در دو دقیقۀ گذشته به اندازۀ قرن نوزدهم عکس گرفته شده است!

از زمان اختراع عکاسی در اوایل قرن 19، تعدادِ عکس‌های گرفته‌شده افزایش نمایی داشته است تا اینکه در اواخرِ قرن بیستم جهان شاهد رشد ناگهانی عکاسی بود.

در سال 2000، 85 میلیارد عکس گرفتیم (2500 فریم در هر ثانیه) و این رقم با ظهور فناوری دیجیتال همواره در حال افزایش بوده است. امروزه، 2 میلیارد و 600 میلیون تلفن همراه  که به دوربین عکاسی مجهز شده‌اند در دنیا وجود دارد.

در واقع، بر اساس آمارها، تعداد عکس‌هایی که هر دو دقیقه یک بار گرفته می‌شود برابر است با کل عکس‌هایی که در قرن نوزدهم گرفته شده است.

منبع:

lesaviezvous.net

Today, every two minutes, people take as many pictures as taken throughout the 19th century

عکس: جواهردشت

مقایسۀ ترجمۀ ماشینی و ترجمه با کمک کامپیوتر (بازنشر)

نویسنده:

آلینا سینچان

توانایی در صحبت کردن (و نوشتن) به زبانی غیر از زبان مادری نوعی مهارت اجتماعی سودمند است. از دوران باستان، مردم برای برآورده کردن مقاصد اجتماعی، اقتصادی، و فرهنگی مجبور بوده‌اند با «خارجی‌ها» مکالمه کنند و مهارت‌ نخبگان در زبان‌های خارجی منجر به ترجمۀ بزرگترین آثار ادبی دنیا به تعداد زیادی از زبان‌ها شده است و متعاقباً تمام ملت‌ها از این آثار نفع برده‌اند. پیمان‌هایی که مسیر تاریخ را تغییر داده‌اند با کمک زبان‌های مشترک تدوین و منعقد شده‌اند؛ این زبان‌ها به طرفین درگیر فرصت داده‌اند گفتگویی تأثیرگذار با یکدیگر ترتیب دهند. بنابراین، ترجمه مکتوب و ترجمه شفاهی نقش مهمی در تکامل انسان داشته‌اند.

دستاوردهای فنی که در تمام زمینه‌ها شاهدش هستیم دنیای مترجمان را به نحو مطلوب تغییر داده است. ماشین‌های قدیمی تایپ مدت‌هاست که جای خود را به کامپیوتر داده‌اند؛ با هدف کمک به مترجمان برای ارائۀ نسخه‌ای دقیق‌تر از ترجمۀ متن مبدأ، مجموعه‌ای از ابزارها ابداع شده‌ و بهبود یافته‌اند. ترجمه با کمک کامپیوتر ـــ که بوسیلۀ مترجمان خبرۀ کاربلد انجام می‌شود ـــ علاوه بر اینکه ارائه‌دهندۀ نسخه‌ای باکیفیت‌تر است، کاهش‌دهندۀ زمانی‌ست که صرفِ پروژه می‌شود.

ابزارهای کمک مترجم (CAT) ـــ نرم‌افزارهای واژه‌پرداز (مانند کنترل‌کننده‌های املا و دستور زبان)، کورپس‌ها، ابزارهای حافظۀ ترجمه، دیکشنری‌های آنلاین و ... ـــ حرفۀ ترجمه را متحول کرده‌اند و منجر به تسریع فرایند ترجمه و بهبود کیفیت آن شده‌اند. با وجود این، ترجمۀ ماشینی ـــ گزینه‌ای جدید و غیرقابل اعتماد که غیرحرفه‌ای‌ها برخی اوقات به آن متوسل می‌شوند ـــ نباید در میان ابزارهای یک مترجم معتبر طبقه‌بندی شود. اگرچه این نرم‌افزارهای «هوشمند» بوسیلۀ تفکری ممتاز خلق شده‌اند تا بتوانند زحمت مترجم را کاهش یا به هر نوع بشری نسخۀ ترجمه‌شده‌ای از متن را ارائه دهند، این ماشین‌ها به اندازه‌ای اعتمادناپذیرند که خروجی آنها، در حیطۀ ترجمۀ تخصصی، ابزار خنده شده است.

