#it_is_Friday_my_fellows
Привет, коллега!
Тяжеловато в этом году в конце февраля и начале марта без праздничных выходных дней, но, надеюсь, в мае и июне наверстаем. А пока отдохни от длинных комментариев и просто отмечай в опросе ниже своё состояние на этой неделе⬇️
Привет, коллега!
Тяжеловато в этом году в конце февраля и начале марта без праздничных выходных дней, но, надеюсь, в мае и июне наверстаем. А пока отдохни от длинных комментариев и просто отмечай в опросе ниже своё состояние на этой неделе
Please open Telegram to view this post
VIEW IN TELEGRAM
❤62🤣19👍1
Твой гистологический mood?
Anonymous Poll
6%
5%
17%
14%
10%
16%
3%
14%
14%
0%
Свой вариант скину комментарии
🔥13 6
Привет, коллега!
Сегодня отмечается день солидарности женщин в борьбе за женские права. В России правда отмечается день весны и красоты и каждый год я иду вразрез с этой традицией. Так что сегодня хотела бы в трёх тезисах обсудить положение женщин в науке.
Женщин в науке меньше и в среднем им меньше платят.
Несмотря на то, что наука является областью, в которой антропометрические показатели не определяют успех, среди российских учёных женщин около 40%, причём эта цифра ещё и уменьшается. При этом в РФ среди кандидатов наук 43% женщин, среди докторов наук уже 28%, среди член-корр РАН - 12% и 7% среди академиков. То есть, чем выше статус - тем меньше представленность женщин. Это называется стеклянный потолок. Что для России, что в мире отмечается разница зарплат между мужчинами и женщинами и не в пользу последних. Считается, что это связано со стеклянным потолком, и с тем, что женщин меньше в более высокооплачиваемых отраслях.
Женщинам мешают стереотипы, декрет и вторая смена.
Исследования показывают, что разницы между уровнем интеллекта мужчин и женщин нет. При этом всё же существует стереотип, что "слабому полу" место на кухне, а не в лаборатории. Он сидит в подсознании и у женщин, и они чувствуют неуверенность в своих знаниях и навыках. Это в итоге выливается в то, что при приёме на работу предпочтут мужчину, и в том, что вклад женщин в работы признаётся меньше.
Конечно, любой начальник скажет, что женщина же уйдёт в декрет/на больничные и подведёт всю команду. Но декретный отпуск - это всего лишь 140 дней, 3 года длится отпуск по уходу за ребёнком и в него уже могут уйти оба родителя (также как и на больничный для ребёнка), но только 2% отцов делают это.
И наконец, вторая смена. После основной работы на домашние обязанности и заботу о членах семьи у женщин уходит в 2-3 раза больше времени, чем у мужчин, а при наличии детей уже в 4-6. А ведь свободное время можно потратить на профессиональное развитие или на качественный отдых.
Гендерные квоты - не выход.
Для борьбы с неравенством во многих странах вводятся гендерные квоты. Я считаю, что подобные мероприятия вызывают отторжение и ощущение навязывания "повесточки", что вообще не способствует равенству. Лично я вижу три потенциальные стратегии, которые гораздо труднее реализовать и эффект от них будет далеко не так быстро.
Первая - это применение слепого отбора при анализе заявок на гранты, резюме, статей и тд. Я знаю, что это не всегда реально, но подумать в этом направлении точно модно.
Вторая - это планомерная работа с сознанием людей. Здорово говорить про представленность женщин в науке, но не нужно топорно навязывать этого. Ну тяжело среднестатистическому русскому человеку воспринимать слово авторка, ну напишите вы "автор статьи Любовь Наукова" и прилепите её фото, всё будет понятно. В мультфильме Шрек есть бодипозитив, трансы, межрасовый брак, сильные независимые женщины, а злодеи - белые цисгендерные мужчины. Но это так вплетено в сюжет, что типичная "повесточка" воспринимается нормально. И также органично в нашу жизнь может быть вплетена мысль о том, что домашние обязанности и ребёнок - это не только женская проблема, и что форма половых органов не определяет то, чем человек должен заниматься по жизни.
