Channel

Critical Inquiry

@Critical_Inquiry2026

On this record: Growth · Engagement · Posts · Citations · Cite this entry

579subscribers

-22 since we began measuring on 6 August 2026

Risers and fallers across the register · movement among entries of Under 1,000.

Register entry

Telegram ID	-1003560156268
Type	Channel
Username	@Critical_Inquiry2026
Created	Between 1 December 2025 and 31 May 2026— estimated from Telegram’s id allocation, not measured. How this range is calculated.
First recorded	6 August 2026
Last confirmed live	14 August 2026
Measurements held	3
Confirmed unchanged	1 time, most recently 14 August 2026
On Telegram	t.me/Critical_Inquiry2026

Growth

3 measurements spanning 8 days, net -22. Dots are measurements; the straight line between them is drawn to join them, not to claim we know the path taken in between — snapshots are recorded only when a count changes, so gaps mean “no change observed”, never “interpolated”. The vertical axis spans 576–604 and does not start at zero.

Measurement log — every subscribers count we have recorded
Measured (UTC)	Subscribers	Change
14 Aug 2026, 03:13	579	-22
6 Aug 2026, 17:48	601	no change
6 Aug 2026, 13:52	601	first reading

Engagement

20 posts held, back to 16 July 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.

ERR · 30 days: 88.7%; avg views ÷ 579 subscribers
Avg views / post: 513; 20 posts measured
Reaction rate: —; this channel exposes no reaction counts
Posts in window: 20; of 20 held

ERR is average views per post over the last 30 days divided by subscribers, the definition TGStat uses, so this figure is comparable with the one you will see elsewhere. It falls structurally as a channel grows: a high ERR on a small channel and a low one on a large channel describe reach mathematics, not quality. We publish the figure and the sample it came from and pass no verdict on it.

ER is defined industry-wide as (forwards + reactions + comments) ÷ views— note the denominator is views, not subscribers. Telegram’s public web preview carries views and reactions but not forward or comment counts, so the reaction rate above is the reactions term only and is therefore a floor: the true ER for this channel is higher by an amount we have not measured and will not estimate.

What these figures were computed from
Window	Rolling 30 days · latest post in window 4 August 2026
Posts held	20 (16 July 2026 – 4 August 2026)
Views total	10,268
Reactions total	—
Forwards / comments	not exposed by the public surface — not measured, not estimated
Readings taken	6 Aug 2026, 17:48 UTC

Views are a single reading per post, taken at the time above. A post published in the last day or two is still accumulating views, which pulls the 30-day average down slightly. That is a property of the standard definition rather than a fault in it, so we keep the definition rather than “correcting” the number into something nobody can reproduce.

Precision. Telegram publishes view counts on its public widget in short form — 8.12K, 3.7M — so any reading at or above 1,000 reaches us rounded to three significant figures, and only counts below 1,000 are exact. Averages and rates derived from them are shown to the same precision rather than to the unit: a figure like 3,701,250 would assert digits nobody measured.

Reaction counts are published per emoji and rounded the same way, so a total below 1,000 is exact and a larger one is a sum that may carry a rounded component from each emoji above 1,000. Because it is a sum, it does not look rounded — read a large reaction total as three significant figures per contributing emoji rather than as the figure it prints.

Recent posts

4 Aug 2026, 18:26 UTC288 viewsread 6 August 2026

Forwarded from @irevidence

▫️توئیکینگ: خطرناک‌ترین نوعِ تقلب علمی دانشگاه MIT به تازگی کتابی را منتشر کرده که نگاه جدیدی دارد به مقوله تقلب در پژوهش و بحران اعتبار علم. این کتاب را Thomas Plümper و Eric Neumayer نوشته‌اند: The Credibility Crisis in Science: Tweakers, Fraudsters, and the Manipulation of Empirical Results دو نوع تقلب در پژوهش وجود دارد که خیلی آشکار و واضح هستند و در غیراخلاقی بودن آنها شکی نیست. یکی داده‌سازی (Data Fabricati…

Signed A.RANJBAR

30 Jul 2026, 19:14 UTC332 viewsread 6 August 2026

Forwarded from @Psycho_Research_AcademyFile

📌 کتاب ۱۰۰ پرسش و پاسخ درباره‌ آمار در روان‌شناسی (فارسی) 🤔 شما هم در یادگیری آمار مشکل دارید؟ ✅ این کتاب مفاهیم پیچیده‌ی آمار را به زبان ساده توضیح می‌دهد. 🔹 این کتاب به صورت رایگان توسط دانشگاه گیلان منتشر شده است و نشر آن شرعاً و قانوناً ایرادی ندارد. به آکادمی روان تحقیق بپیوندید 💙 👇👇👇👇 @Psycho_Research_Academy

