https://virgool.ir/feed/@fgolchin.3137fa2026-11-11 12:45:43https://files.virgool.ir/upload/users/4227655/avatar/Gb6ofP.jpghttps://virgool.ir/@fgolchin.3137https://virgool.ir/@fgolchin.3137/بررسی‬‫-ویژگی‬-‫های‬-‫شبکه-ی‬-‫هم-نشینی‬-‫واژگان‬-‫در‬-‫اشعار‬-‫حافظ‬-iu1ydezyikf2برای درس شبکه‌های پیچیده و پویا که در این ترم داشتم می‌بایست پروژه‌ای انجام می‌گرفت که و من تصمیم گرفتم با توجه به علاقه‌ام به ادبیات تحقیقی روی شبکه‌ی هم‌نشینی واژگان در اشعار حافظ انجام دهم. شبکه‌ی هم‌نشینی واژگان تقریبا گرافی است که راس‌های آن کلمات به کار رفته در یک متن هستند و میان دو واژه یال وجود دارد اگر آن دو واژه در یک واحد متنی آمده باشند. با تحلیل این شبکه می‌توان برخی ویژگی‌های زبانی هر متنی را استخراج کرد.۰) مقدمهدر درس شبکه‌های پیچیده و پویا با انواع شبکه‌های پیچیده موجود در دنیا آشنا شدیم. چهار نوع اصلی آن یعنی شبکه‌های اجتماعی، شبکه‌های تکنولوژی، شبکه‌های اطلاعاتی و شبکه‌های زیستی را دیدیم و دانستیم این برای این شبکه‌ها ویژگی‌های خاصی با توجه به ساختار، ارتباطات، پویایی و … قابل تعریف است که این ویژگی‌ها در بسیاری از این شبکه‌ها شبیه به هم و مشترک است. از این رو با مشاهده و اندازه‌گیری این ویژگی‌ها با ابزارهای موجود می‌توان اعضای شبکه و ارتباطات میان آن‌ها را بررسی و تحلیل کرد و به داده‌های قابل توجهی در آن حوزه رسید. یکی از انواع شبکه‌های پیچیده که در چهار نوع اصلی ذکر شده نمی‌گنجد شبکه‌ی همنشینی کلمات در یک متن است. به این ترتیب که در هر متن هر کلمه به صورت یک توکن در نظر گرفته می‌شود که گره‌های شبکه را تشکیل می‌دهند و در واحد‌های مشخص اندازه‌گیری متن (مثلاً تعداد مشخصی توکن که دنبال هم در متن آمده‌اند یا یک جمله و یک بند از متن و یا یک مصرع یا بیت در شعر) هر دو توکن را با یک یال به هم متصل می‌کنیم. (بدیهی است که با این تعریف شبکه می‌تواند شامل یال‌های چندگانه باشد که می‌توان با تعریف وزن برای یال آن را نمایش داد.) با ساخت گراف شبکه‌ی همنشینی کلمات برای یک متن می‌توان به داده‌های جالبی دست پیدا کرد. برای مثال می‌توان با ویژگی‌های ساختاری یک متن و حتی ویژگی‌های سبکی نویسنده‌ی آن متن آشنا شد و با مقایسه‌ی این ویژگی‌ها برای دو متن مشخص کرد آیا نویسنده‌ی این دو متن یک نفر است یا نه.در این زمینه کارهای قابل توجهی در زبان‌های غیر فارسی و عموماً انگلیسی انجام شده است. Akimushkin و همکارانش[1] در مقاله‌ای به دنبال تشخیص نویسنده‌ی یک متن با استفاده از تحلیل ساختار همنشینی کلمات و نه صرفاً آماری از کلمات است. در روش‌های قدیمی‌تر تنها فراوانی واژه‌ها، طول جمله یا واژه و n-grams مورد توجه بودند اما این مقاله نشان می‌دهد سبک نویسنده تنها در انتخاب واژگان نیست بلکه در الگوی ارتباطی بین واژه‌ها نفهته‌است. Akimushkin و همکارانش برای هر متن یک شبکه‌ی همنشینی واژگان با یال‌های وزن‌دار تشکیل دادند سپس با محاسبه‌ی برخی ویژگی‌های شبکه یعنی درجه‌ی گره‌ها، clustring coefficient، میانگین