И наконец, каждый может иногда задумываться, а не принимаем ли мы решение исходя из стереотипа? Может стоит выписывать премию согласно работе, а не потому что он мужчина, ему семью кормить, а она женщина, у неё муж? Может стоит включить в статью лаборантку, которая только и сделала, что все форезы и блоты? Или не отказывать в коллаборации т.к. "это сейчас у вас наука, а потом родите и поймёте, что такое настоящее женское счастье"? И это примеры из реальной жизни.
В этом небольшом посте я не учла многих нюансов, но широкими мазками вижу вот такую картину. Я знаю, что мои взгляды не по нраву многим феминисткам, также как и антифеминистам, так же как и людям далёким от этого противостояния и желающим просто дарить/получать цветочки и сомнительные комплименты про "украшение коллектива". Что ж, держите панамку🎩 можете напихивать.
Сегодня отмечается день солидарности женщин в борьбе за женские права. В России правда отмечается день весны и красоты и каждый год я иду вразрез с этой традицией. Так что сегодня хотела бы в трёх тезисах обсудить положение женщин в науке.
Женщин в науке меньше и в среднем им меньше платят.
Несмотря на то, что наука является областью, в которой антропометрические показатели не определяют успех, среди российских учёных женщин около 40%, причём эта цифра ещё и уменьшается. При этом в РФ среди кандидатов наук 43% женщин, среди докторов наук уже 28%, среди член-корр РАН - 12% и 7% среди академиков. То есть, чем выше статус - тем меньше представленность женщин. Это называется стеклянный потолок. Что для России, что в мире отмечается разница зарплат между мужчинами и женщинами и не в пользу последних. Считается, что это связано со стеклянным потолком, и с тем, что женщин меньше в более высокооплачиваемых отраслях.
Женщинам мешают стереотипы, декрет и вторая смена.
Исследования показывают, что разницы между уровнем интеллекта мужчин и женщин нет. При этом всё же существует стереотип, что "слабому полу" место на кухне, а не в лаборатории. Он сидит в подсознании и у женщин, и они чувствуют неуверенность в своих знаниях и навыках. Это в итоге выливается в то, что при приёме на работу предпочтут мужчину, и в том, что вклад женщин в работы признаётся меньше.
Конечно, любой начальник скажет, что женщина же уйдёт в декрет/на больничные и подведёт всю команду. Но декретный отпуск - это всего лишь 140 дней, 3 года длится отпуск по уходу за ребёнком и в него уже могут уйти оба родителя (также как и на больничный для ребёнка), но только 2% отцов делают это.
И наконец, вторая смена. После основной работы на домашние обязанности и заботу о членах семьи у женщин уходит в 2-3 раза больше времени, чем у мужчин, а при наличии детей уже в 4-6. А ведь свободное время можно потратить на профессиональное развитие или на качественный отдых.
Гендерные квоты - не выход.
Для борьбы с неравенством во многих странах вводятся гендерные квоты. Я считаю, что подобные мероприятия вызывают отторжение и ощущение навязывания "повесточки", что вообще не способствует равенству. Лично я вижу три потенциальные стратегии, которые гораздо труднее реализовать и эффект от них будет далеко не так быстро.
Первая - это применение слепого отбора при анализе заявок на гранты, резюме, статей и тд. Я знаю, что это не всегда реально, но подумать в этом направлении точно модно.
Вторая - это планомерная работа с сознанием людей. Здорово говорить про представленность женщин в науке, но не нужно топорно навязывать этого. Ну тяжело среднестатистическому русскому человеку воспринимать слово авторка, ну напишите вы "автор статьи Любовь Наукова" и прилепите её фото, всё будет понятно. В мультфильме Шрек есть бодипозитив, трансы, межрасовый брак, сильные независимые женщины, а злодеи - белые цисгендерные мужчины. Но это так вплетено в сюжет, что типичная "повесточка" воспринимается нормально. И также органично в нашу жизнь может быть вплетена мысль о том, что домашние обязанности и ребёнок - это не только женская проблема, и что форма половых органов не определяет то, чем человек должен заниматься по жизни.
