#педсовет
Дайте сэндвич голодному студенту
Привет, коллега!
Мы как-то обсуждали простые правила сбора обратной связи от студентов и самое время поговорить о том, как эту обратную связь давать. Причём эти рекомендации подойдут не только в отношении развёрнутого отзыва от преподавателя студенту или от начальника подчинённому, но и в обратную сторону. Для простоты я всё же буду писать про связь "преподаватель студенту", но уверена, ты справишься с экстраполяцией.
Первое и самое очевидное - это "сэндвич" формат обратной связи. Сначала проговариваются сильные стороны, затем замечания, а в конце позитивное заключение, например, слова поддержки. Даже во время дрессировки животных не только ругают за неправильное действия (а кто-то и не ругает вовсе), но и поощряют правильные. А уж если доброе слово и собаке приятно, то чем студент-то хуже? Поэтому отмечать позитивные моменты нужно обязательно, хоть в виде сэндвича, хоть в виде бутерброда с колбасой.
Во времена репетиторства и работы со школьниками в какой-то момент я стала использовать зелёную ручку, чтобы отмечать хорошие моменты в домашних работах и синей проставляла ошибки. Получила неожиданный эффект: дети стали меньше списывать с ответов. Думаю, им стало не так страшно совершать ошибки.
Также очень важно указывать, в чём конкретно заключается ошибка. Не просто: "слайд плохой, не считывается", а, например, "не очень видна основная мысль слайда, попробуйте её выделить". Лучше вообще уходить от категорий хороший/плохой, а конкретно подчёркивать, что именно хорошо, а что плохо. Тогда человеку становятся понятны правила игры и он будет повторять правильное.
При высказывании замечаний очень важно не переходить на личность человека. Не "ты невнимательный", а "в этом разделе не хватает вычитки — много опечаток". А ещё хорошее правило: хвалить прилюдно, а критиковать наедине. Человек, которого унижают, да ещё и публично, вряд ли станет делать свою работу лучше, скорее наоборот, начнёт делать всё больше и больше ошибок.
Если есть время, то лучше дать возможность человеку самому подумать над улучшением. Но не бросать его разбираться со всем в одиночку, а подсказать или предложить мысль на обсуждение. Например, у меня есть задание на подготовку графического абстракта любой статьи. Иногда присылают просто схему с дизайном эксперимента, иногда чуть ли не постеры на конференцию. И я говорю, что это не совсем то, давайте посмотрим на графический абстракт любой статьи и попробуем понять в чём отличия.
А уж если времени совсем много, то можно включить ещё и немного саморефлексии. Спросить у студента, что ему лично кажется сильной стороной работы, а что слабой и почему. Затем рассказать ему о своём видении сильных и слабых сторон. И, как написано выше, попробовать вдвоём выйти на конструктивные решения.
Есть ещё огромное количество моделей обратной связи, их можно почитать здесь, но почти все они подразумевают уважительное отношение к человеку и его вовлечение в решение. Потому что ошибки - это часть процесса обучения и обратная связь призвана не унижать, а оказывать поддержку. От того, как подаётся критика зависит очень многое: будет студент расти и развиваться или почувствует себя неуместным.
Эти правила можно использовать и вне академической среды, а где угодно, если ты хочешь сохранить мотивацию у человека. Пример плохой обратной связи к этому посту может звучать так: "какая-то очевидная хрень, напиши уже наконец что-то полезное". А хорошей: "очень важный вопрос поднимаете, спасибо. При этом сами советы достаточно очевидны, возможно, стоило бы чуть углубить тему. Не бросайте дело, надеюсь, в будущем увидеть более основательные посты".
Надеюсь, что с сегодняшнего дня в мире станет чуть больше конструктивных предложений и чуть меньше обид. Но это не точно.
Дайте сэндвич голодному студенту
Привет, коллега!
