته.

کاربردهای هر زبان و نکات بهینه‌سازی و مدیریت حافظه، ساختار پروژه و امنیت ورودی/خروجی.

مرجع مقالهٔ ژورنالی:

نویسنده، الف. (سال). عنوان مقاله. عنوان مجله، جلد(شماره)، صفحات. https://doi.org/xxxx

ارجاع در متن به‌صورت عددی [1] و در فهرست بر اساس شماره:

[1] A. Author, "Title of paper," Journal, vol., no., pp., year.

سیستم نویسنده-سال؛ مثال:

(Author, Year) — فهرست مرجع به‌صورت الفبایی

تفاوت‌های کلیدی: Turnitin برای محیط دانشگاهی (تکالیف) و iThenticate برای اسناد پژوهشی/نشر. نکات در بارگذاری، محدودیت‌ها و بررسی نتایج.

گزارش باید شامل درصد کلی، لیست منابع مشابه، بخش‌های های‌لایت‌شده و توضیح دربارهٔ نوع شباهت (نقل‌قول مجاز، منابع عمومی، انتشار قبلی خود نویسنده).

الگوهای بازنویسی، ارجاع‌دهی صحیح و ثبت منابع برای کاهش درصد مشابهت.

يجب أن يكون العنوان موجزًا وواضحًا ويتضمن المتغيرات الرئيسية والعينة. تجنّب التعابير المبهمة.

يجب ألا يتجاوز الملخص 250-300 كلمة ويشمل: الخلفية، المشكلة، الهدف، المنهج العام، النتائج المتوقعة وأهمية البحث. في المشاريع الكمية، يكفي إشارة موجزة إلى طريقة العينة وطرق التحليل.

يجب أن يُبيّن بيان المشكلة أيّة مشكلة قائمة، لماذا هي مهمة ولماذا يمكن لبحثك أن يساهم في حلّها. أدرج أدلّة وإحصاءات مُحدّثة (ضمن نص الاقتراح) لإظهار أهمية الموضوع.

1. وصف الحالة الراهنة أو المشكلة
2. ربط المشكلة بالاحتياجات العلمية أو الاجتماعية
3. الأسئلة الفرعية الناشئة عن العلامات والمؤشرات

يجب أن تكون مراجعة الأدبيات منظمة ومحورية وناقدة. خطوات عملية:

1. تعريف الكلمات المفتاحية واستراتيجية البحث (قواعد البيانات: Scopus, Web of Science, PubMed, Google Scholar).
2. بناء جدول ملخَّص للمقالات (المؤلف، السنة، المنهج، العينة، النتائج الرئيسية، القيود).
3. تحليل نقدي واستخلاص الفجوات النظرية والمنهجية والتطبيقية.
4. البيان الواضح لـ«ما الذي لم يُعرف بعد» وكيف يملأ بحثك هذا الفراغ.

يجب أن تكون الأهداف واضحة وقابلة للقياس ومرتبطة بسؤال البحث. مثال على هدف عام وأهداف فرعية:

• الهدف العام: «دراسة أثر الطريقة X على المتغير Y في المجموعة Z خلال 12 شهراً»
• الهدف الفرعي 1: «مقارنة متوسط Y بين مجموعة الضبط ومجموعة التدخّل في الشهر الثالث»
• الهدف الفرعي 2: «تحديد عوامل التنبؤ بـ Y باستخدام الانحدار المتعدد»

راجع كل هدف بمعايير SMART: Specific, Measurable, Achievable, Relevant, Time-bound.

يجب أن يكون سؤال البحث واضحاً وقابلاً للاختبار. الفرضيات (في البحوث الكمية) يجب أن تكون رسمية وقابلة للاختبار بالأساليب الإحصائية. أمثلة على تحويل السؤال إلى فرضية وكيفية التعبير الإحصائي لكل فرضية.

يجب أن يتضمن قسم المنهجية شرحاً مفصلاً عن منهج البحث (كمّي/كيفي/مختلط)، المجتمع والعينة، طريقة أخذ العينات، أدوات جمع البيانات، إجراءات الجمع وتحليل البيانات.

أخذ العينات

طرق أخذ العينات (احتمالية وغير احتمالية) ومعادلة تحديد حجم العينة (مثال: معادلة كوكران لتقدير العينة في الدراسات الوصفية).

الأدوات والمقاييس

شرح صلاحية وموثوقية الأدوات: صلاحية المحتوى، الصلاحية التقاربية/التفرّقية، معامل ألفا كرونباخ للموثوقية.

يجب أن تتضمن الخطة التحليلية خطوات واضحة تشمل التحليل الوصفي (المتوسط، الوسيط، الانحراف المعياري)، اختبار الفرضيات، اختيار نماذج الانحدار المناسبة، الاختبارات المتعددة وتصحيح تعدد الاختبارات. اذكر البرنامج المستخدم وإصداره (مثلاً R 4.x، SPSS 28، Python 3.9).