اگر می‌خواهید دربارۀ ناتوانی‌های ترجمۀ ماشینی نمونه‌ای بارز داشته باشید، می‌توانید به اثری از بیل برایسون با نام «زبان مادری» مراجعه کنید.

از دل برود هر آنکه از دیده رود:

 بنابر توضیح نویسنده، شخصی تصمیم گرفت عبارت مشهور «out of sight, out of mind» را به یکی دیگر از زبان‌های اروپایی ترجمه کند. 

دیوانگی کور:

 نتیجۀ آن مدتی بعد به انگلیسی برگردانده شد و آنچه بر روی صفحه نمایان شد «blind insanity» بود! با توجه به اینکه «out of sight» و «out of mind» را می‌توان به عنوان معادل‌هایی برای blind و insanity در نظر گرفت، باید اذعان کرد که ماشین وظیفه‌اش را به خوبی انجام داده است، زیرا دو بخش از یک proverb را به عنوان دوcollocation مستقل در نظر گرفته است. این مسئله قطع به یقین قدمی مثبت برای یک ماشین «گنگ» است اما آنچیزی نیست که ترجمۀ حرفه‌ای به آن می‌پردازد.

به منظور استفادۀ مؤثر از ترجمۀ ماشینی، باید به هر دو زبان تسلط داشته باشید؛ در غیر این صورت، در تشخیص دادن نقصان‌ها و، در پی آن، اصلاح کردن اشتباهاتی که منجر به ابهام و افت کیفی می‌شوند ناتوان خواهید بود. افرادی که از این نرم‌افزارها استفاده می‌کنند در پیرامون ما به کرات دیده می‌شوند، اما کاربرد آنها بیشتر به گوشی‌های موبایل و محیط‌های غیررسمی محدود می‌شود. بیشتر استفاده‌کنندگان از نرم‌افزارهای ترجمه دانش‌آموزانی هستند که برای حل تمارین دروس زبانشان روی به این ابزارها می‌آورند. زمانی که صحبت از سرویس‌های ترجمۀ تخصصی می‌شود، نباید فراموش کرد که ترجمه صرفاً به هم چسباندن تعدادی مشخص از لغات در قالب یک جمله نیست، که متأسفانه عملی‌ست که ترجمۀ ماشینی انجام می‌دهد.

هدف از ابزارهای کمک مترجم (CAT) که به نظر می‌رسد جزئی جدایی‌ناپذیر از حرفۀ مترجم باشند کمک کردن به مترجم است نه آموزش دادن. در بحث دانش زبانی، رشد حرفه‌ای و تمرین مداوم است که می‌تواند مترجمی حرفه‌ای بسازد.

منبع

Alina Cincan (August 3, 2012) Machine Translation vs Computer Aided Translation,Available at: http://inboxtranslation.com/blog/machine-translation-computer-aided-translation/ (Accessed: 2/22/2015).

قهوۀ شخصی‌سازی‌شده

قهوه‌سازی که با خواندن خطوط منحصر به فرد کف دست و مراجعه به حافظه‌اش قهوۀ مورد علاقۀ فرد را آماده می‌کند. 