فاصله‌ی بین واژه‌ها، betweenness centerality و assortativity به توصیف سبک نویسنده پرداختند. یک ویژگی قابل توجه در کار آن‌ها این بود که هر متن را به چند قسمت تقسیم کردند و به ترتیب قسمت‌ها را مانند بازه‌ی زمانی در نطر گرفتند و برای هر قسمت شبکه‌ی کوچکی تشکیل دادند و تغییر و پویایی ویژگی‌های این شبکه‌ها را در سیر متن بررسی کردند و از خود این تغییرات نیز برای تحلیل سبک نویسنده استفاده کردند و نشان دادند هر نویسنده الگوی خاصی در تغییر این شاخص‌ها دارد. برای مثال بعضی نویسنده‌ها واژه محوریشان در سراسر متن پایدار می‌ماند و بعضی نه. دقت تشخیص نویسنده در کار آن‌ها تا حود ۸۵٪ تا ۹۰٪ است. Amancio[2] در مقاله‌ای تلاش برای تشخیص نویسنده‌ی متن با استفاده از بررسی نوسانات در ساختار شبکه و همچنین نامرتبی یا بین دوره‌ای بودن واژه‌ها است. روش او به این صورت است که متن‌ها را به بخش‌های کوچک‌تر تقسیم می‌کند و برای هر بخش یک شبکه می‌سازد. ویژگی‌هایی مانند متوسط‌ها، واریانس‌ها یا شاخص‌های نوسان استخراج می‌شوند و با استفاده از الگوریتم‌های یادگیری ماشین برای تشخیص نویسنده به کار می‌روند. این مقاله نشان می‌دهد که نویسنده‌های مختلف الگوهای نوسان متفاوتی در ویژگی‌های شبکه و واژه‌ها دارند و از همین برای تشخیص نویسنده استفاده می‌کند. یک ویژگی استفاده شده در این مقاله intermittency واژه‌ها است. به این معنی که واژه‌ها چگونه در طول متن پدیدار می‌شوند و دوره‌های فاصله‌ی بین تکرارشان چقدر است. این ویژگی برای هر واژه محاسبه شده است. Marinho[3] در مقاله‌ای با بررسی موتیف‌های شبکه‌ی همنشینی واژگان برای تشخیص نویسنده‌ی متن‌ها تلاش می‌کند. در این مقاله گراف شبکه‌ی همنشینی واژگان ساخته شده و از گراف‌ها ۱۳ نوع موتیف با اندازه‌ی ۳ استخراج شده و فراوانی هر نوع موتیف مشخص شده‌است. این روش در بهترین حالت تقریباً ۵۷/۵٪ از کتاب‌ها با نویسنده‌های متعدد درست طبقه بندی شدند. همچنین در این مقاله به بررسی حذف stop-words و لماتایزینگ پرداخته شده و نشان داده در برخی تنظیم‌ها حذف کلمات عملکردی باعث افت عملکرد می‌شود. Liang و همکاران[4] در مقاله‌ای روی اشعار مدرن چینی (ریم‌ها، آزاد و اشعار نثرگون) شبکه‌ی همنشینی را بررسی کرده‌اند. آن‌ها ۶۰۶ شبکه‌ی همنشینی روی این اشعار ساختند و نشان دادند که ۹۸/۵٪ از این شبکه‌ها scale-free هستند، حدود ۱۹/۸٪ از شبکه‌ها small-world نیستند، ۶۱/۴٪ شبکه‌ها ساختار هرمی قابل توجه دارند و ۹۸٪ شبکه‌ها disassortative هستند. سپس از منظر زبان‌شناسی تحلیل کردند که چرا این ویژگی‌ها در این اشعار دیده می‌شوند. این مقاله نمونه‌ای از کار در زمینه‌ی شبکه‌ی همنشینی واژگان در زبان‌های غیر انگلیسی می‌باشد. از مجموع این مقالات می‌توان اینطور برداشت کرد که تحلیل شبکه‌‌های همنشینی واژگان در متون مختلف می‌تواند تحلیل‌های جالبی از آن متن‌ها به ما بدهد و به سبک شناسی یا تشخیص نویسنده‌ی متن‌ها کمک کند. از طرفی جای خالی این بررسی در متون و اشعار فارسی حس می‌شود و تا کنون کاری در این زمینه انجام نگرفته است. پس تصمیم بر این شد که در این پروژه شبکه‌ی همنشینی واژگان در غزلیات حافظ مورد بررسی قرار گیرد و با استخراج ویژگی‌ها و تحلیل این شبکه، امید است تحلیل اشعار حافظ و تشخیص شعرهای منسوب به او آسان‌تر گردد.