#ля_ты_крыса

Увеличить Хирш бесплатно, без регистрации и смс

Привет, коллега!

На волне скандалов с покупкой соавторства в статьях, а также ажиотажа вокруг фабрикации данных, поговорим и ещё об одной ргадости нечестной научной жизни: накрутке Хирша

Для начала для тех кто не в курсе, что же такое этот Хирш. Это такой наукометрический индекс, который призван определять ценность учёного для науки. Его сейчас очень критикуют, но пока всё равно продолжают использовать. Индекс Хирша равен N, если у учёного есть N публикаций, каждая из которых была процитирована N раз.

Чтобы у исследователя рос индекс Хирша, он должен публиковать качественные статьи по актуальной теме в престижных научных журналах с открытым доступом, много коллаборировать и распространять результаты своих исследований через конференции 🌈. Звучит как много работы, не так ли? Так что некоторые выбирают скользкую дорожку обмана. И чтобы ты точно смог отличить крутых учёных с качественными публикациями от недобросовестных исследователей с накрученным Хиршем, расскажу про методы последних.

😕Публикации в "хищнических" журналах. Есть такие журналы и издательства, которые за деньги быстро публикуют работы без нормального процесса рецензирования. Качество статей в них весьма сомнительное, но при правильном пиаре статья может попасться на глаза другим исследователям и быть процитированной. Не самый надёжный способ, так как многие стали обращать внимание на то, где опубликована статья, прежде чем её цитировать.

😕Незаслуженное авторство. Некоторых учёных включают в соавторы просто потому что он, например, классный профессор и ему нужна статья. Конечно, приличные журналы просят прописывать вклад каждого из авторов, но кто мешает приписать кому-то больше действий, чем он реально совершил для данной работы. Ну и конечно, иногда соавторство просто покупается.

😕Дробление публикации или Salami Slicing. В этом случае вместо одной большой и хорошей статьи авторы публикуют несколько маленьких похуже. Больше статьей - больше шансов быть процитированными. Profit?

😕Бессмысленные обзоры. Иногда для увеличения количества публикаций (или для отчёта по гранту) учёные пишут обзорные статьи одну за другой. Бум странных обзоров был, например, в ковид и про ковид: на изоляции и времени побольше, и тема хайповая. Только за 2021 год на тему коронавируса было выпущено 11 тысяч обзорных статей, а вот ИИ даже на своём пике в прошлом году пока не достиг 5 тысяч. В целом, обзоры - классная штука, особенно систематические. Однако, если у автора половина или больше статей именно обзорные - есть над чем задуматься: а не плодит ли он сущности ради показателей?🤔

😕Навязывание своих работ. Многим учёным с активной публикационной историей приходят чужие статьи для рецензирования. И некоторые из этих учёных могут писать о необходимости подключения их собственных работ к рецензируемой статье 😏. Не в прямой формулировке, но из серии "вы не рассмотрели вот такие и такие важные для этой области работы", а при прочтении ты не понимаешь каким боком они вообще относятся к твоей теме, кроме общего объекта исследований.

😕Сверхцитирование собственных работ. Самоцитирование часто является нормой, особенно если исследователи продолжают и развивают одну тему. Но если ты видишь, что авторы постоянно и не по делу цитируют свои предыдущие работы, то тут явно прослеживаются нечестные делишки 🤫. Хотя многие системы уже умеют считать Хирш без самоцитирований, например, тот же Scopus

😕Договорное/покупное цитирование. Группы учёных могут договариваться о взаимных цитированиях своих работ. Плюс упоминания, также как соавторство, можно просто купить за деньги. В этом случае цитирующие статьи обычно достаточно плохого качества и опубликованы в каких-то мурзилках.

〰️〰️〰️
По сути для накрутки Хирша нужно одновременно увеличивать количество статей и количество их цитирований. Если есть деньги и/или желание, то любой чел (или кот) может накрутить свои показатели до небес, хотя вычисляется это на раз-два. Однако я надеюсь, что ты будешь делать самые крутые работы и твой Хирш будет расти без вот этих вот ухищрений❤️

#диссероплетение

Незванный ГОСТ хуже татарина

Привет, коллега!

