Channel
@SciCoMeet
On this record: Growth · Engagement · Reactions · Posts · Citations · Cite this entry
145subscribers
+0 since we began measuring on 9 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1003442872877 |
|---|---|
| Type | Channel |
| Username | @SciCoMeet |
| Created | Between 1 November 2025 and 24 December 2025 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 9 August 2026 |
| Last confirmed live | 1 September 2026 |
| Measurements held | 2 |
| Confirmed unchanged | 4 times, most recently 1 September 2026 |
| On Telegram | t.me/SciCoMeet |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 10 Aug 2026, 10:55 | 145 | no change |
| 9 Aug 2026, 13:31 | 145 | first reading |
20 posts held, back to 24 December 2025 — 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 page 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 23 July 2026. An engagement rate over an empty window would be a number about nothing.
169 reactions across 17 posts, in 12 distinct kinds. The most used accounts for 26.6% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 45 | 26.6% | |
| ❤🔥 | 35 | 20.7% | |
| 🔥 | 34 | 20.1% | |
| 👏 | 19 | 11.2% | |
| 👌 | 17 | 10.1% | |
| 👍 | 8 | 4.73% | |
| ⚡ | 3 | 1.78% | |
| 🤩 | 3 | 1.78% | |
| 🎉 | 2 | 1.18% | |
| 🤔 | 1 | 0.592% | |
| 🤯 | 1 | 0.592% | |
| 🥰 | 1 | 0.592% |
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 17 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 169 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 24 December 2025 to 23 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.
🔻اثر کارل سیگن؛ افسانه یا واقعیت؟ (بخش دوم) 🔍 در سال ۲۰۱۹، سوزانا مارتینز-کُنده، عصبشناس و مروج علم، در مقالهای با عنوان «آیا دانشگاه امروز از اثر کارل سیگن عبور کرده است؟» این اثر را بررسی و علاوه بر مرور پژوهشهای پیشین، تجربهٔ دانشمندانی را که در ارتباطات علم فعال بودند نیز تحلیل کرد. 🔦 نتیجه جالب بود: شواهد نشان داد پژوهشگرانی که ارتباط بیشتری با جامعه دارند، معمولاً از نظر علمی عملکرد ضعیفتری ندارند. 🏷️در …
👌5🔥1
🔻 اثر کارل سیگن؛ آیا ترویج علم به اعتبار علمی آسیب میزند؟ (بخش اول) ✒️ یکی از دغدغههای رایج میان پژوهشگران و دانشگاهیان، این است که حضور در رسانهها و گفتوگو با عموم مردم، به اعتبار علمی آنها لطمه بزند. 🗣️ این نگرانی آنقدر فراگیر شده که حتی نامی برای آن انتخاب شده است: اثر کارل سیگن. 🔭 کارل سیگن، ستارهشناس برجستهٔ آمریکایی، با مجموعهٔ Cosmos مفاهیم پیچیدهای مانند کیهان، حیات و روش علمی را برای میلیونها نف…
❤4👌2
🔻مدل مشارکت عمومی/ درگیرسازی عمومی (Public Participation/ Public Engagement Model) ✒️ مدل مشارکت عمومی بر این ایده استوار است که مسئلهٔ اصلی در رابطهٔ علم و جامعه نه صرفاً کمبود دانش، بلکه کمبود اعتماد و مشارکت اجتماعی در تصمیم گیری علمی و فناورانه است. 🔍 این مدل، بر مجموعهای از سازوکارها و فعالیتها تمرکز دارد که هدف آنها درگیر کردن مستقیم شهروندان در فرایندهای مرتبط با سیاست علم و فناوری است؛ از جمله: کنفرانس…
❤🔥9❤2
📍 ارتباطات علم در دوران پساتروما | تجربه چرنوبیل 📰فاجعه چرنوبیل (۱۹۸۶) نمونهای مهم از ضرورت «ارتباطات علم» در دوران پساتروما بود. پنهانکاری اولیه دولت شوروی درباره آلودگی و پیامدهای سلامت، بیاعتمادی عمیقی به نهادهای علمی و حکومتی ایجاد کرد و آموزش عمومی را دشوار ساخت. 👥در نتیجه، یکی از کارکردهای اصلی ارتباطات علم، بازسازی اعتماد اجتماعی و ایجاد نظام شفاف اطلاعرسانی شد. در این مسیر، دانش رادیولوژی و اپیدمیولو…
❤12