۱) روش شناسیقدم اول در این پروژه ساختن گراف شبکه‌ی همنشینی واژگان در غزلیات حافظ است. این امر خود نیز از مراحل مختلفی تشکیل شده است. ابتدا به یک منبع نسبتاً قابل اعتماد برای استخراج غزلیات نیاز داشتیم. برای این امر سایت گنجور انتخاب شد و با یک اسکریپت پایتون غزلیات از سایت استخراج و در یک فایل txt ذخیره شد. پس از آن نیاز بود تا کلمات از هم جدا و مشخص شوند. برای این کار نیاز به نرمال‌سازی و توکنایز و لماتایز غزلیات بود. در نرمال‌سازی علایم نگارشی و حرکتی حذف می‌شوند، حروف مشابه مانند ی و ي یکسان سازی و استاندارد می‌شوند و حالت استاندارد نوشتار فارسی مانند قرار دادن نیم‌فاصله در متن اتفاق می‌افتد. بعد از نرمالسازی نوبت به توکنایز می‌رسد که میان کلمات مرز قائل می‌شود. و در نهایت به مرحله‌ی لماتایز می‌رسیم. در این مرحله هر کلمه به ریشه‌ی خود برمی‌گردد. یعنی هر فعل به بن یا مصدر خود تبدیل می‌شود و اسم‌ها از حالت مشتق خارج می‌شوند برای مثال علایم جمع یا ی نکره از انتهای اسم‌ها حذف می‌شود. برای این منظور کتابخانه‌های hazm و parsivar در پایتون که برای زبان فارسی هستند و شامل این سه تابع مذکور می‌شوند وجود دارند که در این پروژه از hazm که نتایج بهتری ارائه می‌داد استفاده شد ولی باز هم خروجی راضی کننده نبود. نتایج نرمالسازی قادر به تشخیص ای به عنوان حرف ندا و ای به عنوان پسوند کلمات در میان مصرع نبود و تمام ای‌های حرف ندا را به کلمات قبلش می‌چسباند. همچنین در توکنایز هم ایراداتی دیده شد ولی خروجی لماتایز اصلاً قابل استفاده نبود و اشتباهاتی داشت که قابل اغماض نبود. درنتیجه با چشم‌پوشی از برخی خطاها از نتیجه‌ی توکنایز برای ساخت گراف استفاده شد و با پایتون گراف ساخته شد. با استفاده از ابزار gephi شمایل گراف پدیدار شد و ویژگی‌های اولیه را استخراج کردیم. سپس تصمیم بر این شد که شبکه را با حذف حروف اضافه و ربط دوباره بازسازی کنیم و نتایج را باهم مقایسه کنیم.۲) نتایجویژگی‌های استخراج شده از شبکه اولیه ساخته شده به شرح زیر می‌باشد ابتدا درجه‌ی هر گره مشخص شد که میانگین آن ۲۶/۲۵۸ می‌باشد.قطر گراف ۵ است و میانگین کمترین فاصله میان کلمات ۲/۴۸۲ می‌باشد.چگالی گراف ۰/۰۰۳ می‌باشد.تعداد کامپوننت‌های تشخیص داده شده در گراف ۷ عدد است که ۶ تای ‌آن‌ها بسیار کوچک(حدود ۳ یا ۴ گره) و یک کامپوننت بزرگ شامل باقی گره‌ها است.اندازه‌ی ماژولاریتی برای گراف ۰/۱۳ می‌باشد و تعداد ماژول‌های تشخیص داده شده برای گراف ۱۳۱ عدد است.برای هرگره مقدار closeness و betweenness محاسبه شده‌است که بیشترین مقدار برای closeness مقدار ۱ و کمترین مقدار ۰/۲۵۴۳۳۷ می‌باشد. همچنین برای betweenness این مقادیر ۰/۱۶۴۸۰۹ و صفر می‌باشد.برای هر گره مقدار clustering coefficient هم محاسبه شد که بیشترین و کمترین آن به ترتیب ۱ و ۰/۰۰۹۷۲۳ می‌باشد.