Каждый год мои студенты испытывают дикие сложности с оформлением выпускных квалификационных работ и особенно со списком литературы. Конечно, внутренние нормативы могут отличаться, хотя чаще всего списаны с ГОСТ Р 7.0.11-2011 на диссертации или ГОСТ 7.32-2017 на отчёты . Однако именно библиографическая запись как правило является некой константой в мире разных требований и она определяется ГОСТ Р 7.0.100-2018. Хотя я залезла на сайт ВАК, посмотрела выборочно пять диссертаций и увидела пять разных стилей оформления 😒 Спишем это на локальные акты.

Так что я решила подготовить тебе небольшую памятку с оформлением списка литературы для источников, которые чаще всего встречаются в научных работах естественнонаучного профиля. И рассказать о некоторых нюансах.

Первый из них это порядок записей в списке литературы. В целом, источники можно упорядочивать по алфавиту, по упоминанию в тексте или разделять по главам работы. Наиболее удобным считается именно алфавитный порядок. При этом нумерация списка литературы обязательна, она сквозная и источники не повторяются независимо от количества упоминаний в тексте.

Но если бы всё было так просто, то этого поста бы не было. Потому что ещё есть порядок расстановки источников в списке в зависимости от типа документа. И именно в этом порядке я их и перечислю. Обрати внимание, что ты можешь просто скопировать мой пример и вместо того, что обозначено курсивом прописать параметры своих источников. А вот всякие скобки и другие знаки оставь без изменений.

1️⃣ Первыми всегда идут государственные официальные документы, причём в следующем порядке: Конституция РФ, Законодательные акты, Указы Президента, затем различные Постановления и нормативные документы. При оформлении записи указывается

Тип документа и название: [кто принял и когда принял]. - Город издания : издательство, год. - количество страниц с.

2️⃣ После в списке приводятся книги. Если на обложке несколько авторов, то сначала идёт первый из них, затем название и после снова авторы, но уже все (почти). Обычно прописывают первых 3 авторов и далее ставят [и др.], но если авторов 4, то перечисляют их всех.

Фамилия, И.О. Название книги / И.О. Фамилия, И.О. Фамилия - Город : Издательство, год. - количество страниц с.

Если в описании отсутствует автор или их много и книга выпущена под редакцией, то оформление будет следующим:

Название книги / И.О. Фамилия, И.О. Фамилия ; под редакцией И.О. Фамилия - Город : Издательство, год. - количество страниц с.

3️⃣ Затем идут диссертации и авторефераты диссертаций. Они оформляются следующим образом:

Фамилия, И.О. Название диссертации : специальность шифр "название специальности" : тип документа (диссертация на соискание ученой степени кого-то каких-то наук или автореферат диссертации и далее по тексту) / Фамилия Имя Отчество ; организация в которой проходила защита. - Город, год. - количество страниц с.

4️⃣ И наконец после этого всего будут перечислены статьи. Причём сначала отдельно идут статьи на русском языке, и только потом на английском. Оформление такое:

Фамилия, И.О. Название статьи / И.О. Фамилия, И.О. Фамилия // Название журнала. - Год. - Т. номер тома, вып. номер выпуска - С. номера страниц

Или на английском языке:

Surname F.M. Title of article / F.M. Surname, F.M. Surname // Title of the journal. - Year. - V. Volume number, N issue number - P. Page numbers

Если авторов больше 4, то правила такие же как и для книг: пиши трёх авторов и вставляй [и др.] или [et al.]

5️⃣ И в конце списка литературы будут идти электронные ресурсы:

Название сайта или страницы : [сайт] - город, год - URL: адрес страницы (дата обращения: дд.мм.гггг)

〰️〰️〰️
Конечно, типов источников гораздо больше и тут я указала далеко не все варианты. Тем не менее, я надеюсь, что при оформлении большинства ссылок тебе поможет эта памятка, а что-то специфическое надо будет уточнить уже в ГОСТ.

Кстати, есть программы, которые умеют оформлять список литературы и ссылки за тебя, ставь 🤩 если активно пользуешься ими и 👀 если хочешь узнать о них побольше.

