Channel
@mostafanasehi
On this record: Topic · Growth · Engagement · What this channel posts · Reactions · Posts · Telegram's recommendations · Cite this entry
6,192subscribers
+180 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of 3,162–10,000.
| Telegram ID | -1001470960740 |
|---|---|
| Type | Channel |
| Username | @mostafanasehi |
| Created | Between 1 April 2019 and 31 October 2021 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 7 August 2026 |
| Last confirmed live | 18 September 2026 |
| Measurements held | 13 |
| Confirmed unchanged | 1 time, most recently 18 September 2026 |
| On Telegram | t.me/mostafanasehi |
Education — a classification, not a measurement. An on-box language model (Qwen3.6-35B-A3B-FP8, prompt version 1) read this channel’s own recent posts on 12 September 2026 and assigned it the closest of 31 fixed categories, at 83% confidence. This is a model’s judgement about what the channel is likely to be about, not a fact this register measured the way a subscriber count or a view count is measured — it can be revised on a later pass, and it carries no weight anywhere else on this page. How this classification works, and why it has no browse page of its own yet.
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 18 Sept 2026, 22:20 | 6,192 | +54 |
| 14 Sept 2026, 12:41 | 6,138 | +38 |
| 10 Sept 2026, 14:16 | 6,100 | +141 |
| 5 Sept 2026, 05:40 | 5,959 | -4 |
| 1 Sept 2026, 09:04 | 5,963 | -9 |
| 29 Aug 2026, 08:36 | 5,972 | -34 |
| 26 Aug 2026, 05:06 | 6,006 | -17 |
| 19 Aug 2026, 08:12 | 6,023 | +4 |
| 16 Aug 2026, 18:05 | 6,019 | +5 |
| 13 Aug 2026, 13:48 | 6,014 | +4 |
| 7 Aug 2026, 20:03 | 6,010 | -2 |
| 7 Aug 2026, 07:00 | 6,012 | no change |
| 7 Aug 2026, 06:56 | 6,012 | first reading |
20 posts held, back to 29 April 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 9 pages of Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 20 posts for this entry, the most recent from 31 July 2026. An engagement rate over an empty window would be a number about nothing.
Measured directly from 1 video with a duration reading, out of the posts we hold for this channel — not this channel’s whole posting history, only the sample this register has actually read. An exact reading to the second, taken from the post itself rather than from Telegram’s own rounded chrome, so it carries no ≈ mark.
520 reactions across 20 posts, in 5 distinct kinds. The most used accounts for 73.8% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 384 | 73.8% | |
| 🙏 | 66 | 12.7% | |
| 👍 | 46 | 8.85% | |
| 🔥 | 21 | 4.04% | |
| 💯 | 3 | 0.577% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 20 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 520 reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 29 April 2026 to 31 July 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
نگفتم؟ الان ۶ نفر از همون جمع شدن منتورهای ثابت دورهٔ مرکز-حاشیه! یه جوری دارن شرکتکنندههای دور دوم رو راهنمایی میکنن انگار خودشون ابداع کردن سیستم رو! از عمق جان دارم کیف میکنم 😍 و خدا رو هزار هزار بار شکر میکنم بخاطر چرخهٔ قشنگی که چهار پنج سال برای درست کردنش شب و روز نداشتم! این تازه اول راهاندازی این چرخه است... مصطفی ناصحی آیندهپژوه و مشاور مسیر شغلی @mostafanasehi
❤38👍12🔥2
بهترین لحظات زندگی هر معلمی... لحظاتیه که میبینه تلاشهاش به ثمر نشسته، و تونسته یه «تاثیر کوچیک» روی زندگی بقیه بذاره 🙃 آرزو میکنم همهتون یه روزی این لحظات رو تجربه کنید. و راه تجربه کردنش هم چیز عجیبی نیست: به این فکر کنید که مهمترین نیازی که در جامعه هست و من میتونم با ترکیب استعدادهام به اون نیاز جواب بدم، چیه؟ و وقتی جوابشو پیدا کردید، با تمام توان، تخته گاز، بدون توجه به گذشته، بدون توجه به اطراف، فقط و …
❤24
باز هم از تاثیرات مطالب دوره! وقتی ادعا میکنم که به ۹۹٪ مسائلی که به عنوان یک چند پتانسیلی دارید، فکر کردم و برای همشون در دوره مطالبی گفتم، ادعای بیهودهای نیست. سالهای سال خودم به عنوان یک چند پتانسیلی درگیر همون چیزهایی بودم که شما بودید... سالهای سال با بیش از ۴۰۰ چند پتانسیلی جلسۀ مشاوره داشتم و دردهاشونو از نزدیک لمس کردم و راه حل طراحی کردم براشون... نتیجۀ همۀ اون تجربیات زیسته (ینی چیزهایی که خودم زندگ…
