#сдохни_или_умри

От ваших ки-пи-ай у меня уже ОКР

Привет, коллега!

На прошлой неделе мы говорили о различных индексах, которые призваны оценивать учёных. И все они не идеальны, как и многие количественные показатели, которыми пытаются измерять труд. Сегодня я бы хотела рассказать о двух подходах к определению эффективности людей и команд. Возможно, эта информация пригодится для того, чтобы говорить с разного рода начальством или хотя бы чтобы понимать, чего они от тебя хотят.

Первый подход оценки работы - это KPI (key performance indicators). Думаю, система знакома многим и у многих вызывает только головную боль 😡 Смысл её в том, чтобы задать некоторые показатели, которые можно будет отслеживать раз в какой-то период, и по результатам, например, определять сколько денежек должен получить сотрудник. Типичные KPI прописаны в трудовом контракте: надо N статей в год, N методичек, N руководства студентами и так далее.

И если ты уже сколько-то поработал в науке, то знаешь, что любые KPI прекрасно закрываются имитационными процессами. Надо N статей? Ок, напишем в нерецензируемые журналы. Надо N статей в Q1? Ок, напишем в MDPI парочку обзоров, а то и вовсе прибегнем к фальсификации данных. Ещё можно покупать соавторство или соавторов, в общем, вариантов масса. Методички посадим писать студентов, которыми и нужно руководить, очень удобно!

И самое главное, люди начинают работать не для какой-то высшей цели, а на выполнение этих самых KPI. Статьи пишутся не ради нового научного знания, а ради самих статей. Ещё пример, в мою аспирантскую пору, полицейские в главном здании МГУ под конец месяца обшаривали все кусты в поисках курильщиков в незаконных местах, чтобы выполнить план по административным преступлениям. Они ещё жаловались, что эти цифры постоянно увеличивают. Не знаю, на что им теперь приходится идти ради показателей 😰

И если мы хотим думать именно о целеполагании, то система KPI не очень подходит и в середине прошлого века стала развиваться альтернативная система оценки эффективности - OKR (Objectives and Key Results). В этой системе первоначально ставятся некие цели (objectives), причём они должны быть достаточно амбициозны, но не недосягаемы. Считается, что эти цели не могут быть достигнуты полностью, иначе они слишком приземлённые, но и слабое продвижение тоже плохо, значит, цели недостижимы. Оптимум считается выполнение на 70%, что бы это ни значило 🤷‍♂️ Далее эти цели разбиваются на 3-5 ключевых результатов (key results). Например, научная группа хочет войти в топ 10 групп по данной тематике в мире. Для этого она ставит ключевые результаты в плане качества работ и, соответственно, журналов для публикации, количества конференций, представленности в соцсетях и тд.

Звучит как KPI, не так ли? Не совсем, очень важно, что key results никак не должны влиять на зарплату сотрудника. И это именно то, на чём часто сыпятся бюджетные учреждения, пытающиеся внедрить систему OKR, не будучи готовыми отпустить финансовые кнут с пряником. И тогда, если спустить ключевые результаты сверху, сотрудники займутся имитацией. Если дать им самим обозначить для себя результаты - то они обозначат те, что заведомо смогут выполнить или даже перевыполнить. А в OKR перевыполнение заведомо невозможно.

Критика OKR связана как раз с туманностью формулировки цели, которую нужно выполнить на 70% и никак иначе, а также с теорией о том, что без финансового стимула люди не будут хорошо делать свою работу. Тем не менее, многие IT компании достаточно успешно работают с OKR.