И наконец, каждый может иногда задумываться, а не принимаем ли мы решение исходя из стереотипа? Может стоит выписывать премию согласно работе, а не потому что он мужчина, ему семью кормить, а она женщина, у неё муж? Может стоит включить в статью лаборантку, которая только и сделала, что все форезы и блоты? Или не отказывать в коллаборации т.к. "это сейчас у вас наука, а потом родите и поймёте, что такое настоящее женское счастье"? И это примеры из реальной жизни.
В этом небольшом посте я не учла многих нюансов, но широкими мазками вижу вот такую картину. Я знаю, что мои взгляды не по нраву многим феминисткам, также как и антифеминистам, так же как и людям далёким от этого противостояния и желающим просто дарить/получать цветочки и сомнительные комплименты про "украшение коллектива". Что ж, держите панамку
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥240❤75👍25🤝14🔥9🤡7🤔6💔5🤮3👏1😁1
#диссероплетение
Не закрывайте мой обзор
Привет, коллега!
Для меня самое сложное в написании научных работ - это начать их писать. И сегодня дам несколько советов, чтобы подступиться к литературному обзору.
🔸 Составь предварительный план. Обозначь основную цель обзора и набросай план глав в нём. Обзор литературы в ВКР должен плавно подводить читателя к гипотезе, давая представление о области исследований. А вот обзорная статья должна выдвинуть гипотезу почти в самом начале и через литературные данные её подтвердить.
🔸 Найди литературу. Мы уже учились искать статьи в базах данных, даже с помощью операторов, скачивать платные статьи и систематизировать литературу в специальных программах.
🔸 Определи порядок чтения. Начинать лучше с обзорных статей, но не используй их прямой перевод для написания своего текста. Они нужны для того, чтобы быстро понять область и найти интересные оригинальные исследования, которые ты мог упустить. Экспериментальные статьи можно читать в разной последовательности. Лично я предпочитаю хронологическую, но есть также вариант начинать с более авторитетных публикаций в высокорейтинговых журналах, а затем переходить к другим исследованиям.
🔸 Оптимизируй чтение. Не все статьи стоит читать от корки до корки, где-то можно сэкономить время. Но ограничиваться только абстрактом тоже не стоит. Если ты уже более менее знаком со сферой через обзорные работы, то лучше сразу перейти непосредственно к результатам и рисункам. Старайся сначала не обращать внимание на интерпретацию результатов, а сделать собственные выводы, и только потом посмотри, что придумали авторы. Это очень хорошая тренировка мышления. Также рекомендую всегда читать про незнакомые методы, в самой статье или в интернете. Это может не пойти в твой обзор, но очень полезно для общего развития. Все остальные части можно пробежать по диагонали, если это не какая-то прям основополагающая работа.
🔸 Систематизируй содержание. Удержать в голове о чем была каждая статья практически нереально, так что придётся куда-то это всё выносить. В зависимости от ситуации лично я использую три варианта. Первое, это сразу переносить суть статей в текстовый документ, где ты пишешь обзор. Далее текст можно будет поменять местами, где-то сократить, расширить и тд. Хорошо подходит для описательной работы. Второй вариант - это сделать табличку в Excel с разными столбиками что сделали, на каком объекте, что получили и так далее. Такой формат удобно использовать для систематического обзора и выдвижения новых гипотез. И наконец, недавно я открыла для себя mind карты, которые позволяют систематизировать статьи по группам и обозначать связи между разными работами. Такой формат как мне кажется больше полезнен именно для нащупывания концепции работы, когда чёткого плана еще нет.
🔸 Планируй время. Лучше не оставлять всю работу на потом, потому что перед дедлайном мозги не справятся с анализом такого объёма информации. Выдели 1-2 часа в день, за которые прочитай и законспектируй, например, 5 статей. После этого уже можно будет сесть за свой документ или таблицу, перечитать всё и подумать как выстроить эти данные в логичный рассказ. Здесь стоит заложить уже побольше времени, лично я стараюсь высвобождать целые дни.