❤14💯3
4️⃣ تمرین مقدماتی دوره چند پتانسیلی ها 1. تشخیص شدت چند پتانسیلی بودن آیا دوره اصلا به درد من میخوره؟ (راهنمای تفسیر نتایج داخل فایل هست) https://t.me/mostafanasehi/710 2. فهرست کردن علایق و تحلیل هر کدوم (جدول داخل فایل ده ردیف داره ولی خودتون میتونید بیشترش کنید) https://t.me/mostafanasehi/711 3. پیدا کردن نخ نامرئی بین علایقی که در ظاهر به هم ارتباطی ندارند (مقدمۀ پیدا کردن هویت شغلی) https://t.me/mostafana…
❤16👍4
دیشب جلسۀ هفتم دوره بود. بعد از مقدماتی مثل شناخت انواع سردرگمی و راه حل هر کدوم، ارزش های اصیل و غیر اصیل، دسته بندی علایق، پیدا کردن هویت شغلی، در این جلسه مدل مرکز-حاشیه رو کامل توضیح دادم؛ و حالا همۀ بچه ها متوجه شدن که هر علاقه یا توانمندی رو کجای زندگیشون باید بچینن که نه به درآمدشون ضربه بخوره، نه به شوق یادگیری شون، نه به برنامۀ رشد برند فردی شون. خدا رو شکر میکنم بابت این فرصت... و امیدوارم روزی بیاد که …
❤10👍1
این معجزۀ دورۀ مرکز-حاشیه است! 👍 ما هنوز به سرفصل مدل درآمدی و طراحی لایههای مرکز-حاشیه نرسیدیم ولی بعضی از شرکتکنندهها تقریباً تا ته ماجرا رو در آوردن... 🤌دلیل اصلیش میدونی چیه؟ ✅اینه که من خودم با گوشت و پوست و استخون همۀ این دردها رو حس کردم از نوجوانی تا حوالی ۲۳ سالگی... ✅و بعد برای خودم سعی کردم یه مدل درست کنم که به همۀ علایق و استعدادهام رسیدگی کنم، ولی هیچ کدوم مزاحم «برند فردی» و «درآمد» من نباشن...…
❤21
👋 سوال: در بخش اولویتبندی ارزشها، از کجا بفهمیم کدوم ارزشها واقعاً اصیل هستن؟ پاسخ: ارزشهای اصیل تحت تاثیر شرایط و در طول زمان تغییر نمیکنن. ارزشهای غیر اصیل، دقیقاً برعکس و تحت تاثیر شرایط (اقتصادی، خانوادگی، روحی) ایجاد میشن و بعد از تغییر شرایط، کمرنگ میشن. در مدل مرکز-حاشیه در کوتاه مدت ما روی ارزشهای غیر اصیل تمرکز داریم تا از اون شرایط به سلامت عبور کنیم. اما در بلند مدت، برنامهٔ اصلی زندگی شغلیمون…
❤17
از دورۀ مرکز-حاشیه چه خبر؟ جونم براتون بگه که... دیشب جلسۀ پنجم برگزار شد و ما به پایان ماژول سوم یعنی «نقشه برداری از خود» رسیدیم. ۷۰ دقیقه دربارۀ تضاد ارزشها براشون حرف زدم و حسابی ریشهیابی کردیم این ماجرا رو. اینجا میتونید سرفصلها رو ببینید: https://karlead.app/courses/multipotentialite/ درس ششم ما شروع ماژول چهارم خواهد بود: یعنی انتخاب مرکز، ملاکهای تصمیمگیری و بحث جذاب تکامل لایههای مرکز در آینده. …
👍6❤5
چون زیاد سوال کردید، توضیحات مربوط به تست جامع رو اینجا هم میذارم. برای اطلاع از هزینه به تیم پشتیبانی پیام بدید: @nasehi_support_team موفق باشید ❤️
❤4👍2
لطفاً برای مامان دوستم دعا کنید. مریضه و حالش خوب نیست. ممنونم از همهتون❤️❤️
❤67🙏42
دیشب جلسه پنجم دورهٔ مرکز-حاشیه برگزار شد. ذره ذره تغییرات دارن خودشونو نشون میدن تو بچهها. فهم همه نسبت به مسأله نخ نامرئی بین علایق، خیلی بهتر شده و کیفیت تکالیفی که ارسال میکنند گواه همین موضوعه! این یکی از قشنگترین تجربیات گروهی من هست و خواهد بود. خوشحالم که فرصت کردم این حرکت رو بزنم. امیدوارم شماهایی که بعداً از این دوره استفاده میکنید هم همینقدر لذت ببرید! مصطفی ناصحی آیندهپژوه و مشاور مسیر شغلی …
❤21👍2
چطور باید علاقههای زیاد و متنوع رو اولویت بندی کرد؟ این دومین ویس آموزشی مربوط به چند پتانسیلی هاست. در این ویس بهت یاد دادم که مهمترین ملاک برای اولویت بندی چیه، و چطور علایق فراوان در سه دستهٔ خیلی مهم قرار میگیرن. مصطفی ناصحی آیندهپژوه و مشاور مسیر شغلی @mostafanasehi
❤32🙏4👍3
Showing the 12 most recent of 20 posts we hold for @mostafanasehi. 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.
The reverse of the list above, and a different kind of signal. This does not require this channel to have ever been asked about directly — each row below is a channel we DID ask Telegram about, whose Telegram-generated list happened to include this one. A channel can appear here with an empty list above it, because being named by someone else’s query is independent of having been queried itself.
This channel appears in 1 seed channel's Telegram-generated recommendation list in total. Each is Telegram’s list for THAT channel, not this one — see how this is measured.
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 18 September 2026 — this entry's latest reading, not the date you are reading this.
“مصطفی ناصحی | مشاورۀ شغلی” (@mostafanasehi), 6,192 subscribers as measured 18 September 2026. Telegram Register, tgregister.com/channel/mostafanasehi.
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.