На мой взгляд, KPI хороши для операционных процессов, не требующих творческого подхода. Завод должен выпускать подшипники в нужном количестве нужного качества и тут KPI подходят как нельзя лучше. Но если завод хочет перестраиваться, выпускать ещё и шарики, то постановка новой производственной линии и системы разделения труда, как мне кажется, требует уже OKR. А если говорить про науку, то это же вообще очень творческий процесс и опыт показывает, что если отстать от учёных с цифрами и дать им относительную свободу - то они сами прекрасно справятся, чай не дураки 🤓

#статистика_для_котиков

Я всегда считала, что мои шутки про статистику выше среднего, но, похоже, это была стандартная ошибка

Привет, коллега!

Когда-то я писала о мерах разброса и говорила, что такая вещь как стандартная ошибка среднего (SEM) не может использоваться как мера разброса. Штош, думаю теперь ты готов узнать почему.

Представь себе распределение зарплат всех-всех учёных в России. Как ты скорее всего догадываешься, оно будет ассиметричным. Теперь представь, что ты решил ездить на разные конференции и опрашивать по 50 учёных на каждой, узнавая какая у них зарплата ❓ Каждая конференция - это отдельная выборка с одинаковым количеством значений в ней. И для каждой выборки ты можешь посчитать выборочное среднее.

А теперь смотри какая крутая штука. Если ты возьмёшь все эти выборочные средние и сформируешь из них свою выборку с блекджеком и переменными, то она будет иметь нормальное распределение 🌈 Независимо от того, какое распределение имела генеральная совокупность.

Это следует из центральной предельной теоремы, которая гласит, что сумма большого количества слабо зависимых случайных величин имеет распределение, близкое к нормальному. Очень важно, что для работы этой теоремы мы должны опрашивать прям много учёных на каждой конференции, то есть n в выборках должно быть достаточно большим, иначе нормального распределения не будет. Условная граница стоит на 30 значениях: если их меньше - сорян, центральная предельная теорема не работает 😪

Наше новое распределение будем называть распределением выборочных средних. Так вот, как и у любого нормального распределения у него есть среднее и стандартное отклонение. В идеальной ситуации, где мы опросили по 50 учёных на бесконечном количестве конференций и не обанкротили наш институт, среднее распределения выборочных средних будет равно математическому ожиданию генеральной совокупности. В нашем случае - средней зарплате всех-всех учёных. А стандартное отклонение будет рассчитываться как стандартное отклонение генеральной совокупности, делённое на корень из количества значений в выборках, (в нашем случае из 50). И вот это стандартное отклонение распределения выборочных средних и называется стандартной ошибкой среднего (standard error mean, SEM)

Получается, если ты делаешь биологические повторности, то это тоже самое, что опросить учёных только на одной конференции и SEM как мера разброса для них будет попросту некорректна. И только для выборки из средних по многим независимым экспериментам, в каждом из которых будет более 30 биологических повторностей, можно использовать SEM. Но, если честно, я пока не встречала таких работ 🤷‍♂️

И что же получается, SEM это какая-то гипотетическая характеристика сферических коней в вакууме и она никому не нужна? Конечно же нет, без неё не получится рассчитать доверительные интервалы, о которых я расскажу уже в следующем посте про статистику.

#годнота

Привет, коллега!

Надеюсь, ты не думал, что в этой рубрики рекомендации будут исключительно научными? Потому что сегодня я порекомендую тебе ааааавтомобиль 🚙

Представь ситуацию, что тебе по каким-то причинам очень нужна машина, но денег у тебя от силы 500 тыс. Сейчас этого не хватит даже на китайца, электроника которого отрубится через месяц, а кузов сгниёт через год. Бери старенький Рено Логан. По возможности бери не российской сборки (VIN начинается на X, а второй символ: S, T, U, V, W, 3, 4, 5, 6, 7, 8, 9, 0), а желательно французской (VF-VR) или турецкой (NL-NR), особенно для относительно молодых автомобилей после 2014 года.