🔸 Работай поэтапно и собирай обратную связь на каждом. Сходу написать обзор в его финальном виде не получится, поэтому пусть сначала будет скелет, а потом он обрастёт мясом. Причём на каждом этапе лучше показывать результат своему руководителю, а то он посмотрит финал и скажет, что всё говно, переделывай. Сначала согласуй план обзора. Потом покажи костяк по основным работам. Потом добавь дополнительные данные, переходы и тоже покажи. Обсуди отдельно наброски иллюстраций и только потом приступай к окончательному рисованию. К сожалению, не все руководители готовы вовлекаться в работу студентов и аспирантов, но всё-таки это их обязанность.
➖ ➖
По опыту, хороший литературный обзор зачастую написать сложнее, чем экспериментальную статью, так что будь готов к тому, что работа затянется на месяцы. Коллеги, расскажите в комментариях, а как вы справляетесь с этой задачей?
Не закрывайте мой обзор
Привет, коллега!
Для меня самое сложное в написании научных работ - это начать их писать. И сегодня дам несколько советов, чтобы подступиться к литературному обзору.
По опыту, хороший литературный обзор зачастую написать сложнее, чем экспериментальную статью, так что будь готов к тому, что работа затянется на месяцы. Коллеги, расскажите в комментариях, а как вы справляетесь с этой задачей?
Please open Telegram to view this post
VIEW IN TELEGRAM
👍95🔥31❤25✍12
#предложечка
⚡️У президента США рассеянный склероз. На пресс-конференции журналистка спрашивает, будет ли он вновь баллотироваться. Глава государства кладет руки в карманы и улыбается. Он идет на выборы…
📰 Нет-нет, это не очередная утка из новостной ленты. Это окончание второго сезона культового американского телесериала «Западное крыло». Его пилотный эпизод вышел аж четверть века назад. Сериал повествует о повседневной рутине администрации вымышленного президента Джеда Бартлета (на фото слева). Экранные герои работают на вершине власти, а параллельно в сюжете разворачиваются их личные перипетии. Одно из центральных лиц первых сезонов — замдиректора по коммуникациям Белого Дома, Сэм Сиборн (справа). Сэм пишет речи для президента, он из числа его основных советников. Он идеалист и перфекционист. Из-за переписывания текста поздравительной открытки министру Сэм даже отменяет свидание с девушкой 🤯
Подождите, Сиборн? Что-то знакомое? И вы не ошиблись: одна крутая библиотека в Python названа в честь героя саги. Выпускник Стэнфорда, нейросаейентист и машинлернер Майкл Вэскoм был поклонником политической драмы и назвал свой тул для визуализации в честь киногероя — Seaborn! А многие программисты ломают голову, почему при импорте библиотеки import seaborn as sns название нелогично сокращается до sns? Оказывается, это просто инициалы персонажа — Samuel Norman Seaborn. Ну, питонисты, ну, шутники.
📈 Несмотря на весь юмор, Seaborn — реально удобный инструмент для датавиза: с его помощью в одну строчку кода можно построить вполне сносный график, а при желании довести его до эстетического совершенства самостоятельно или воспользовавшись множеством готовых шаблонов. Идеальное для науки. Наверное, это передался перфекционизм киношного персонажа. Эх, сколько свиданий можно отменить, завязнув в улучшайзинге графиков для статьи 🤓
🐍 А вы кодите на Python? Питон — полезный, а еще и прикольный язык, который интересно ботать и каждый день узнавать что-то новое [ведь папа питона Гвидо Ван Россум тоже «прикольнулся» и нарек язык программирования в честь любимой комик-группы «Монти Пайтон»]. Сегодня питон становится невероятно популярен среди ученых, в нем найдется ПО под любые нужды: обработка табличек, подсчет статистики, биоинфа, молекулярное моделирование, ИИ…
🧬 Если вы хотите начать вкатываться в питон и датасайенс нескучно, то Бластим в рамках курса «Python для анализа данных в науке» разработал бесплатного игрового бота «День Биоинформатика». Там можно поучить синтаксис питона, познакомиться с полезными библиотеками, помозговать над рабочими задачками и, конечно, построить графики.