انبار محصولات و اینترنت اشیاء

حسگرهای لوبیاشکل ممکن است نگهداری محصولاتِ انبارشده را تسهیل کنند

دانشمندان بسته‌های کوچکِ حاوی حسگری را ابداع کرده‌اند که قادرند پایشِ محصولاتِ کشاورزی انبارشده را تسهیل نمایند. این بسته‌ها که در اندازۀ دانه‌های لوبیا طراحی‌ شده‌اند، هنگامی که در میانِ محتوایِ انبار غله قرار داده می‌شوند، به‌شکل مداوم شرایطِ فیزیکی و شیمیایی حاکم بر محیطِ نگهداری را به مدیران انبار گزارش می‌دهند. برای نمونه، دما و رطوبت را پایش می‌کنند، که هر دویِ آنها در صورتی که فراتر از استاندارد باشند فساد را تسریع می‌کنند. همچنین، حجم دی اکسید کربن محیط را اندازه می‌گیرند، که نشان می‌دهد میزان تنفس حشرات چقدر است (بالا بودن میزان این گاز نشان‌دهندۀ هجوم آفات است). در حال حاضر این داده‌ها از طریق ابزارهای دستی اندازه گرفته می‌شوند. این ابزارها را در فواصل زمانی مشخص درون تودۀ غلات قرار می‌دهند.

این ابزارهای لوبیاشکل پوسته‌هایی از جنس پلاستیک دارند. طول‌شان 45 و عرض‌شان 18 میلی‌متر است و با پرینترهای سه‌بعدی ساخته شده‌اند. درون هر کدام از محفظه‌ها یک مدار کوچک که شامل حسگر و بلوتوث است کار گذاشته می‌شود. حسگرها قادرند حرکات، دما، رطوبت، فشار هوا و غلظت گازهای مختلف را اندازه‌گیری کنند. هر کدام از محفظه‌های لوبیاشکل دارای یک قطب‌نمای الکترونیک و یک ژیروسکوپ کوچک‌اند. انرژی تمام این ابزارها از طریق  یک باتری که به شکل وایرلس شارژ می شود تامین خواهد شد.

مخترع این دانه‌های مجهز به سنسور یک مهندس الکترونیک به نامِ اندرو هلند از شرکتِ RFMOD در روستایِ Swaffham Bulbeck در نزدیکی کمبریجِ انگلیس است. به گفتۀ وی، مالکان انبار می‌توانند با اپلیکیشن‌های موبایل این دانه‌ها را برنامه‌ریزی کنند. شرکتِ RFMOD به تازگی آزمایش این دانه‌ها را آغاز کرده است. 

چنانچه مجموعه‌ای از این دانه‌ها درون توده‌ای از غلات قرار گیرند، می‌توانند به شکل وایرلس با یکدیگر ارتباط برقرار کنند. در نتیجه، هر کدام از آنها تشکیل یک نود (node) درون‌شبکه‌ای را می‌دهند که قادر است تصویری واضح و سه‌بعدی از آنچه درون تودۀ انبارشده در جریان است ارائه دهد. شرکتِ RFMOD به تازگی آزمایش این ابزار را آغاز کرده است و امیدوار است ظرف دو سال به بازار عرضه شود.

بیرون کشیدن این دانه‌ها هنگام خالی کردن انبار غله یکی از مشکلاتی‌ست که باید بر آن غلبه کرد. در صورت تجاری‌سازی آنها، می‌توان کاری کرد که هنگام تخلیۀ انبار به لرزش درآیند تا بتوان براحتی دانه‌ها را تشخیص داد و بیرون کشید.

در صورت موفقیت‌آمیز بودن، می‌توان این ابزار را جزئی از اینترنت اشیاء قلمداد کرد. برخی از طرفداران عقیده دارند می‌توان از اینترنت اشیاء برای اتصال الکترونیکی اشیاء به یکدیگر استفاده کرد.