#методичка

А ты в тренде?

Привет, коллега!

В предыдущих сериях мы научились формулировать научную гипотезу и искать по различным базам не проверил ли её кто-то другой. То есть с новизной идеи разобрались, но что же с актуальностью? Где по отношению к научным знаниям находится твоё исследование? Может оно вышло из моды или никогда и не было интересным? Или наоборот твоя тема только набирает обороты или находится на пике популярности? Понять это поможет анализ трендов, о котором и будет сегодняшний пост. Обозначу бесплатные ресурсы вот так 💸 и ресурсы со специализированным доступом так 👑

💸 PubMed Если ты введёшь поисковый запрос, то с левой стороны увидишь гистограмму с количеством публикаций по годам. Например, можно посмотреть распределение по тем же коронавирусам: до пандемии всем было плевать и выходило 500-800 статей в год. Зато в 2020 интерес возрос аж в сотню раз, а сейчас видно, что тема уже потихоньку себя изживает. Так что если хотел начать исследование на эту тему - забудь, это уже не модно 💅🏻

💸 Другие базы статей типа ScienceDirect, SpringerLink, 👑 Web of Science, Scopus сами не строят красивую гистограмму по годам, однако вполне выдают результат по количеству публикаций по заданой тематике за каждый год. Если нужна визуализация, то придётся это ручками переносить в условный эксель и смотреть график там.

💸 Google Trends анализирует количество поисковых запросов в гугл. Так что можно понять популярность темы не только среди учёных, но и среди всех, кого не забанили в гугле. Там же можно сравнить различные запросы. Например, если посмотреть на частоту запросов со словом "грипп", то можно увидеть чёткую сезонность, а также пик в 2005, совпадающий с пиком птичьего гриппа и в 2009, совпадающий с эпидемией свиного гриппа. Но, конечно, коронавирус начисто уделывает все остальные вирусы, причём настолько, что остальные запросы уходят в ноль относительно него😏.

💸 Яндекс Вордстат. Наш ответ гугл трендам 🇷🇺. Показывает статистику поиска в Яндексе. Уж не знаю какой процент учёных ищет информацию через Яндекс, но знать о наличии инструмента всё же стоит.

💸 VOSviewer - это программа предназначенная в первую очередь для визуализации карт публикаций, авторов, журналов, ключевых слов и других научных данных. Туда нужно загрузить базу статей, которую предварительно нужно скачать с pubmed, Web of Science и так далее. Далее программа создаёт кластеры ключевых слов, тем, направлений исследований, взаимодействий стран и университетов и так далее, а главное позволяет проследить как менялись эти данные в течение времени.

👑 SciVal это аналитическая платформа, разработанная Elsevier, которая позволяет оценивать значимость отдельных исследований, строить связи между различными темами и собственно анализировать тренды.

👑 Dimensions - это база данных научных публикаций, грантов, патентов, клинических испытаний и других видов академической информации. Там можно посмотреть топовых авторов, объемы финансирования, а также оценить объемы цитирования. Платформа также умеет делать отчёты с красивыми картинками

👑 Altmetric - это база с упоминанием исследований в социальных сетях, новостных сайтах, блогах и разных онлайн-платформах. По сути позволяет вычислить какой общественный резонанс вызывает та или иная тема или конкретная научная работа.

💸 TrendHunter Интересный сайт, агрегирующий свежие идеи из различных областей науки и просто жизни. Это скорее не проанализировать твою идею, но подсмотреть чужие. Например одна компания совместно с NASA делает кремчики на основе стволовых клеток, выращенных в биореакторе на орбите 🤨. Цены на такой крем будут космические.

💸 Также можно искать различные статьи, посвященные трендам и трендбуки, которые составляют специально обученные люди.

〰️〰️〰️
Интересно, а кто-то из читателей пользовался подобным анализом? Расскажите про ваш опыт в комментариях, помогло ли это в поиске новых направлений исследований?

Привет, коллега!

На часах пятница, так что отложим в сторону образовательные посты. Время пятничного интерактива 🤩

В комментариях к одному посту у нас разгорелась дискуссия на тему зарплат учёных. Есть ли доля шутки в шутках про низкие зарплаты?