Переходите по ссылке в бота и вступайте в гонку: https://t.iss.one/BlastimPythonQuestBot 🤖
⚡️У президента США рассеянный склероз. На пресс-конференции журналистка спрашивает, будет ли он вновь баллотироваться. Глава государства кладет руки в карманы и улыбается. Он идет на выборы…
📰 Нет-нет, это не очередная утка из новостной ленты. Это окончание второго сезона культового американского телесериала «Западное крыло». Его пилотный эпизод вышел аж четверть века назад. Сериал повествует о повседневной рутине администрации вымышленного президента Джеда Бартлета (на фото слева). Экранные герои работают на вершине власти, а параллельно в сюжете разворачиваются их личные перипетии. Одно из центральных лиц первых сезонов — замдиректора по коммуникациям Белого Дома, Сэм Сиборн (справа). Сэм пишет речи для президента, он из числа его основных советников. Он идеалист и перфекционист. Из-за переписывания текста поздравительной открытки министру Сэм даже отменяет свидание с девушкой 🤯
Подождите, Сиборн? Что-то знакомое? И вы не ошиблись: одна крутая библиотека в Python названа в честь героя саги. Выпускник Стэнфорда, нейросаейентист и машинлернер Майкл Вэскoм был поклонником политической драмы и назвал свой тул для визуализации в честь киногероя — Seaborn! А многие программисты ломают голову, почему при импорте библиотеки import seaborn as sns название нелогично сокращается до sns? Оказывается, это просто инициалы персонажа — Samuel Norman Seaborn. Ну, питонисты, ну, шутники.
📈 Несмотря на весь юмор, Seaborn — реально удобный инструмент для датавиза: с его помощью в одну строчку кода можно построить вполне сносный график, а при желании довести его до эстетического совершенства самостоятельно или воспользовавшись множеством готовых шаблонов. Идеальное для науки. Наверное, это передался перфекционизм киношного персонажа. Эх, сколько свиданий можно отменить, завязнув в улучшайзинге графиков для статьи 🤓
🐍 А вы кодите на Python? Питон — полезный, а еще и прикольный язык, который интересно ботать и каждый день узнавать что-то новое [ведь папа питона Гвидо Ван Россум тоже «прикольнулся» и нарек язык программирования в честь любимой комик-группы «Монти Пайтон»]. Сегодня питон становится невероятно популярен среди ученых, в нем найдется ПО под любые нужды: обработка табличек, подсчет статистики, биоинфа, молекулярное моделирование, ИИ…
🧬 Если вы хотите начать вкатываться в питон и датасайенс нескучно, то Бластим в рамках курса «Python для анализа данных в науке» разработал бесплатного игрового бота «День Биоинформатика». Там можно поучить синтаксис питона, познакомиться с полезными библиотеками, помозговать над рабочими задачками и, конечно, построить графики.
Переходите по ссылке в бота и вступайте в гонку: https://t.iss.one/BlastimPythonQuestBot 🤖
❤31👍16🔥11
#дед_инсайд
Я сделал себя сам. Из говна и палок, но сам.
Привет, коллега!
На мой взгляд, помимо высокого интеллекта, любознательности, упорства и прочих подобных качеств, для успешной карьеры в науке* нужна ещё и банальная удача. Я знаю многих, кто в это не верит и считает, что, если хорошо трудиться, успех неизбежен. И это же очень крутая точка зрения, потому что она говорит, что всё зависит только от тебя. Но душой я всё же склоняюсь к тому, что без доли везения даже самый большой интеллект и упорство могут не дать плодов. Объясню почему.
*под успешной карьерой я подразумеваю не должность или размер Хирша, а сделанные учёным важные открытия, которые определят развитие науки в его области.
Во-первых, мы не выбираем место рождения и достаток своей семьи. Я думаю, никто не будет спорить, что двигаться во взрослую научную жизнь хорошо из-под крыла обеспеченных и образованных родителей, желательно ещё и со связями. Кто-то тратит время после учёбы на дополнительные занятия, эксперименты, а кто-то на вечерние подработки, чтобы завтра было что покушать. Кто-то может позволить себе неоплачиваемые или оплачиваемые частично стажировки в другой стране, чтобы просто поднабраться опыта, а кто-то не может позволить себе поехать на конференцию в другой город. Да, высокий старт можно использовать по-разному, можно чиллить с друзьями и просирать родительские деньги, а можно вложиться в свою карьеру ещё во время учёбы. Хорошая новость в том, что не всё в этой жизни определяется положением семьи, но у кого-то всё же шансов побольше🤑
Во-вторых, очень многое решает выбор лаборатории. Если говорить прям глобально, то в прошлом году вышло интересное исследование, в котором была построена родословная учёных, выигрывавших Нобелевскую премию. В общем, подавляющее большинство нобелевских лауреатов являются академическими потомками других нобелевских лауреатов. Так что для увеличения шанса на успех в науке старайся выбирать лабы под руководством таких именитых учёных или их учеников.