Почему я рекомендую этот автомобиль? Сама уже 7 лет езжу на Логане 2007 года и эта машина меня ни разу не подводила. Расскажу, какие плюсы и минусы:

➕ Логан - это надежная рабочая лошадка, которая не ломается при регулярном обслуживании. Только один раз она встала посреди трассы из-за умершего бензонасоса. Бензонасоса, которому было 15 лет и 260 тыс км пробега, и который мне никто не сказал вовремя поменять.
➕ Высокий клиренс позволяет без проблем ездить по относительному бездорожью. К бабуленьке в деревню за кабачками точно проедешь.
➕ А большая вместимость позволит увезти этих кабачков на весь институт. Серьёзно, багажник - это просто сумочка Гермионы, он вмещает 4 больших клетчатых баула и остаётся место для всяких пакетов. Так что в случае кризиса всегда сможешь переквалифицироваться в челнока 🎒
➕ Расход бензина летом 6-7 литров на сотню км, зимой 7-8. Как-то я дошла аж до 5.5 л на сотку. Может жрать 92-ой, так что получается весьма экономно. Но я правда лью 95, на нём машинка как-то подинамичнее
➕ Запчасти есть на любом реношном сервисе в наличии. В худшем случае придётся ждать пару дней под заказ. Куча аналогов разного качества, если хочешь сэкономить, но в целом родное тоже возят, просто сейчас выходит подороже. Помимо этого, многие механизмы не надо менять полностью, они прекрасно перебираются умельцами из автосервисов.
➕ В целом, у меня расходы на автомобиль с учётом бензина, регулярного ТО, замены других расходников, смены и хранения резины - от 100 до 150 тысяч в год. Опять же с учётом количества поездок лично для меня это выгоднее каршеринга/такси.

〰️ Автомобиль имеет минимальную комплектацию, то есть кондиционера, ABS и всяких приблуд типа парктроника или подогрева сидений в нём нет. Откровенно говоря, мне неудобно только от отсутствия кондиционера 🫠, остальному есть рабочие альтернативы, а зимой при торможении можно тренировать игру на кардане.
〰️ Абсолютно уродские маленькие боковые зеркала. Ещё и с ручной регулировкой. Зато учишься сливаться с машиной и чувствовать её габариты интуитивно 🧘
〰️ Постоянно дребезжит пластик, да и в целом шумоизоляция салона отстой. Но музыку погромче - и это уже не волнует. Или можно писать свою, если поймать ритм.
〰️ Механическая коробка передач бывает проблемой, если стоишь в пробке более 2 часов. И когда надо с места резко разогнаться и встроиться в поток. В остальном, я считаю, что всем сколько-то лет надо отъездить на механике, поскольку кто знает, на каком автомобиле придётся спасаться от толпы зомби
〰️ После 110 км/ч достаточно плохо управляема, плюс движку не очень хорошо. Но собственно и зачем куда-то торопиться?
〰️ В местах, где встречают судят по одёжке, можно столкнуться с презрительными взглядами. Чем не способ отсеить подобных людей 🤢

В общем, Рено Логан - надёжно, дёшево и сердито. А какие автомобили, соответствующие зарплате учёного, могли бы посоветовать вы?

#дед_инсайд

Привет, коллега!

С одинаковой частотой я встречаю два диаметрально противоположных мнения относительно роли научного руководителя в жизни молодого учёного. Одни считают, что он должен постоянно помогать, следить, объяснять и не бросать студента/аспиранта одного. Другие же считают, что молодые учёные должны быстро становиться самостоятельными, им нужно выдавать задачи и они должны их выполнять, пока научный руководитель занимается своими очень важными делами. Лично я в целом склоняюсь больше ко второму, но с оговорками. Поясню, почему.

В каком-то из видео в запрещенной соцсети я видела такую интересную классификацию, надеюсь, не перевру с конкретикой.