Мы как-то обсуждали простые правила сбора обратной связи от студентов и самое время поговорить о том, как эту обратную связь давать. Причём эти рекомендации подойдут не только в отношении развёрнутого отзыва от преподавателя студенту или от начальника подчинённому, но и в обратную сторону. Для простоты я всё же буду писать про связь "преподаватель студенту", но уверена, ты справишься с экстраполяцией.
Первое и самое очевидное - это "сэндвич" формат обратной связи. Сначала проговариваются сильные стороны, затем замечания, а в конце позитивное заключение, например, слова поддержки. Даже во время дрессировки животных не только ругают за неправильное действия (а кто-то и не ругает вовсе), но и поощряют правильные. А уж если доброе слово и собаке приятно, то чем студент-то хуже? Поэтому отмечать позитивные моменты нужно обязательно, хоть в виде сэндвича, хоть в виде бутерброда с колбасой.
Во времена репетиторства и работы со школьниками в какой-то момент я стала использовать зелёную ручку, чтобы отмечать хорошие моменты в домашних работах и синей проставляла ошибки. Получила неожиданный эффект: дети стали меньше списывать с ответов. Думаю, им стало не так страшно совершать ошибки.
Также очень важно указывать, в чём конкретно заключается ошибка. Не просто: "слайд плохой, не считывается", а, например, "не очень видна основная мысль слайда, попробуйте её выделить". Лучше вообще уходить от категорий хороший/плохой, а конкретно подчёркивать, что именно хорошо, а что плохо. Тогда человеку становятся понятны правила игры и он будет повторять правильное.
При высказывании замечаний очень важно не переходить на личность человека. Не "ты невнимательный", а "в этом разделе не хватает вычитки — много опечаток". А ещё хорошее правило: хвалить прилюдно, а критиковать наедине. Человек, которого унижают, да ещё и публично, вряд ли станет делать свою работу лучше, скорее наоборот, начнёт делать всё больше и больше ошибок.
Если есть время, то лучше дать возможность человеку самому подумать над улучшением. Но не бросать его разбираться со всем в одиночку, а подсказать или предложить мысль на обсуждение. Например, у меня есть задание на подготовку графического абстракта любой статьи. Иногда присылают просто схему с дизайном эксперимента, иногда чуть ли не постеры на конференцию. И я говорю, что это не совсем то, давайте посмотрим на графический абстракт любой статьи и попробуем понять в чём отличия.
А уж если времени совсем много, то можно включить ещё и немного саморефлексии. Спросить у студента, что ему лично кажется сильной стороной работы, а что слабой и почему. Затем рассказать ему о своём видении сильных и слабых сторон. И, как написано выше, попробовать вдвоём выйти на конструктивные решения.
Есть ещё огромное количество моделей обратной связи, их можно почитать здесь, но почти все они подразумевают уважительное отношение к человеку и его вовлечение в решение. Потому что ошибки - это часть процесса обучения и обратная связь призвана не унижать, а оказывать поддержку. От того, как подаётся критика зависит очень многое: будет студент расти и развиваться или почувствует себя неуместным.
Эти правила можно использовать и вне академической среды, а где угодно, если ты хочешь сохранить мотивацию у человека. Пример плохой обратной связи к этому посту может звучать так: "какая-то очевидная хрень, напиши уже наконец что-то полезное". А хорошей: "очень важный вопрос поднимаете, спасибо. При этом сами советы достаточно очевидны, возможно, стоило бы чуть углубить тему. Не бросайте дело, надеюсь, в будущем увидеть более основательные посты".
Надеюсь, что с сегодняшнего дня в мире станет чуть больше конструктивных предложений и чуть меньше обид. Но это не точно.
#ля_ты_крыса
Четыре всадника научного этоса
Привет, коллега!
Есть в аспирантуре один предмет, который не любят большинство аспирантов, а именно философия науки. И как со школьной программой по литературе, многие вещи оттуда раскрываются уже с приобретением большего жизненного опыта в науке.