Если всё же спуститься на более реалистичный уровень, то с опытом приходит понимание, что шансы на значимое открытие выше в лабе с хорошим финансированием, мощными публикациями и тд, но в студенчестве ты не всегда смотришь на эти параметры. Чаще ты горишь какой-то идеей и тебе плевать где её делать. Изучать мхи по пояс в болоте? Да хоть весь день😮 Годами ловить супер редкую бабочку? Вся жизнь впереди. И не важно, что в лабе 0 грантов и нужно пересчитывать мытые носы. Но деньги идут к деньгам и скорее всего больших научных прорывов в таком месте не добиться. Но может и повезёт
И даже если ты нашёл свою крутую лабу - попробуй в неё попади. Не всегда всё зависит от резюме, иногда очень сильных людей не берут из-за отсутствия ресурсов в данный момент. А иногда проскакивают более слабые, поскольку человек нужен вот прям сейчас. И это тоже везение, оказаться в нужном месте в нужное время.
В-третьих, не все гипотезы подтверждаются, а негативный результат редко приносит славу. Недавно в комментариях обсуждали историю Паоло Маккиарини, он не получил хорошего результата, но видимо очень хотел, так что пошёл на фальсификацию данных. Он, конечно, прославился, но, кажется, это не та слава, к которой должен стремиться учёный.
И в-четвертых, существует такая вещь как счастливая случайность. Пенициллин, рентгеновское излучение, условные рефлексы, изобретение микроволновки - эти открытия были сделаны благодаря случайности. Опять же хорошая новость в том, что не вообще все открытия делаются именно так, но согласись, было бы здорово, если бы тебе так повезло?😉
И именно здесь стоит сказать важную вещь. Если бы Александр Флеминг не был наблюдательным учёным, то он бы просто выкинул заросшие чашки Петри. Если бы Вильгельм Рентген не был бы любопытным, то он бы просто описал забавный эффект свечения картонки. Удача не имеет значения без теоретической подготовки, проницательности и жажды познания. Как заметил Луи Пастер «La chance ne sourit qu'aux esprits bien préparés», то есть «удача сопутствует только хорошо подготовленным умам».
Я сделал себя сам. Из говна и палок, но сам.
Привет, коллега!
На мой взгляд, помимо высокого интеллекта, любознательности, упорства и прочих подобных качеств, для успешной карьеры в науке* нужна ещё и банальная удача. Я знаю многих, кто в это не верит и считает, что, если хорошо трудиться, успех неизбежен. И это же очень крутая точка зрения, потому что она говорит, что всё зависит только от тебя. Но душой я всё же склоняюсь к тому, что без доли везения даже самый большой интеллект и упорство могут не дать плодов. Объясню почему.
*под успешной карьерой я подразумеваю не должность или размер Хирша, а сделанные учёным важные открытия, которые определят развитие науки в его области.
Во-первых, мы не выбираем место рождения и достаток своей семьи. Я думаю, никто не будет спорить, что двигаться во взрослую научную жизнь хорошо из-под крыла обеспеченных и образованных родителей, желательно ещё и со связями. Кто-то тратит время после учёбы на дополнительные занятия, эксперименты, а кто-то на вечерние подработки, чтобы завтра было что покушать. Кто-то может позволить себе неоплачиваемые или оплачиваемые частично стажировки в другой стране, чтобы просто поднабраться опыта, а кто-то не может позволить себе поехать на конференцию в другой город. Да, высокий старт можно использовать по-разному, можно чиллить с друзьями и просирать родительские деньги, а можно вложиться в свою карьеру ещё во время учёбы. Хорошая новость в том, что не всё в этой жизни определяется положением семьи, но у кого-то всё же шансов побольше
Во-вторых, очень многое решает выбор лаборатории. Если говорить прям глобально, то в прошлом году вышло интересное исследование, в котором была построена родословная учёных, выигрывавших Нобелевскую премию. В общем, подавляющее большинство нобелевских лауреатов являются академическими потомками других нобелевских лауреатов. Так что для увеличения шанса на успех в науке старайся выбирать лабы под руководством таких именитых учёных или их учеников.