همچنین تعداد مثلث‌های هر گره هم محاسبه شد که بیشترین و کمترین آن به ترتیب ۷۷۹۵۸ و ۱ می‌باشد.در آخر بیشترین وزن در میان یال‌ها ۴۴۸ می‌باشد.و ویژگی‌های به دست آمده برای شبکه‌ی دوم (با حذف حروف اضافه و ربط و …)کلمات حذف شده به شرح زیر می‌باشد:از، ز، دارد، کز، همه، گر، کن، کرد، اگر، نه، نیست، شد، او، ای، چون، بود، هر، سر، با، تا، چو، ما، چه، آن، را، بر، است، و، به، در، تو، این، من، کهمیانگین درجات برابر است با ۱۵/۷قطر برابر ۸ و میانگین کم‌ترین فاصله برابر است با ۳/۱۱چگالی شبکه برابر است با ۰/۰۰۲تعداد کامپوننت‌ها ۳۳اندازه ماژولاریتی برای شبکه ۰/۲۷۷ و تعداد ماژول‌ها ۵۰ می‌باشد.برای هرگره مقدار closeness و betweenness محاسبه شده‌است که بیشترین مقدار برای closeness مقدار ۱ و کمترین مقدار ۰/۱۹۱ می‌باشد. همچنین برای betweenness این مقادیر ۰/۸۵ و صفر می‌باشد.برای هر گره مقدار clustering coefficient هم محاسبه شد که بیشترین و کمترین آن به ترتیب ۱ و ۰ می‌باشد.همچنین تعداد مثلث‌های هر گره هم محاسبه شد که بیشترین و کمترین آن به ترتیب ۱۵۰۹۴ و ۰ می‌باشد.در آخر بیشترین وزن در میان یال‌ها ۴۶ می‌باشد.همانطور که انتظار می‌رفت با حذف کلمات مذکور شبکه بسیار تنک‌تر شد زیرا بیشتر یال‌های موجود در شبکه‌ی اول با کلماتی که بعداً حذف شدند تشکیل شده بود و به نوعی آن کلمات پل ارتباطی تمام کلمات بودند. و این نتیجه‌ای بود که انتظار می‌رفت. البته که شبکه‌ی اول در تحلیل ما را از هدف دور می‌کرد و کلمات و همنشینی‌هایی که به لحاظ زبانی پر اهمیت‌تر هستند را به حاشیه می‌برد. برای مثال کلمات حذف شده دارای بیشترین درجه بودند ولی با حذف آن‌ها کلمات پرتکرار اصلی نمایان شدند که شامل دل، حافظ، جان و عشق است به ترتیب با درجه‌ی ۱۰۹۹، ۹۷۵، ۵۶۴، ۵۵۸. همچنین همنشینی‌های پرتکرار شامل دل و جان، دل و حافظ، دل و غم و دل و خون با تعداد تکرار ۲۷، ۲۴، ۲۱ و ۲۱ می‌باشد.این نتایج گرچه قابل بهبود و دقیق‌تر شدن است ولی به نظر می‌رسد برای اهل فن قابلیت تحلیل دیوان حافظ را فراهم کند که از دانش و فرصت ما فراتر است.۳) کار‌های آیندهاولین اقدامی که خوب است در امتداد این کار انجام شود بهبود مراحل توکنیاز و لماتایز است تا به شبکه‌ی دقیق‌تر و قابل اتکاتری دست پیدا کنیم. استفاده از عامل‌های زبانی می‌تواند یکی از روش‌ها باشد.همچنین برای این پروژه آثار شاعر گرانقدر، حافظ، به این دلیل انتخاب شد که تعداد غزل‌های کمتری دارد و مراحل ساخت گراف و تحلیل آن به دلیل کوچک‌تر بودن شبکه ساده‌تر است. امید می‌رود در آینده این شبکه‌ی همنشینی کلمات برای آثار دیگر شاعران فارسی کلاسیک مانند مثنوی مولانا یا شاهنامه فردوسی نیز ساخته شود که با توجه به حجم زیاد و تعدد نسخه‌ها تحلیل سبکی آن‌ها سخت‌تر به نظر می‌رسد. اما به دلیل بزرگ‌تر بودن شبکه طبیعتاً تحلیل‌های زبانی بهتری قابل انجام است. همچنین در این صورت می‌شود نتایج را میان این آثار مقایسه کرد و تحلیل‌هایی ازاین دست نیز انجام داد.