👶🏻Стажёр - это когда тебе показали какую-то задачу, показали как её делать и ты как обезьянка повторил.
👦🏻 Джун - это когда тебе ставят задачу, объясняют как делать и контролируют выполнение.
👱🏻‍♂️Миддл - это когда тебе ставят задачу, ты сам придумываешь как делать, но тебя контролируют.
👨🏻‍🦳Сеньор - это когда ты ставишь себе задачу, сам продумываешь и сам контролируешь.
👁И, наконец, тимлид - это когда ты ставишь задачи другим и контролируешь их.

Мне кажется, это неплохо ложится на болонскую систему. За бакалавриат стажёр должен вырасти до джуна, за магистратуру до миддла, за аспирантуру до сеньора и далее за постдока до тимлида. И задача научного руководителя заключается в том, чтобы дать столько внимания, чтобы человек не остался на предыдущей стадии, но и не выгорел от слишком большой ответственности 🫣

Раньше я не понимала, почему мой научный руководитель просит меня саму писать тезисы и статьи, если потом всё равно переписывает их заново. Или почему у меня просят схему эксперимента, если её всё равно обосрут и скажут как делать. Зачем мне тратить время, если я такое говно и всё уже десять раз придумано за меня? Почему нельзя просто сказать? По прошествии лет я сама поступаю ровно также 🙂

Обучение через самостоятельную практику и ошибки - это один из самых эффективных способов обучения. Ты можешь посмотреть тысячи туториалов на ютубе о том, как чинить автомобили, но автомехаником от этого не станешь. Так что важно делать это самому, первое время косяча и исправляя эти косяки. И на этом этапе роль научного руководителя в том, чтобы создать песочницу, в которой ты сможешь ошибаться, не боясь, что это приведёт к фатальным для лабы последствиям, а также показать тебе в чём эти ошибки и главное, как их исправить.

Помимо этого, научный руководитель должен быть готов помочь, если у тебя возникли сложности в процессе выполнения задачи. Не сказать, что ты тупой, раз не знаешь таких элементарных вещей 👊, а именно подсказать решение. Иногда я прошу своих студентов самостоятельно подумать над ним, а потом уже говорю "правильный" ответ, опять же исключительно в образовательных целях.

Не стоит рассчитывать, что научный руководитель станет нянькой и будет рядом на каждом шагу, подсказывая и рассказывая вообще всё. У него скорее всего куча других дел. Но если научный руководитель просто бросил тебя одного разбираться со всеми экспериментами, не дав чётких указаний и проигнорировав твои запросы, а потом просто сказал, что результат говно, не уточнив почему и как сделать его лучше, то у меня для тебя плохие новости. С таким руководителем с горем пополам может получится сделать диплом, но диссертация скорее всего уже не светит, если рядом не будет вменяемого соруководителя.

Коллеги, а вы что думаете? Какой он, научный руководитель здорового человека?

Привет, коллега!

Настала пятница и скоро выходные, в которые мы будем скучать по любимой работе 😭 (но это не точно). А кстати, как она выглядит у тебя? Скидывай в комментарии фото своего рабочего места, посмотрим какая у нас обстановочка в научных институтах.

На фото мой замдиректорский стол, за которым очень удобно принимать отработки и пересдачи экзаменов 😈 А если серьёзно, мечтаю заменить его на что-то поменбше, но как мебель в общаге главного здания МГУ, он здесь навсегда.

#предложечка #лаблыба

Кстати, можно присылать в предложку @ad_kurenkova не только мемы, но и длиннопосты для любой из тематик сообщества. По желанию автора, я могу указывать имя, а могу ставить только хэштег. А если хочешь поделиться чем-то анонимно, то это можно сделать через гугл форму.

Публиковать предложенное или нет, я буду решать на основе своего исключительно субъективного и возможно неправильного мнения 🤷‍♂️

#диссероплетение

Выпустите слайды из подвала

Привет, коллега!