منبع:

اکونومیست

Crop storage and the internet of things

Cool beans

Mar 12th 2016

برای سفارش ترجمۀ خبر یا همکاری بلندمدت/کوتاه مدت در این زمینه (انگلیسی به فارسی یا فارسی به انگلیسی) از طریق لینک تلگرام زیر اقدام شود:

telegram.me/Shadmehr1982

حسگرهای پوشیدنی: روشی برای پایش سلامتی از طریق بررسی عرق

آزمایش خون به پزشکان اجازه می‌دهد، با نگاهی عمیق به بدن، میزان سلامتی انسان را تحلیل کنند. اما، در آینده، برای کسب اطلاعات ارزشمند دربارۀ سلامت انسان، روش‌های کم‌تهاجمی‌تری نیز ظهور خواهند کرد: حسگرهای پوشیدنی که برای جستجوی علایم بیماری از عرق انسان استفاده می‌کنند.

عرق منبعی غنی از داده‌های شیمیایی است که به پزشکان کمک می‌کند دربارۀ اتفاقاتی که درون بدن انسان در جریان است نظر دهند. عرق مملو از مولکول است --- از یون‌های سادۀ دارای بار الکتریکی گرفته تا پروتئین‌های پیچیده --- و پزشکان می‌توانند با استفاده از عرق برخی بیماری‌های خاص را تشخیص دهند، استفاده از مواد مخدر را فاش سازند و عملکرد ورزشکاران را بهینه نمایند.

حسگرهایی مانند Fitbit و Apple Watch، که در بازار موجودند، فعالیت فیزیکی کاربران و برخی علایم حیاتی مانند ضربان قلب را پیگیری می‌کنند. با وجود این، در مقیاس مولکولی، هیچ کدام‌شان دربارۀ سلامت کاربران داده‌ای ارائه نمی‌کنند. اکنون، بنابه گفتۀ دانشمندان، مچ‌بندها و هدبندهای «هوشمند» که حسگرهای عرق در آنها تعبیه شده است، از طریق بلوتوث، با گوشی‌های هوشمند سینک می‌گردند.

  پیش از این، برای مطالعۀ عرق، قطرات حاصل از تعریق را در ظروف مخصوص جمع‌آوری و آنها را چندی بعد در آزمایشگاه آنالیز می‌کردند. در حال حاضر، پژوهش‌گران، برای پایش مداوم چهار ترکیب مولکولی عرق و پیگیری زمان‌واقعی سلامت اشخاص، از آرایه‌های حسی نرم، انعطاف‌پذیر و پوشیدنی استفاده می‌کنند.

این افزاره‌ها در آینده به ورزشکاران کمک می‌کنند تا عملکردشان را تحت نظر بگیرند و پزشکان را قادر می‌سازد به شکل مداوم سلامتی بیماران را برای شخصی‌سازی درمان‌شان پیگری کنند. این افزاره‌ها به ورزشکاران اطلاع می‌دهند که باید مایعات بنوشند یا به آنها دربارۀ خطر حملۀ قلبی هشدار می‌دهند.

این اختراع از پنج حسگر استفاده می‌کند. این حسگرها سطح گلوکوز، لاکتات، سدیم و پتاسیم و همچنین دمای پوست را اندازه‌گیری می‌کنند. این داده‌ها به میکروچیپ‌های انعطاف‌پذیر انتقال داده می‌شوند. میکروچیپ‌ها این سیگنال‌ها را پردازش و به شکل بی‌سیم به تلفن هوشمند انتقال می‌دهند. 

با کمک سدیم و پتاسیم در عرق مشکلاتی مانند دهیدراسیون و گرفتگی عضلات بررسی می‌شوند. گلوکوز به کنترل سطح قند خون کمک می‌کند. سطح لاکتات نشان‌دهندۀ مشکلات مرتبط با جریان خون است. دمای پوست از گرم شدن بیش از حد بدن و سایر مشکلات خبر می‌دهد.

در آیندۀ نزدیک، پژوهش‌گران امیدوارند بتوانند اندازۀ ابزار الکترونیکی را کاهش و تعداد مولکول‌هایی را که ردیابی می‌کند افزایش دهند. این مولکول‌ها می‌توانند فلزات سنگین باشند. یکی از این فلزات سرب است. اخیراً وجود میزان بالای این فلز در آب‌های شهر Flint در میشیگان خبرساز شد.