و البته می‌توان این بررسی‌ها را به سمت شاعران معاصر نیز آورد و مقایسه‌‌ای میان سبک‌های شعری مختلف در گذر زمان انجام داد.منابع[1] C. Akimushkin, D. R. Amancio, and O. N. Oliveira Jr, “Text authorship identified using the dynamics of word co-occurrence networks,” PloS One, vol. 12, no. 1, p. e0170527, 2017.[2] D. R. Amancio, “Authorship recognition via fluctuation analysis of network topology and word intermittency,” J. Stat. Mech. Theory Exp., vol. 2015, no. 3, p. P03005, 2015.[3] V. Q. Marinho, G. Hirst, and D. R. Amancio, “Authorship attribution via network motifs identification,” in 2016 5th Brazilian conference on intelligent systems (BRACIS), IEEE, 2016, pp. 355–360.[4] W. Liang, Y. Wang, Y. Shi, and G. Chen, “Co-occurrence network analysis of modern Chinese poems,” Phys. Stat. Mech. Its Appl., vol. 420, pp. 284–293, 2015.Fatemeh GolchinFatemeh GolchinSat, 14 Feb 2026 00:54:31 +0330https://virgool.ir/@fgolchin.3137/کیو-انتخاب-کنم-کدومو-جواب-کنم-ym4zjjnch9q5این هفته دو تا مصاحبه کاری رفتمیعنی زمین تا آسمون بینشون فرق بودااولی رو برای تولید محتوا درخواست داده بودم وقتی رفتم محیط چندان جالبی نداشت مثلاً مدیرش موقع مصاحبه با من پاد میکشید:/بعدشم بهم گفتن سطحت خیلی بالا‌تر از پوزیشن ماست و اینا درحالی که من از سر علاقه برای تولید محتوا درخواست داده بودم (شاید یه بار درباره‌ش بنویسم) و برام مهم نبود که به رشته‌م نمی‌خوره و یا در حد تحصیلات و سنم نیستخلاصه طرف گفت اتفاقا ما تیم برنامه نویسی هم داریم و بهتره اونجا جذبت کنیمزبانشون و استفاده‌شون از چیزایی که من بلد بودم خیلی دور بود و طرف هی میگفت الان این زبان بازار داره بیا اینو یاد بگیر ما هم جذبت می‌کنیم و اینا(کامل پرت و پلا می‌گفت) و قرار شد من فکرامو بکنم و بهشون خبر بدممورد بعدی یه کار برنامه نویسی بود ودر زمینه‌ای به شدت مورد علاقه‌ماما راهش خیلی دور بود با دسترسی سخت که یکم نگرانم کرد برای رفت و آمداز تیمشون و آدمی که باهام مصاحبه کرد خیلی خوشم اومدو تقریبا به تفاهم رسیدیم فقط چون هنوز مشخص نیست چه روزایی می‌تونم برم سر کار و چه روزایی کلاس دارم قرار شد بعد مشخص شدن بهشون خبر بدمالبته حقوقش هم چندان چشم‌گیر نیستهمین راه دور و حقوقش باعث شده یکمی به فکر برم که آیا قبول بکنم یا نهالبته اونقدر خوشم اومده از زمینه کاریش که همین الان مطالبی که گفت باید یاد بگیرم رو شروع کردم:)حالا من موندم که چیکار بکنمراستی یه جای دیگه هم قبلاً صحبت کرده بودم که موقعیت مکانیش بهتره ولی نمی‌دونم چقد حقوق میدن و بهم گفته بودن که باید یه دوره نسبتا گرون بگذرونمکارش هم برنامه نویسیه و زمینه‌ش مورد علاقه‌م هستا ولی یه معایبی داره که میترسم قبولش کنمگرچه مزایای زیادی هم دارهپیدا کردن موقعیت شغلی‌ای که هم کارآموزی باشه هم پاره وقت قبول کنن حتی توی تهران با اینهمه موقعیت واقعا سختهتازه هنوز نمی‌دونم با استاد راهنمام چجوری باید کنار بیامخدا به دادم برسه...Fatemeh