Сегодня хочу вспомнить про Роберта Мертона, американского социолога, который сформулировал основные принципы научной этики. С его точки зрения цель науки в постоянном увеличении количества достоверных научных данных. И для этой цели важно придерживаться системы норм, которую сейчас записывают как CUDOS: С - Communism, U - Universalism, D - Disinterestedness, OS - Organized Skepticism. Пройдёмся по ним и на примерах убедимся в том, что их нарушение не ведёт ни к чему хорошему.
✔️ Коллективизм — научные знания являются общим достоянием, а учёные должны делиться результатами своих исследований с научным сообществом.
Если сокрытие данных из-за государственной или коммерческой тайны ещё как-то можно понятьи простить, то, например, политика непринятия журналами отрицательных результатов имеет весьма негативные последствия. В лучшем случае такие данные отправятся "в стол" и другие учёные будут раз за разом проверять неверные гипотезы, а в худшем результаты просто будут сфальсифицированы. Также этому принципу противоречит платный доступ к некоторым научным статьям и тут SciHub действует очень даже в рамках научной этики.
✔️ Универсализм - научные данные должны оцениваться независимо от национальности, пола, расы, социального статуса и тд автора. Значение имеют только представленные материалы.
В 19-20 веке женщины в Европе уже могли получать образование, но вот в научный мир их всё еще не пускали. Вот тут можно почитать истории женщин, чьи заслуги признали не сразу. Аналогичная история и с темнокожими. Но сейчас мы видим, что от присутствия разных людей в науке, общество только выигрывает.
Ну и конечно, стоит вспомнить, что есть очень уважаемые люди, работы которых Диссернет уличил в плагиате. Но что-то почти никакие из них не были отозваны, а люди продолжают занимать высокие должности. Мы все равны, но кто-то равнее.
✔️ Бескорыстие - ученый должен стремиться к истине, а не к личной выгоде.
Как мне кажется этот пункт нарушается чаще других. Случаи фальсификации и фабрикации данных возникают часто из-за желания получить статус, признание, а иногда и просто деньги. Например, британский врач Эндрю Джереми Уэйкфилд опубликовал в журнале The Lancet исследование, в котором доказывал, что вакцина MMR (КПК - корь, паротит, краснуха) вызывает аутизм. Потом выяснилось, что во-первых, исследование было проспонсировано одной юридической фирмой, которая готовила коллективный иск против производителей вакцин. А во-вторых, сам Уэйкфилд очень удачно оказался автором патента другой вакцины от кори. Ну никакого конфликта интересов! Естественно, антипрививочники до сих пор апеллируют к этому исследованию и на волне всеобщей истерии и страха вакцинации вспышки кори возникают всё чаще. И таких случаев немало, подумываю писать о них чаще в рамках данной пока не слишком популярной рубрики.
✔️ Организованный скептицизм - все научные идеи и результаты должны подвергаться критическому анализу.
Практика рецензирования научных статей хорошо согласуется с данным принципом, однако ревьюеры не всегда могут или не всегда хотят найти признаки недостоверной информации. А уж если за дело берутся управленцы... Слышал что-то про торсионные поля? Это что-то из метавселенной памяти воды, волнового генома и прочей антинаучной чуши. А вот Государственный комитет Совета Министров СССР по науке и технике даже выделял на это деньги в 80х. Только в 1991 году теория была признана ненаучной, хотя статьи на эту тему выходят до сих пор.
➖ ➖
В общем, в погоне за Хиршем и деньгами не стоит забывать ради чего наука вообще существует. Последствия нарушения научной этики могут быть разные: кого-то просто попросят с должности, а из-за кого-то погибнут люди.
ПыСы: кстати картинку к этому посту сгенерировал ChatGPT по описанию. Я поражена насколько лучше он стал с этим справляться
Четыре всадника научного этоса
Привет, коллега!
Есть в аспирантуре один предмет, который не любят большинство аспирантов, а именно философия науки. И как со школьной программой по литературе, многие вещи оттуда раскрываются уже с приобретением большего жизненного опыта в науке.