Signed A.RANJBAR

28 Jul 2026, 06:18 UTC401 viewsread 6 August 2026

یکی از مسائل جدی دنیای انتشارات علمی موضوع predatory journals (مجلات غارتگر و بعضا مجلات شکارچی هم ترجمه میشود) است. اصطلاح predatory journal را Jeffrey Beall کتابدار دانشگاه کلرادو در اوایل دهه ۲۰۱۰ وارد ادبیات علمی کرد. تعریف این اصطلاح: ناشرانی که از مدل «نویسنده پرداخت میکند»(author-pays) سوءاستفاده میکنند ؛ هزینه انتشار میگیرند بدون اینکه داوری واقعی و خدمات ویراستاری یا نظارت اخلاقی ارائه دهند. توجه فرمایید ک…

Signed A.RANJBAR

27 Jul 2026, 18:50 UTC192 viewsread 6 August 2026

Forwarded from @Psycho_Research_Academy

📌چرا باید مهاجرت کنیم؟ 📝 سیدمحمدمهدی مهدوی‌نور امروز ۸ مرداد ۱۴۰۴ بعد از یک هفته که ایمیل آکادمیک دانشگاه از دسترس خارج شده بود دوباره بالا آمد. مشکل چه بود؟ هر روز برق‌ها می‌رود و سرورها آسیب می‌بینند. این بار اول نبود. اما قبلا نهایتا طی دو سه روز طول می‌کشید. این بار یک هفته طول کشید. یعنی یک هفته تمام ارتباط من با مجله‌های بین‌المللی و اساتید خارج از کشور قطع شد. اما این اوج فاجعه نبود. اوج فاجعه امروز بود؛ وق…

Signed A.RANJBAR

26 Jul 2026, 17:43 UTC293 viewsread 6 August 2026

توصیه میکنم حتما به موارد زیر برای خواندن صحیح مقالات توجه فرمایید: همیشه Results را قبل از Discussion بخوانید و هرگز Discussion را بدون بازگشت به Results نپذیرید. درواقع اول Results را بخوانید. پیامد اولیه(primary outcome) را شناسایی کنید. آیا معنادار آماری بود؟ فاصله اطمینان چقدر بود؟ اندازه اثر بالینی معنادار بود؟ بعد Discussion را بخوانید. هر ادعای تفسیری را با Results مقایسه کنید. نویسنده ادعایی کرده که دادهه…

Signed A.RANJBAR

26 Jul 2026, 17:41 UTC278 viewsread 6 August 2026

از سمت خواننده هم به موضوع نگاه میکنیم چون بخش قابل توجهی از سوبرداشتها هنگام خواندن شکل میگیرد و میفهمید که خواننده مرز بین Results و Discussion را از دست میدهد. رایج‌تربن اشتباه این است که تفسیر نویسنده با یافته مطالعه یکی فرض شود. مثلا در Discussion نوشته شده است: «این نتایج از احتمال سودمندی دارو در پیشگیری از بیماری حمایت میکنند.» بسیاری همین جمله را نقل میکنند و میگویند «مطالعه نشان داد دارو موثر است.» درصورتی…

Signed A.RANJBAR

26 Jul 2026, 17:39 UTC272 viewsread 6 August 2026

همین فاصله میان «آنچه مشاهده شده» و « آنچه از آن استنباط میشود» جایی است که مفهوم Spin وارد ادبیات روش‌شناسی شد. منظورمان از اسپین هم جعل داده یا دستکاری آماری نیست چون دادهها ممکن است کاملا صحیح باشند اما نحوه روایت انها خواننده را به برداشتی سوق دهد که خود دادهها از آن پشتیبانی نمیکنند و به همین علت معمولا اسپین را نوعی تحریف در تفسیر میدانیم. حالا ببینیم اسپین در هر بخش چه شکلی دارد. طبقه‌بندی سه‌گانه‌ای ارائه شد…