GolchinFatemeh GolchinThu, 25 Sep 2025 21:55:41 +0330https://virgool.ir/@fgolchin.3137/فریاد-بی-صدا-kysfnk52ycfyراستش درد بزرگی توی وجودم دارم که نمی‌شه بازگو کرد. فقط باید فراموش کرد و چشم بست. و چقدر نادیده گرفتن رنج سخته. فکر می‌کنی خب سرم رو با چیزی گرم می‌کنم تا درد رو یادم بره و اینجوری سر خودت رو شلوغ و شلوغ‌تر می‌کنی... دریغ که هر کاری می‌کنی و هر قدمی که برمی‌داری با درد و رنج همراه میشه و لذت از هر تجربه‌ای پرواز می‌کنه و می‌رهتو می‌مونی و یه دنیا غم و یه دنیا مشغلهو بدتر از همه چقدر رنج‌های اینچنینی انسان رو تنها می‌کنن یا بهتر بگم تنهایی انسان رو به رخش می‌کشن. دلت پر از فریاده ولی گوشی براش نیست. همه وقتی هستن که خوشی و برای قصه‌ی رنج و درد کسی وقت نداره و محرم نمیشه. نمی‌دونم این رنج امروزم برای پخته شدنِ منِ فردا هست یا سزای خامیِ منِ دیروز هرچی که هست طاقتم طاق شده و نیاز داشتم فریادی هرچند بی صدا وسط بیابون مجازی بکشمتو با خدای خود انداز کار و دل خوش دارکه رحم اگر نکند مدعی خدا بکند....Fatemeh GolchinFatemeh GolchinSat, 20 Sep 2025 21:16:37 +0330https://virgool.ir/@fgolchin.3137/من-موندم-و-هزارتا-دغدغه-xywp9fnfs1rgاز اونجایی که یهو برنامه‌هام تغییر کرد و باید خودم رو سازگار کنم با اینکه هم درس بخونم، هم یه کار پاره‌وقت داشته باشم، هم تمرینای نقاشیمو ادامه بدم حسابی ذهنم شلوغ شده.جدای از همه اینا یه کلاسی ثبت‌نام کرده بودم (فعلا محتواش خصوصی می‌مونه ولی حسابی وقت گیره و نیاز به تلاش داره) و فکر می‌کردم چون دارم میرم تهران دیگه نمی‌تونم برم و بابتش ناراحت بودم ولی بهم گفتن می‌تونم غیرحضوری توش شرکت کنم و حالا خیلی خوشحالم اما خب یه دغدغه دیگه هم بهم اضافه شده.خلاصه که حسابی درگیری ذهنی دارم و همش تو فکرم که آیا می‌تونم به همه اینا برسم یا نهو حالا کاری کردم که معمولا این‌موقع‌ها می‌رم سراغشبرنامه ریزی مکتوب و ساختن بولت ژورنالرفتم یه دفتر خوشگل خریدم و نشستم به نوشتن و جدول کشیدن و از اینجور چیزاحالا استرسم خیلی کمتر شده و بیشتر ذوق و شوق دارم تا زودتر مهر بشه و شروع کنم به پر کردن دفترماز اونجایی که زیاد پلنر از نزدیک ندیدم و خیلی وارد نیستم ولی این‌بار دلم می‌خواست همه‌چیز دقیق و منظم باشه برای همین یکمی توی پینترست چرخیدم و یه سری طرح پیدا کردم، یه کتاب درباره‌ش خوندم و خلاصه دقیق‌تر از همیشه شروع کردم به ساختنفعلا نخواستم خیلی شلوغش کنم، چند صفحه ردیاب کشیدم برای عاداتی که می‌خوام توی خودم ایجاد کنم، برای شش ماه آینده ماه‌نگار ساختم که توش هدفا و وظایفمو می‌نویسم و تاریخای مهم، بعد هم چند صفحه برای درس گذاشتم که توش تمرینامو ثبت کنم و مقالاتی که می‌خونم و ددلاین‌هامو و درنهایت هم روزنگار هست که برای هر هفته ساختماول دو تا بخش برای هر هفته گذاشتم: کارایی که باید انجام بدم و کارایی که دوست دارم انجام بدمبعد برای هر روز هفته یه بخش گذاشتم که احساسات اون روزمو ثبت کنم برای ثبت پیشرفتم توی تراپی و یه بخش گذاشتم برای مراقبه و به بخش هم