Всем нам рано или поздно приходится делать устные доклады, будь то выступление на конференции, защита диплома или сообщение на лабораторном семинаре. Мы с коллегами регулярно отсматриваем презентации студентов и аспирантов и каждый раз оставляем примерно одни и те же комментарии. В этом посте я собрала их все и хочу дать рекомендации по оформлению научных докладов. Естественно, они могут немного отличаться в разных организациях, хотя я постараюсь дать самое общепринятое. Уверена, коллеги в комментариях смогут добавить ещё много полезного.

⏩Структура презентации для небольшого доклада на 10-15 минут оптимальная такая:
Введение - 1 слайд
Цели и задачи - 1 слайд
Материалы и методы + дизайн исследования - 2 слайда
Результаты - 4-5 слайдов
Заключение - 1 слайд
Выводы - 1 слайд

⏩Оформление слайдов должно быть единообразным, максимально лёгким, не перегруженным ни изображениями, ни текстом. Цветовую схему лучше брать контрастную, но не слишком пёструю, чтобы не вызвать приступ эпилепсии у слушателя 🤼‍♀️ Рекомендуется использовать не более 3-4 цветов.

⏩Шрифт должен быть достаточно крупным: для основного текста не менее 18 пунктов. А вот всякие ссылки на статьи и изображения, используемые статистические критерии и прочую доп информацию можно сделать поменьше. Лучше выбирать шрифты без засечек, например, Arial или Calibri, они лучше читаются. Для расстановки акцентов можно использовать жирный шрифт.

⏩Изображения не должны быть шакальными, если не можешь найти картинку приемлемого качества - воспользуйся нейросетями или перерисуй. Графики должны быть простыми и читаемыми и про то, как это сделать, я ещё напишу отдельный пост с рекомендациями. Для многих научно-квалификационных работ есть требование к оформлению только на русском языке, так что все картинки придётся перевести.

⏩Используй анимацию и переходы в умеренных количествах. Она должна помогать выделить важные моменты, а не показать насколько ты хорош в спецэффектах 🎥 Но помни, что при переносе на другой компьютер всё может сломаться, поэтому лично я стараюсь избегать анимации.

⏩Используй выравнивание и разметку слайда. Скачущие туда сюда изображения и текст создают очень неопрятный вид и плохо воспринимаются. И не забывай оставлять достаточно интервалов между разными блоками, нагромождения быть не должно. Как говорят дизайнеры "добавь воздуха".

⏩Не забывай нумеровать слайды. Слушателю будет удобно назвать номер слайда и задать свой вопрос, а тебе будет удобно вернуться на него для ответа. В противном случае вы ещё кучу времени потратите на то, чтобы понять о чём вообще идёт речь.

⏩Во введении и заключении лучше использовать визуальные схемы, а не сплошной текст. В целом, большие блоки текста это табу❌

⏩Этот пункт вызывает самые большие разногласия, но лично я считаю удобным, когда основной результат, представленный на слайде, выносится в заголовок. То есть вместо слов "Анализ экспрессии генов в образцах ткани", которые несут не так много информации и в целом понятны из представленного материала, лучше написать "Фуфломицин не влиял на экспрессию циклооксигеназы-2". Тогда слушателю не придётся напрягать мозг и среди твоего устного текста пытаться понять к чему все эти графики.

⏩Я раньше уже составляла чек-лист для оформления тезисов и в целом многое из того, что описано там, является актуальным и для презентаций.

⏩Последний слайд "Спасибо за внимание" считается уже моветоном в корпоративной среде 🤢, но до науки это ещё не дошло. Так что не забывай про него, а в случае конференций на нём можно оставить свои контакты.

⏩Если ты уже догадываешься, какие вопросы тебе могут задать, то можно заранее подготовить слайды с визуальным материалом для ответа и спрятать их в "подвал", то есть поставить после слайда "Спасибо за внимание".

〰️〰️
А в следующем посте этой рубрики я дам рекомендации по подготовке к самому выступлению, в том числе психологические советы по преодолению страха перед публичными докладами. Так что подписывайся, чтобы не пропустить 😊