Сегодня хочу вспомнить про Роберта Мертона, американского социолога, который сформулировал основные принципы научной этики. С его точки зрения цель науки в постоянном увеличении количества достоверных научных данных. И для этой цели важно придерживаться системы норм, которую сейчас записывают как CUDOS: С - Communism, U - Universalism, D - Disinterestedness, OS - Organized Skepticism. Пройдёмся по ним и на примерах убедимся в том, что их нарушение не ведёт ни к чему хорошему.
Если сокрытие данных из-за государственной или коммерческой тайны ещё как-то можно понять
В 19-20 веке женщины в Европе уже могли получать образование, но вот в научный мир их всё еще не пускали. Вот тут можно почитать истории женщин, чьи заслуги признали не сразу. Аналогичная история и с темнокожими. Но сейчас мы видим, что от присутствия разных людей в науке, общество только выигрывает.
Ну и конечно, стоит вспомнить, что есть очень уважаемые люди, работы которых Диссернет уличил в плагиате. Но что-то почти никакие из них не были отозваны, а люди продолжают занимать высокие должности. Мы все равны, но кто-то равнее.
Как мне кажется этот пункт нарушается чаще других. Случаи фальсификации и фабрикации данных возникают часто из-за желания получить статус, признание, а иногда и просто деньги. Например, британский врач Эндрю Джереми Уэйкфилд опубликовал в журнале The Lancet исследование, в котором доказывал, что вакцина MMR (КПК - корь, паротит, краснуха) вызывает аутизм. Потом выяснилось, что во-первых, исследование было проспонсировано одной юридической фирмой, которая готовила коллективный иск против производителей вакцин. А во-вторых, сам Уэйкфилд очень удачно оказался автором патента другой вакцины от кори. Ну никакого конфликта интересов! Естественно, антипрививочники до сих пор апеллируют к этому исследованию и на волне всеобщей истерии и страха вакцинации вспышки кори возникают всё чаще. И таких случаев немало, подумываю писать о них чаще в рамках данной пока не слишком популярной рубрики.
Практика рецензирования научных статей хорошо согласуется с данным принципом, однако ревьюеры не всегда могут или не всегда хотят найти признаки недостоверной информации. А уж если за дело берутся управленцы... Слышал что-то про торсионные поля? Это что-то из метавселенной памяти воды, волнового генома и прочей антинаучной чуши. А вот Государственный комитет Совета Министров СССР по науке и технике даже выделял на это деньги в 80х. Только в 1991 году теория была признана ненаучной, хотя статьи на эту тему выходят до сих пор.
В общем, в погоне за Хиршем и деньгами не стоит забывать ради чего наука вообще существует. Последствия нарушения научной этики могут быть разные: кого-то просто попросят с должности, а из-за кого-то погибнут люди.
ПыСы: кстати картинку к этому посту сгенерировал ChatGPT по описанию. Я поражена насколько лучше он стал с этим справляться
Please open Telegram to view this post
VIEW IN TELEGRAM
#диссероплетение
Привет, коллега!
Просматриваю выпускные квалификационные работы студентов и замечаю примерно одинаковые недочёты у всех. Поэтому решила составить чек-лист по оформлению ВКР
✅ Цель конкретная и достижимая в рамках ВКР. Изучение патогенеза тянет минимум на докторскую, а вот изучение роли белка Х в развитии заболевания - уже вполне студенческая работа
✅ Выводы соответствуют поставленным задачам. Как правило 1 задача = 1 раздел результатов= 1 вывод
✅ Выводы конкретные. Не "установлено влияние белка Х", а "белок Х подавляет синтез белка Y"
✅ Между главами есть переходные абзацы, связывающие разделы между собой. Результаты можно писать по следующей схеме: "мы предположили А, поэтому сделали Б, получили В, а это значит Г". Следующая глава: "поскольку мы получили Г, мы предположили Д, сделали Е, получили Ж..."