Signed A.RANJBAR

26 Jul 2026, 17:38 UTC289 viewsread 6 August 2026

تفاوت بنیادین بخش Results و Discussion در مقالات علمی عزیزان تفکیک کردن این دو بسیار مهم است، به علت اینکه هر بخش نوع متفاوتی از دانش تولید میکند و قواعد متفاوتی دارد. توجه فرمایید درصورتی که مرز بین Results و Discussion مخدوش شود(توسط نویسنده یا خواننده فرقی ندارد) زنجیره‌ای از خطاهای شناختی و حتی تصمیم‌گیریهای بالینی نادرست میتواند آغاز شود. درادامه اول هرکدام را تعریف میکنیم: بخش Results جای گزارش چیزی است که د…

Signed A.RANJBAR

26 Jul 2026, 17:35 UTC319 viewsread 6 August 2026

مطالبی را نوشته‌ام و در آن توضیحاتی درمورد تفاوت بخش Results و Discussion در مقالات علمی میدهم ولی عمدتا درباره خواندن انتقادی مقالات تجربی پزشکی و بالینی است بخصوص کارآزماییهای بالینی و مرورهای سیستماتیک؛ هرچند اصول بنیادین آن در خواندن هر مقاله تجربی کاربرد دارد.

Signed A.RANJBAR

25 Jul 2026, 16:44 UTC350 viewsread 6 August 2026

Photo

کتاب The Neural Basis of Free Will: Criterial Causation (Tse, MIT Press, 2013) یک مونوگراف آکادمیک بین‌ رشته‌ای است در تقاطع نوروساینس سلولی و فلسفه ذهن. تسه استدلال میکند که گیرندههای NMDA به‌عنوان coincidence detectors عمل میکنند و امکان criterial causation (نوعی علیت غیرخطی در سطح سیناپسی) را فراهم میسازند که به شبکههای عصبی اجازه میدهد معیارهای فعال‌سازی خود را بازتنظیم کنند. این مکانیسم، به ادعای تسه، فضایی برا…

Signed A.RANJBAR

25 Jul 2026, 10:29 UTC420 viewsread 6 August 2026

برای اینکه از برداشت اشتباه جلوگیری شود این دونکته را درنظر داشته باشید: درباره IIT یک محدودیت مهم وجود دارد. توجه فرمایید که محاسبه Φ برای سیستمهایی بزرگتر از چند ده نورون از نظر محاسباتی عملا ممکن نیست و پیچیدگی به‌صورت فوق‌نمایی رشد میکند. بنابراین حتی اگر IIT در شکل کامل خود درست باشد، آزمون مستقیم ادعای اصلی‌اش در مقیاس مغز واقعی فعلا امکان‌پذیر نیست. آنچه آزمون میشد خود تئوری نبوده و دراصل پیش‌بینیهای مشتق‌شده…

Signed A.RANJBAR

25 Jul 2026, 10:20 UTC420 viewsread 6 August 2026

قبل از اینکه وارد جزئیات شوم باید بگویم چرا اصلا چنین پروژه‌ای لازم شده چون بدون فهم مشکل زمینه‌ای، خود مقاله معنای واقعی‌اش را از دست میدهد. یکی دو دهه اخیر دادههای تجربی با سرعت زیادی تولید شده‌اند. بنابراین گره اصلی این حوزه کمبود داده نیست. اختلاف از جایی شروع میشود که هر تئوری اساسا موضوع متفاوتی را هدف توضیح خودش قرار داده است. IIT وقتی از آگاهی حرف میزند منظورش ساختار علّی تقلیل‌ناپذیر یک سیستم فیزیکی است. تو…

Signed A.RANJBAR

Showing the 12 most recent of 20 posts we hold for @Critical_Inquiry2026. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.

Citation-graph rank

Citation-graph rank — 161,096 of 1,350,102entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.

Forward network

Republished by

Channels on the register that have forwarded this channel's posts into their own feed.

Scientometrics
@Scientometric · 9971 post

Republishes

Channels on the register whose posts this channel has forwarded.

آکادمی روان تحقیق
@Psycho_Research_Academy · 4,9722 posts Evidence
@irevidence · 5,9971 post

Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.

Mentions

Named by 1 registered channel — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.

Named by

Channels on the register whose posts name this channel's handle.

واقعیتهایی درباره مغز
@brainiran · 1,5211 post

Names

Channels on the register whose handles appear in this channel's posts.

Evidence
@irevidence · 5,9971 post آکادمی روان تحقیق
@Psycho_Research_Academy · 4,9721 post

A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.

Cite this entry

A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 14 August 2026 — this entry's latest reading, not the date you are reading this.

“Critical Inquiry” (@Critical_Inquiry2026), 579 subscribers as measured 14 August 2026. Telegram Register, tgregister.com/channel/Critical_Inquiry2026.

Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.