На мой взгляд, учитывая высокий порог вхождения, учёным недоплачивают, особенно в регионах. С другой стороны, надбавки, премии и так далее вроде как выводят уровень зарплат активных исследователей на вполне неплохой уровень. Но что есть неплохой уровень? Хочу узнать мнение подписчиков 😊

Ниже будет серия опросов, в которой я предлагаю выбрать желаемый уровень оплаты труда учёных на разных уровнях. Я заведомо избегаю указания должностей, поскольку квалификационные требования могут отличаться. Также я не пишу абсолютные цифры, поскольку разницу между регионами отрицать нельзя 😭 Доход выражаем относительно медианного по региону, например, в Москве это 65 тысяч рублей.

Для чистоты эксперимента я прошу голосовать за стабильный ежемесячный доход без учёта премий и всех выплат, которые сегодня есть, а завтра нет. Плюс пусть эта зарплата будет за 1,0 ставки за 40 часов в неделю именно научной работы без всяких совместительств и дополнительной нагрузки.

Итак, поехали 🚙

#статистика_для_котиков #годнота

- Что это у тебя?
- Электронная книга
- Ты пытаешься бросить читать?

Привет, коллега!

У меня часто спрашивают... На своих занятиях я обычно даю список книг по статистике, которые рекомендую для подготовки к экзамену. У меня есть маленькая методичка изданная в Сеченовском университете, так что кто учится или работает в первом меде - может найти её в ЭБС. Для остальных же в этом канале я рассказываю примерно тот же материал, только совершенно другим языком и с другими примерами. Но если хочется пойти на опережение и уже сейчас освоить что-то, то вот мой личный рейтинг материалов, которые позволят понять принципы статистического анализа в первую очередь людям, далёким от математики.

1️⃣ Стентон Гланц "Медико-биологическая статистика". Книга аж 1999 года, но как мне кажется с тех пор более понятно про биостатистику ещё никто не написал. Она сочетает в себе как весёлые примеры про рост инопланетян и курение салатных листьев, так и математические выкладки. Прочтение этой книги для меня (и многих коллег) было более понятным и полезным, чем семестровый курс теории вероятности и статистики

2️⃣Курс "Основы статистики" от Института Биоинформатики на Stepik. Если честно, я прошла только первую часть и мне она понравилась. Для следующих частей нужно знать R, а я если честно так и не смогла восстановить навык работы на нём, утраченный где-то в аспирантуре 😢Тем не менее в перовой части это не требуется, зато хорошо даются понятия описательной статистики и начало параметрического анализа количественных данных. Я не любитель видеолекций, больше люблю читать, но как мне показалось материал подан очень хорошо
UPD: подписчики, которые пошли дальше в изучении этих курсов, всё же не рекомендуют их и предлагают лучше вот этот.

3️⃣ Владимир Савельев "Статистика и котики". Очень люблю котиков, иначе книга была бы чуть ниже в моём рейтинге. В ней очень хорошо и наглядно показан смысл многих статистических понятий, изображения просто очаровательные и она хорошо подходит тем, кто прям вообще не готов сходу войти в айти статистику. Однако, как мне кажется, работа критериев описана очень бегло и не всегда понятно когда они применяются и какие у них есть ограничения

4️⃣Сара Бослаф "Статистика для всех". Название немного лукавит, так как содержание этой книги будет сложным для совсем начинающих. Но после того же Гланца она хорошо зашла. Книга чуть более современная и универсальная по специальностям. В конце есть главы про применение статистики для разных отраслей типа бизнеса, медицины и образования.

5️⃣ Дэвид Шпигельхалтер "Искусство статистики. Как находить ответы в данных" и Дарелл Хафф "Как лгать при помощи статистики". Очень простые книги, без формул, критериев и всего такого, но их очень интересно читать для общего понимания как статистика вообще может работать и как не быть обманутым чужими расчётами 🤓


Коллеги, а какие книги/курсы/ресурсы по статистике, можете порекомендовать вы? Пишите об этом в комментариях