برای ژورنال نویسینمی‌دونم Fatemeh GolchinFatemeh GolchinFri, 19 Sep 2025 18:23:11 +0330https://virgool.ir/@fgolchin.3137/بابل-یا-تهران-مسئله-این-است-zxeodpvzudeeوقتی از طرف خانواده مجبور شدم به ادامه تحصیل در مقطع دکتری توی رشته‌ای که علاقه‌م بهش کمرنگ شده و جدای از علاقه ادامه‌ی تحصیل در این رشته رو بیهوده می‌دونم (برخلاف خانواده که هدف هیئت علمی شدن رو برام تعیین کرده در عین بی علاقگی من به شغل)فکر نمی‌کردم رتبه یازده بیارم توی کنکورشموقع انتخاب رشته که شد بین تهران و بابل مردد شدمتهران موقعیت‌های شغلی بهتر داره، دنیای بزرگ‌تری هست و هزاران مزیت ریز و درشت و خصوصی و علنی دیگهدر حالی که بابل استادش آشناس، بهم تدریس برای مقطع کارشناسی رو پیشنهاد کردن، کنار خانواده هستم و بازم هزاران مزیت ریز و درشت و خصوصی و علنی دیگهخلاصه بازم خانواده منو از این تصمیم گیری سخت نجات داد! و هدف تعیین شده تهران رو جلو پام گذاشتبله من اول دانشگاه‌های تهران رو زدم و در نهایت بابلبا اینکه سعی کردم کلک نزنم و با صداقت در این راه قدم بردارم منتهی توی مصاحبه دانشگاه‌ها اوضاع جور دیگه‌ای رقم خوردمتوجه شدم اکثر دانشگاه‌ها استادی که توی موضوع مورد علاقه من کار کنه ندارنمنم محکم روی موضع خودم وایسادم و توی هر مصاحبه اعلام کردم که چی می‌خواماین شد که با دست رد دانشگاه شریف و آغوش باز دانشگاه بابل و عقیم بودن بقیه دانشگاه‌ها در موضوع الگوریتم خیالم راحت شد که بله قراره بازم بچسبم به این شهرو یکی دو ماهی وقت داشتم برای خیال‌بافی و برنامه ریزی برای چهار سال آینده عمرمجدا از درس خواندن و تدریس که گریزی ازش نبوداول لیست بلند بالام نقاشی رو داشتم که مدتی هست شروع به یادگیری کردم و الان جوری برام لذت بخشه که انگار هر نقطه تهی از زندگیم رو پر می‌کنهدومین چیز هم طبیعتاً شعر بود که میتونستم محکم‌تر در آغوشش بگیرمسومین چیز که باعث میشد اشتیاق زیادی به من بودن پیدا کنم متاسفانه قابل بیان نیست و می‌ذارم گوشه دلم بمونهو در نهایت شروع به خواندن کتاب‌های نخواندهاونقدر نیاز مالی در بابل پررنگ نبود که بخوام دنبال کار بگردمضمن اینکه پیشنهاد تدریس هم بود و این یعنی کلی وقت اضافهخلاصه خوشحال و راضی از زندگی با همه کم و کاستی‌ها بودم که نتایج دکتری مثل پتک خورد توی سرمدانشگاه شهید بهشتی تهرانتوی مصاحبه گفته بودن استادی با موضوع من نیست و آیا مایل به تغییر موضوع هستم که با یک نه قاطع جواب گرفته بودنحالا چطور شده نمی‌دونمفقط می‌دونم زندگی جای اینکه بهم دست بده انگشت داده همه چی عوض شدهدونه دونه خیال‌بافی‌هام جلو چشمام رنگ باختنحالا من موندم و به عالمه برنامه ریزیِ نشدنیاولین موضوعی که باهاش مواجهم پولهبه معنی واقعی کلمه پولتهران بودن و رفت و آمد نیاز به پول داره که من ندارمپس باید شغل پیدا کنمو این اصلا مورد علاقه‌م نیستکه اولین چالش تهران رفتن منه حالا بعدتر درباره حل این چالش و چالش‌های دیگه بیشتر براتون می‌گم...حالا بیشتر ازش براتون می‌گم...Fatemeh GolchinFatemeh GolchinTue, 09 Sep 2025 13:21:41 +0330