اشرح الحاجة للحصول على موافقة لجنة الأخلاقيات، نموذج الموافقة المستنيرة، حماية الخصوصية وتخزين البيانات بأمان.

نموذج جدول زمني تقريبي (شبيه Gantt) مع المراحل الرئيسية: التصميم، الجمع، التحليل، الكتابة. نموذج ميزانية بسيط يشمل أجور جامعي العينات، تكاليف التنقل، البرامج والمعدات، الطباعة والنشر.

في الملاحق ضع نموذج الاستبيان، نموذج الموافقة، جداول الترميز وعينات من مخرجات البرمجيات. يجب تنظيم هذا القسم بحيث يمكن لأي طرف ثالث إعادة إنتاج البحث.

صفحة العنوان، الإهداء، الشكر، الملخص بالفارسي والإنجليزية، جدول المحتويات، قائمة الأشكال والجداول. إرشادات التنسيق والمعايير المتعلقة بالخط والمسافات.

مقدمة قوية تشمل الخلفية، أهمية الموضوع، الأهداف، نطاق البحث وبنية الأطروحة.

صياغة النموذج المفاهيمي، دمج نتائج الدراسات السابقة ورسم خريطة البحث. كيفية الاستشهاد وتنظيم قسم المراجعة.

تفاصيل حول المجتمع والعينة، أدوات القياس، صلاحية وموثوقية الأدوات، طرق تحليل البيانات والبرمجيات المستخدمة.

عرض دقيق للنتائج مع جداول، رسوم بيانية وتحليلات إحصائية. نصائح تحريرية لعرض النتائج دون تفسير زائد.

تفسير النتائج، المقارنة مع الدراسات السابقة، القيود، الآثار التطبيقية والتوصيات للبحوث المستقبلية.

إدراج الاستبيانات، الشيفرات، مخرجات البرامج والجداول الخام في الملاحق لزيادة الوضوح وإمكانية إعادة الإنتاج.

بيئة رسومية مناسبة للتحليلات الوصفية والاختبارات الأساسية. مثال: تنفيذ اختبار t والانحدار الخطي من خلال القوائم وإمكانية كتابة السكربت باستخدام Syntax.

لغة مفتوحة المصدر مع حزم واسعة (tidyverse, lme4, lavaan). مثال قصير: تحميل بيانات وتنفيذ تحليل وصفي.

# مثال R
library(tidyverse)
df <- read.csv('data.csv')
summary(df)

بيئة مناسبة لمعالجة البيانات، التعلم الآلي والتحليل الإحصائي. مثال قصير:

# مثال Python
import pandas as pd
df = pd.read_csv('data.csv')
df.describe()

قوية في قياسات الاقتصاد التحليلي وتحليلات البيانات اللوحية والسلاسل الزمنية.

مناسبة للحسابات العددية، المحاكاة ومعالجة الإشارة.

الأدوات والحزم المستخدمة لنمذجة المعادلات البنائية (SEM).

بيئة لتحليل النوعيّة من أجل ترميز النصوص وتحليل الموضوعات.

مناسبة لتحليل البيانات، التعلم الآلي وتطوير الويب الخفيف. الحزم الأساسية: NumPy, Pandas, scikit-learn, TensorFlow، وتوصيات حول تنظيم المشروع وvirtualenv/conda.

للتحليلات الإحصائية والتصوير المتقدِّم.

توضيح استخدامات كل لغة ونصائح لتحسين الأداء وإدارة الذاكرة، هيكل المشروع وأمن الإدخال/الإخراج.

مرجع لمقال دوري:

المؤلف، أ. (السنة). عنوان المقال. اسم المجلة، المجلد(العدد)، الصفحات. https://doi.org/xxxx

الاستشهاد داخل النص يكون رقميًا [1] وفي القائمة حسب الترقيم:

[1] A. Author, "Title of paper," Journal, vol., no., pp., year.

نظام المؤلف-السنة؛ مثال:

(Author, Year) — قائمة المراجع بترتيب أبجدي

الاختلافات الرئيسية: Turnitin موجه للبيئة الجامعية (الواجبات) وiThenticate للوثائق البحثية/النشر. نصائح للرفع والقيود وتفسير النتائج.

يجب أن يتضمن التقرير نسبة كلية، قائمة المصادر المشابهة، المقاطع المظللة وشرح نوع التشابه (اقتباس مسموح، مصادر عامة، نشر سابق للمؤلف نفسه).

نماذج لإعادة الصياغة، الاستشهاد الصحيح وتسجيل المصادر لتقليل نسبة التشابه.

The title should be concise, clear and include the main variables and sample. Avoid vague expressions. Suggested format and examples:

• Format: "Effect of [X] on [Y] in [Z] sample"
• Example: "Effect of active learning on academic motivation of engineering students at University X"
• Tip: Avoid excessively long titles and long subtitles.