🔻مدل تخصص مبتنی بر تجربه (Lay Expertise Model) مدل تخصصِ مبتنی بر تجربه، از این فرض آغاز میشود که دانش مرتبط با مسائل علمی و فناورانه صرفاً در اختیار دانشمندان و متخصصان رسمی نیست، بلکه در دل تجربههای زیستهٔ جوامع محلی نیز شکل میگیرد. 🔎 این «دانش عامه» یا دانش محلی، ریشه در تاریخ، فرهنگ، و شرایط واقعی زندگی مردم دارد؛ برای مثال: دانش کشاورزان دربارهٔ زمین و کشت، یا حافظهٔ تاریخی جوامعی که تجربههای آسیبزایی از …
❤6🤯1
SciCoMeet | ارتباطات علم pinned «🔴هماکنون وبینار «چالش اعتماد در ارتباطات علم؛ کدام دسته از دانستههایمان قابل اعتمادند؟» در حال برگزاری است. 🔺برای ورود به نشست کلیک کنید. ✨ این نشست مجازی، برای عموم علاقهمندان آزاد است. 🖇️ تلگرام | لینکدین»
🔴هماکنون وبینار «چالش اعتماد در ارتباطات علم؛ کدام دسته از دانستههایمان قابل اعتمادند؟» در حال برگزاری است. 🔺برای ورود به نشست کلیک کنید. ✨ این نشست مجازی، برای عموم علاقهمندان آزاد است. 🖇️ تلگرام | لینکدین
❤6
❌⭕۱ ساعت مانده به وبینار ..... 🧠📢 «چرا ترویج علم؟» | دومین نشست از یک مجموعه گفتوگومحور گروه ارتباطات علمِ انجمن ایرانی مطالعات فرهنگی و ارتباطات با همکاری سایکامیت برگزار میکند: 🎙 علی هادیان نویسنده و مترجم حوزه علم برای عموم 🧬 موضوع نشست: «چالش اعتماد در ارتباطات علم» کدام دسته از دانستههایمان قابل اعتمادند؟ چه میدانیم؟ چرا؟ 📅 پنجشنبه ۱۱ دیماه ۱۴۰۴ ⏰ ساعت ۱۷ تا ۱۹ 💻 بهصورت مجازی | در بستر Google Meet …
❤7🔥2👏1
🔻مدل زمینهای (Contextual Model) مدل زمینهای در واکنش به محدودیتهای مدل کمبود شکل گرفت و بر این نکته تأکید میکند که افراد دریافتکنندگان منفعلِ اطلاعات علمی نیستند. 👥 بر اساس این مدل، مردم اطلاعات علمی را در چارچوب «زمینه»های اجتماعی، فرهنگی، روانشناختی و تجربیِ پیشین خود تفسیر و پردازش میکنند. تجربههای شخصی، مرحلهٔ زندگی، نوع شخصیت، ارزشهای فرهنگی، و شرایط اجتماعیای که اطلاعات در آن دریافت میشود، همگی…
🔥9
🧠📢 «چرا ترویج علم؟» | دومین نشست از یک مجموعه گفتوگومحور گروه ارتباطات علمِ انجمن ایرانی مطالعات فرهنگی و ارتباطات با همکاری سایکامیت برگزار میکند: 🎙 علی هادیان نویسنده و مترجم حوزه علم برای عموم 🧬 موضوع نشست: «چالش اعتماد در ارتباطات علم» کدام دسته از دانستههایمان قابل اعتمادند؟ چه میدانیم؟ چرا؟ 📅 پنجشنبه ۱۱ دیماه ۱۴۰۴ ⏰ ساعت ۱۷ تا ۱۹ 💻 بهصورت مجازی | در بستر Google Meet 🔺برای ورود به نشست کلیک کنید. …
❤8🔥3👍1
🔻مدل کمبود (Deficit Model) 🗒️ مدل کمبود از دل جامعهٔ علمی شکل گرفته و بر این فرض استوار است که مشکل اصلی در ارتباط میان علم و عموم مردم، «کمبود دانش علمی» در میان مردم است. 📈 از نگاه این مدل، شهروندان به اندازهٔ کافی با مفاهیم پایهای علمی، فرایند علم، و نهادهای علمی آشنا نیستند و همین ناآگاهی باعث میشود از علم حمایت نکنند، به سیاستهای علمی بدبین باشند، یا تصمیمهای نادرست بگیرند. 📊 پیمایشهای ملی، بهویژه در ای…
🔥6👌2
🖼️در این چارچوب، لوونشتاین تلاش کرد بدون ارزش داوری نشان دهد که دیدگاههای متفاوت نسبت به ارتباطات عمومی علم چگونه به رویکردها، فعالیتها و دستاوردهای متفاوت منجر میشوند. 🖇️مدلهای معرفیشده در مقاله نویسنده چهار مدل اصلیِ ارتباطات عمومی علم و فناوری را معرفی میکند: 🔶مدل کمبود (Deficit Model) 🔶مدل زمینهای (Contextual Model) 🔶مدل تخصص مبتنیبر تجربه (Lay Expertise Model) 🔶مدل مشارکت عمومی (Public Participatio…
👍7❤🔥3
Showing the 12 most recent of 20 posts we hold for @SciCoMeet. 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.
Republished by
Channels on the register that have forwarded this channel's posts into their own feed.
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.
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.
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.
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 10 August 2026 — this entry's latest reading, not the date you are reading this.
“SciCoMeet | ارتباطات علم” (@SciCoMeet), 145 subscribers as measured 10 August 2026. Telegram Register, tgregister.com/channel/SciCoMeet.
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.