  این ابزار بر روی 26 مرد و زن آزمایش شده است. آنها در فضای بسته با دوچرخۀ ثابت  تمرین کردند و در فضای باز دویدند. در آیندۀ نزدیک پژوهش‌گران قصد دارند این ابزار را در مقیاس بزرگ بر روی تعداد فراوانی از داوطلبان آزمایش کنند. داده‌های جمع‌آوری شده می‌تواند به پژوهش‌گران کمک کنند تا دربارۀ اینکه سطوح مولکول‌های متفاوت چه پیامی در مورد عملکرد ورزشکار و سلامت اشخاص می‌دهند به درک بهتری برسند.

پژوهش‌گران برای کار خود درخواست ثبت اختراع تنظیم کرده‌اند. با این حال، برای تجاری‌سازی آن در حال حاضر با کسی همکاری ندارند. جزئیات این یافته‌ها در شمارۀ 28 ژانویۀ Journal Nature منتشر شده است.

ترجمه و تلخیص از: Live Science

برای سفارش ترجمۀ خبر یا همکاری بلندمدت/کوتاه مدت در این زمینه (انگلیسی به فارسی یا فارسی به انگلیسی) از طریق لینک تلگرام زیر اقدام شود:

telegram.me/Shadmehr1982

"از لحاظ آماری معنادار بودن"

معنای واقعی "از لحاظ آماری معنادار بودن" چیست؟

بسیاری از پژوهشگران زمانی که به یافته‌های "معنادار آماری" می‌رسند هیجان‌زده می‌شوند، بدون اینکه معنای واقعی آن را درک کنند. معنادار بودن آمار صرفاً به این معناست که می‌توان به  اعتمادپذیر بودن یا موثق بودن آمار اطمینان کرد. این امر به این معنا نیست که یافتۀ بدست‌آمده مهم است یا برای تصمیم‌گیری استنادپذیر است.

 برای نمونه، فرض کنیم از 1000 نفر آزمون هوش (IQ test) گرفته می‌شود و باید به این سوال پاسخ داده شود که آیا تفاوت معناداری میان نمرات مردان و زنان وجود دارد یاخیر.  امتیاز میانگین برای مردان 98 و امتیاز میانگین برای زنان 100 است. ما از آزمون t استفاده می‌کنیم و به این نتیجه می‌رسیم که تفاوت در سطح 0.01 معنادار است. پرسش مهم این است، "خوب که چی؟". تفاوت میان 98 و 100 در آزمون IQ بسیار اندک است ... به اندازه‌ای ناچیز است که نمی‌توان هیچ اهمیتی برای آن قائل شد.

چرا نتیجۀ آمار  t معنادار از آب درآمد؟ به این دلیل که اندازۀ نمونه (sample size) بزرگ بود. زمانی که اندازۀ نمونۀ بزرگی در اختیار دارید، کوچکترین تفاوت‌ها "معنادار" هستند. معنای این امر اطمینان از واقعی بودن تفاوت است (یعنی، این تفاوت اتفاقی نبوده است). این امر به معنای بزرگ یا مهم بودن تفاوت نیست. اگر آزمون ضریب هوش را صرفاً به یک جمعیت 25 نفره داده بودیم، تفاوت میان 98 و 100 میان مردان و زنان معنادار به حساب نمی‌آمد.

"معناداری" یک اصطلاح آماری است که بیان می‌دارد "تا چه اندازه‌ای می‌توان دربارۀ وجود تفاوت یا وجود یک رابطه اطمینان داشت." گفتن این که تفاوت معنادار یا رابطۀ معنادار وجود دارد صرفاً نیمی از داستان است. ممکن است از وجود یک رابطه کاملاً مطمئن باشیم، اما آیا چنین رابطه‌ای قوی، متوسط، یا ضعیف است؟ پس از یافتن رابطۀ معنادار، برآورد کردن قدرت این رابطه اهمیت می‌یابد. روابط معنادار ممکن است قوی یا ضعیف باشند. تفاوت‌های معنادار ممکن است بزرگ یا کوچک باشند. این امر صرفاً به اندازۀ نمونۀ شما بستگی دارد.