The abstract should be 200–300 words and include: background, problem statement, research aim, general methods, expected results and the significance of the study. For quantitative projects briefly mention sampling method and main analysis techniques.

The problem statement must describe what the problem is, why it is important, and how your research can help address it. Use up-to-date facts and statistics when applicable to demonstrate relevance.

1. Description of the current situation or gap
2. Link the problem to scientific or social needs
3. Sub-questions that derive from observed indicators

The literature review must be organized, topic-focused and critical. Practical steps:

1. Define keywords and search strategy (databases: Scopus, Web of Science, PubMed, Google Scholar)
2. Create a summary table (Author, Year, Method, Sample, Key Findings, Limitations)
3. Critical appraisal and extraction of theoretical, methodological and practical gaps
4. State explicitly what is unknown and how your study will address it

Objectives should be clear, measurable and aligned with the research question. Example general and specific objectives:

• General objective: "Assess the effect of method X on variable Y in group Z over 12 months"
• Specific objective 1: "Compare mean Y between control and intervention groups at month 3"
• Specific objective 2: "Identify predictors of Y using multiple regression"

Check each objective against SMART criteria: Specific, Measurable, Achievable, Relevant, Time-bound.

Research questions need to be clear and testable. Hypotheses in quantitative studies should be formal and testable using statistical methods. Examples of converting a research question to hypotheses and how to express them statistically are provided.

The methodology section must clearly describe the study design (quantitative/qualitative/mixed), population and sampling, data collection instruments, data collection process and analysis procedures.

Sampling

Describe sampling methods (probability and non-probability), sample size calculation (e.g., Cochran formula for descriptive studies) and justification for choices.

Instruments and scales

Discuss instrument validity and reliability: content validity, convergent/divergent validity, and Cronbach's alpha for internal consistency.

The analysis plan should include step-by-step procedures: descriptive analysis (mean, median, SD), assumption testing, selecting appropriate regression models, multiple testing corrections, and model validation. State the software and version used (e.g., R 4.x, SPSS 28, Python 3.9).

Explain need for ethics committee approval, informed consent forms, data privacy and secure storage.

Provide a sample phased timeline (Gantt-like) with main phases: design, data collection, analysis, writing. Provide a simple budget template covering personnel, travel, software, equipment, printing and publication costs.

Include questionnaires, consent forms, codebooks and sample software outputs in appendices. Organize these so a third party could reproduce the study.

Title page, dedication, acknowledgements, abstract in local and English language, table of contents, list of figures and tables. Guidance on fonts, spacing and formal layout rules.

A strong introduction including background, significance, aims, scope and thesis structure.

Develop a conceptual model, synthesize previous findings and draw a research map. How to organize the review and proper referencing.

Detailed explanation of population and sample, measurement tools, validity and reliability checks, and analysis software.

Present results with tables, charts and statistical summaries. Tips for reporting results without excessive interpretation.

Interpret results, compare with literature, list limitations, practical implications and recommendations for future research.

Include code, raw tables and questionnaire forms to ensure reproducibility.

Graphical interface suitable for descriptive statistics and basic inferential tests. Example: running t-test and linear regression using menus, and using Syntax for reproducibility.

Open-source environment with comprehensive packages (tidyverse, lme4, lavaan). Small example:

# R example
library(tidyverse)
df <- read.csv('data.csv')
summary(df)

Suitable for data processing, machine learning and statistical analysis. Short example:

# Python example
import pandas as pd
df = pd.read_csv('data.csv')
df.describe()

Strong in econometrics, panel data and time-series analysis.

Useful for numerical computation, simulations and signal processing.

Tools and packages used for structural equation modeling (SEM).

Qualitative analysis environment for coding texts and thematic analysis.

Suitable for data analysis, machine learning and lightweight web development. Key packages include NumPy, Pandas, scikit-learn and TensorFlow. Advice on project structure and virtual environments (virtualenv/conda).

Specialized for statistical analysis and advanced visualization.

Application areas, performance considerations, memory management tips, project structure and input/output security.

Journal article reference:

Author, A. (Year). Title of article. Journal Title, volume(issue), pages. https://doi.org/xxxx

In-text citations are numeric [1] and the reference list is numbered:

[1] A. Author, "Title of paper," Journal, vol., no., pp., year.

Author-date system: (Author, Year) — references listed alphabetically.

Key differences: Turnitin is widely used in academic coursework contexts, while iThenticate is designed for manuscripts and publication screening. Tips on uploading, limits and result analysis.

The report should include overall percentage, matched sources list, highlighted segments and annotation about the type of match (quoted text, common phrases, prior self-publication).

Patterns for rewriting, correct referencing, paraphrasing strategies and documentation to reduce similarity percentage.