Если всё же спуститься на более реалистичный уровень, то с опытом приходит понимание, что шансы на значимое открытие выше в лабе с хорошим финансированием, мощными публикациями и тд, но в студенчестве ты не всегда смотришь на эти параметры. Чаще ты горишь какой-то идеей и тебе плевать где её делать. Изучать мхи по пояс в болоте? Да хоть весь день
И даже если ты нашёл свою крутую лабу - попробуй в неё попади. Не всегда всё зависит от резюме, иногда очень сильных людей не берут из-за отсутствия ресурсов в данный момент. А иногда проскакивают более слабые, поскольку человек нужен вот прям сейчас. И это тоже везение, оказаться в нужном месте в нужное время.
В-третьих, не все гипотезы подтверждаются, а негативный результат редко приносит славу. Недавно в комментариях обсуждали историю Паоло Маккиарини, он не получил хорошего результата, но видимо очень хотел, так что пошёл на фальсификацию данных. Он, конечно, прославился, но, кажется, это не та слава, к которой должен стремиться учёный.
И в-четвертых, существует такая вещь как счастливая случайность. Пенициллин, рентгеновское излучение, условные рефлексы, изобретение микроволновки - эти открытия были сделаны благодаря случайности. Опять же хорошая новость в том, что не вообще все открытия делаются именно так, но согласись, было бы здорово, если бы тебе так повезло?
И именно здесь стоит сказать важную вещь. Если бы Александр Флеминг не был наблюдательным учёным, то он бы просто выкинул заросшие чашки Петри. Если бы Вильгельм Рентген не был бы любопытным, то он бы просто описал забавный эффект свечения картонки. Удача не имеет значения без теоретической подготовки, проницательности и жажды познания. Как заметил Луи Пастер «La chance ne sourit qu'aux esprits bien préparés», то есть «удача сопутствует только хорошо подготовленным умам».
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥133💯41❤27👍23🔥4👏2😢2🤮1🫡1
#методичка
Как же я люблю научные статьи, вот они слева направо...
Привет, коллега!
Ещё в начале существования канала мы обсуждали типичную структуру статьи, а совсем недавно вспомнили про обзорные статьи, которые под эту структуру вообще-то не подходят. И на самом деле исследовательские статьи могут быть разными и сегодня мы попробуем разобраться, какими именно. Вообще я нашла кучу классификаций в интернете, ни одна мне не понравилась полностью, так что представляю их гибрид. С ним можно поспорить в комментариях или дополнить какими-то специфическими для области типами, я всё же больше по биомеду.
🔵 Оригинальные исследовательские статьи (Original Research Article). Вот именно её структуру мы и обсуждали ранее и большинство исследований публикуется именно так. Собственно эта статья нужна для того, чтобы представить новые данные, полученные авторами. Это могут быть результаты экспериментов, наблюдений или теоретических разработок.
🔵 Краткие сообщения (Letters/Short Communications) используются для представления небольших по объёму результатов исследования, и занимают правило не больше 3 страниц.
🔵 Клинические исследования (Clinical Trials) хорошо знакомы врачам и внутри себя имеют ещё достаточно сложную классификацию, которую интересующиеся могут найти в методичке. Кстати, если хочешь посмотреть результаты клинических испытаний какого-нибудь фуфломицина, то их можно поискать на PubMed, поставив соответствующую галочку, или на сайте ClinicalTrials.gov, но там надо будет выбрать только те испытания, которые завершены и у которых есть отчётность.