در مواجهه با کارفرما، بسیاری از پژوهشگران زمانی که می‌خواهند ارزشمند بودن یک یافته را برای تصمیم‌گیری توصیف کنند  از واژۀ "معنادار" استفاده می‌کنند. از منظر یک کارشناس آمار، استفاده از واژۀ مذکور در چنین مقامی نادرست تلقی می‌شود. با وجود این، واژۀ "معنادار" برای عموم تعریفی متفاوت دارد. بنابراین، بسیاری از پژوهشگران از واژۀ "معنادار" زمانی استفاده می‌کنند که می‌خواهند بیان کنند یک تفاوت یا رابطه  برای کارفرما اهمیتی راهبردی دارد (بدون توجه به آزمون‌های آماری).  در این شرایط، از واژۀ "معنادار" برای جلب توجه کارفرما به سمت تفاوت یا رابطه‌ای خاص استفاده می‌شود، زیرا این تفاوت یا رابطه می‌تواند برای برنامه‌های راهبردی شرکت مهم باشد. واژۀ "معنادار" صرفاً به حوزۀ آمار اختصاص ندارد و می‌توان از [معنای عام] آن در حوزۀ تجارت نیز استفاده کرد. بنابراین، برای کارشناسان آمار، زمانی که با عموم مردم در ارتباطند، منطقی‌تر این است که از عبارت "از لحاظ آماری معنادار" استفاده کنند نه اینکه صرفاً بگویند "معنادار". 

آزمون معناداری یک‌طرفه و دوطرفه (یک‌سویه و دوسویه؛ یک‌جهته و دوجهته)

یکی از مفاهیم مهم در آزمون معنادار بودن این است که آیا از آزمون یک‌طرفه استفاده می‌کنید یا از آزمون دوطرفه. پاسخ این است که چنین مسئله‌ای به فرضیۀ شما بستگی دارد. زمانی که فرضیۀ پژوهش جهت‌ِ یک رابطه یا تفاوت را بیان می‌کند، از احتمال یک‌سویه استفاده می‌کنید. برای نمونه، برای آزمودنِ فرضیه‌های صفر روبرو از آزمون یک‌سویه استفاده می‌شود: بانوان در آزمون ضریب هوش از لحاظ آماری امتیاز قوی‌تری کسب نمی‌کنند. میزانِ کالای خریداری شده بوسیلۀ کارمندان (white collar) و کارگران (blue collar) تفاوت معناداری ندارد. قدرت سوپرمن با قدرت یک فرد عادی تفاوت معناداری ندارد. ارزش احتمال یک‌سویه دقیقاً یک‌دومِ ارزش احتمال دوسویه است.

در صد سال گذشته، دربارۀ لزوم  استفاده از آزمون یک‌سویه بحث‌های جنجالی فراوانی وجود داشته است. منطق پشت این بحث‌ها این بوده است که اگر پیش از انجام آزمون از جهت‌گیری تفاوت‌های موجود آگاه هستید، دیگر چه نیاز به آزمون آماری دارید؟ با اینکه استفاده از آزمون دوسویه اطمینان‌پذیرتر است، شرایطی وجود دارد که در آن آزمون یک‌سویه مناسب‌تر است. بنابراین، استفاده از  پرسش‌های پژوهشی یک‌سویه یا دوسویه برعهدۀ پژوهشگر است. 

روشی که برای آزمودنِ معنادار بودن استفاده می‌شود

زمانی که معنادار بودن را می‌آزماییم، مقادیر آزمایشی را که خودمان محاسبه کرده‌ایم با مقادیر بحرانی مقایسه می‌کنیم. روند انجام آزمون معنادار بودن صرف نظر از اینکه چه نوع آماره‌ای  را محاسبه می‌کنیم (برای نمونه، آمار t، آمار کای دو، آمار F، و غیره)  یکسان است.

1.  دربارۀ سطح آلفای بحرانی که می‌خواهید از آن استفاده کنید مطمئن شوید (یعنی، نرخ خطای قابل قبول).
2. پژوهش را انجام دهید.
3. آماره را  محاسبه کنید.
4. آماره را با مقادیر بحرانیِ بدست آمده از جدول مقایسه نمایید.

اگر آمارۀ شما از مقدار بحرانی بدست آمده از جدول بزرگتر باشد:

• یافتۀ شما معنادار است.
• فرضیۀ صفر نقض می‌شود.
•  احتمال اینکه تفاوت یا رابطه اتفاقی بوده باشد پایین است، و p از مقدار آلفای بحرانی کمتر است (p < alpha )

اگر آمارۀ شما از مقدار بحرانی بدست آمده از جدول کوچکتر باشد:

• یافتۀ شما معنادار نیست.
• فرضیۀ صفر نقض نمی‌شود.
•  احتمال اینکه تفاوت یا رابطه اتفاقی بوده باشد بالا است، و p از مقدار آلفای بحرانی بیشتر است (p > alpha )

نرم‌افزارهای کامپیوتری مدرن می‌توانند احتمالات دقیق را برای تمام  آماره‌های آزمون محاسبه نمایند. اگر یک احتمال دقیق از یک نرم‌افزار کامپیوتری در اختیار دارید، صرفاً آن را با سطح آلفای بحرانی مقایسه کنید. اگر احتمال دقیق کمتر از سطح آلفای بحرانی بود، یافته‌هایتان معنادار است، و اگر احتمال دقیق بزرگتر از سطح آلفای بحرانی بود، یافته‌هایتان معنادار نیست. زمانی که احتمال دقیق را در اختیار دارید، استفاده از جدول الزامی نیست.

منبع:

استَت پَک

---

از لحاظ آماری معنادار statistical significance؛ statistically significant

یک سویه و دوسویه One-Tailed and Two-Tailed

فرضیۀ صفر null hypothesis

 آزمون کای دو chi-square     

آمارۀ t :

 t-statistic

آمارۀ F: 

F-statistic

کارگران و پرسنل اداری

blue collar and white collar workers

بازنشر: اعتدال بهاری و پاییزی

اعتدال در ستاره‌شناسی به زمانی گفته می‌شود که محور زمین و خورشید دقیقاً در یک راستا قرار می‌گیرند، یعنی کاملاً با هم موازی می‌شوند. اعتدال سالی دو بار اتفاق می‌افتد؛ یک بار در 20 یا 21 ماه مارس و یک بار هم در 22 یا 23 سپتامبر و همانطور که می‌دانید این دو تاریخ دقیقاً معادل هستند با اول ماه فروردین و اول ماه مهر. اگر اعتدال در اول فروردین اتفاق بیفتد به آن اعتدال بهاری می‌گویند (آغاز فصل بهار در نیم‌کره شمالی ــ یا همان نوروز خودمان) و اگر در اول مهر اتفاق بیفتد به آن اعتدال پاییزی گفته می‌شود (آغاز فصل پاییز در نیم‌کره شمالی).

ساعتی که اعتدال در آن اتفاق می‌افتد متغیر است، مثلاً سال 2010 در ساعت 9 بعدازظهر و سال 2011 در ساعت 2:50 شاهد وقوع اعتدال بهاری بودیم. این ساعت که ما به آن لحظه تحویل سال می گوییم قابل پیش‌بینی و بسیار دقیق است و همانطور که گفته شد دقیقا بعد از آن فصل بهار آغاز می‌شود.

---