🔵 Исследования конкретного случая (Case Studies/Case Report) описывают отдельный случай или очень узкую и специфическую выборку. Чаще всего они встречаются для медицины, например, для редких заболеваний или уникальных состояний вроде разрыва пищевода от чихания 😱 Но кейс-стади есть и для педагогики, химии, биологии и других наук. Там как правило выборка побольше и не всегда репрезентативная. В отличие от оригинальных исследовательских статей, исследования случаев менее формальны и не утверждают, что их гипотеза будет воспроизводиться для всей популяции
🔵 Методологические исследования (Methodologies) направлены разработку, оценку или совершенствование различных исследовательских методов. Сами по себе они не дают новое знание об изучаемых объектах, но могут использоваться другими учёными для их работ. Кстати методологические статьи обычно очень хорошо цитируются.
🔵 Обзорные статьи (Review Articles) в отличие от всех предыдущих типов основываются не на собственных данных, а на чужих опубликованных работах. Нарративные обзоры (Narrative review) призваны описать и обсудить достижения в отдельных областях. В систематических обзорах (Systematic review) более формальны, в них обязательно формулируется чёткая гипотеза по PICO, отбираются статьи по определённым критериям и далее их данные анализируются вместе. Если проводится статистический анализ таких вот собранных данных, то это называется мета-анализ (Meta-analysis). Например, куча разных учёных публикуют свои результаты экспериментов по лечению каким-то препаратом и данные противоречивы. Систематический обзор поможет разобраться в этом. Кстати, возвращаясь к проверке фуфломицинов - есть замечательная Кокрановская библиотека, в которой публикуются систематические обзоры клинических испытаний различных лекарств.
🔵 Дискуссионные статьи (Perspectives/Opinions/Editorial/Letter to the Editor) представляют собой субъективное мнение автора о какой-то проблеме и такие статьи тоже публикуются в научных журналах.
🔵 Комментарий к статье (Comments) представляют собой короткую заметку-комментарий других учёных или самих авторов к какой-то статье. Первые как правило пишут их, если не согласны с результатами исследования или интерпретацией, а сами авторы могут указать на какую-то небольшую ошибку или дополнить данные (например, если в оригинальной рукописи не указана концентрация вещества).
〰️ 〰️
Коллеги, расскажите в комментариях, какие ещё форматы статей в периодических изданиях встречаются в вашей области?
Как же я люблю научные статьи, вот они слева направо...
Привет, коллега!
Ещё в начале существования канала мы обсуждали типичную структуру статьи, а совсем недавно вспомнили про обзорные статьи, которые под эту структуру вообще-то не подходят. И на самом деле исследовательские статьи могут быть разными и сегодня мы попробуем разобраться, какими именно. Вообще я нашла кучу классификаций в интернете, ни одна мне не понравилась полностью, так что представляю их гибрид. С ним можно поспорить в комментариях или дополнить какими-то специфическими для области типами, я всё же больше по биомеду.
Коллеги, расскажите в комментариях, какие ещё форматы статей в периодических изданиях встречаются в вашей области?
Please open Telegram to view this post
VIEW IN TELEGRAM
👍51❤21
#it_is_Friday_my_fellows
Привет, коллега!
Хочу сегодня попробовать новый формат пятничного интерактива. Итак, я выкладываю шаблон мема и пример его использования и предлагаю уважаемым подписчикам покреативить на заданную тематику в комментариях. Сегодня свежачок, Юрий Борисов за столом, символизирующий этакого дядю, который точно знает как надо жить и ностальгирует по старым временам.
Уверена, что у каждого найдутся подходящее фразочки и от старшего поколения научных сотрудников. Можно использовать шаблон, можно просто писать текстом, если лень.
Ну что, погнали🤓
Привет, коллега!
Хочу сегодня попробовать новый формат пятничного интерактива. Итак, я выкладываю шаблон мема и пример его использования и предлагаю уважаемым подписчикам покреативить на заданную тематику в комментариях. Сегодня свежачок, Юрий Борисов за столом, символизирующий этакого дядю, который точно знает как надо жить и ностальгирует по старым временам.
Уверена, что у каждого найдутся подходящее фразочки и от старшего поколения научных сотрудников. Можно использовать шаблон, можно просто писать текстом, если лень.
Ну что, погнали
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍46❤12😁8🔥2🤔1