✅ Поля, выравнивание, отступы, междустрочный интервал, шрифт, кегль, стиль заголовков должны соотвествовать локальным требованиям к оформлению. Как правило это 12-14 кегль, Times New Roman, интервал – 1.5, без дополнительных интервалов до и после абзаца. Отступ 1,25 см, выравнивание по ширине страницы. Поля: левое - 30 мм, правое - 15 мм, верхнее - 20 мм, нижнее - 20 мм
✅ Есть нумерация страниц. Ну сколько можно, а?
✅ Разрывы страниц сделаны автоматически, а не кучей переносов. Ну сколько можно, а? (2)
✅ Оформление списка литературы соответствует локальным требованиям к оформлению. Лучше всего будет воспользоваться специальными программами
✅ Стиль заголовков и подзаголовков соответствует уровню списка (и локальным требованиям). Есть нумерация, которая позволяет понять соподчинённость разделов. Рекомендую сделать автоматическое оглавление, удобно смотреть структуру документа и номера страниц обновятся при перемещении текста. Оглавление должно быть оформлено также как и весь текст.
✅ При описании работы используются глаголы в прошедшем времени множественном числе (добавляли, оперировали, показали). При этом текст не содержит местоимений я/мы.
✅ Термины и названия методов написаны на русском языке, а не прямым переводом с английского или транслитерацией. Не антиджен ретривел, а демаскировка антигенов. Или fluorescence in-situ hybridization по-русски принято записывать флуоресцентная гибридизация in situ. Вроде мелочь, а в глаза бросается.
✅ Нет лабораторного сленга и оценочных суждений. Не типы или носики, а наконечники для автоматических дозаторов. Не "хорошие результаты", а "результаты, подтверждающие выдвинутую гипотезу"
✅ Нет канцелярита. Не усложняй текст и не пиши "Следует отметить, что согласно проведённому анализу, можно утверждать", это же просто "Анализ показал, что..."
✅ Есть конкретные названия всех рисунков и таблиц. Нельзя подписывать таблицу "Результаты эксперимента". Требуется указание того, что именно в таблице находится. Например, "Артериальное давление у крыс после инфаркта". В подписи также рекомендуется указывать расшифровку аббревиатур, и, если использовался, статистический тест и пояснение к количеству звёздочек вместо точного p-значения. Например, *-p<0.05, **-p<0.01 и тд. Если таблица или рисунок занимают более 1 страницы, то обычно пишут "продолжение таблицы 42"
✅ Рисунки хорошего качества и у них указан источник, если они не твои. Говорят раздражение рецензента прямо пропорционально степени сжатия по шкале *бучих шакалов. Не можешь найти хорошее разрешение картинки - воспользуйся нейросеткой для улучшения или перерисуй сам.
✅ В тексте есть ссылки на все рисунки и таблицы. И они находятся не дальше одной страницы после первого упоминания. Нельзя сослаться на рисунок на странице 17, а привести его на странице 50.
✅ Формулы, уравнения, верхние и нижние индексы, специальные символы введены с помощью соответствующих инструментов. Не 45С, а 45°С. Знак умножения не * или х, а × или ⋅.
✅ В тексте убраны все комментарии, выделения цветом и тд. Проследи, чтобы они не остались в финальной версии.
➖ ➖
Коллеги, а что вы бы добавили в этот чек-лист, а что бы убрали? Хочу его красиво оформить и распространить для удобства студентов и их руководителей, которые устали править одно и то же.
Привет, коллега!
Просматриваю выпускные квалификационные работы студентов и замечаю примерно одинаковые недочёты у всех. Поэтому решила составить чек-лист по оформлению ВКР
Коллеги, а что вы бы добавили в этот чек-лист, а что бы убрали? Хочу его красиво оформить и распространить для удобства студентов и их руководителей, которые устали править одно и то же.
Please open Telegram to view this post
VIEW IN TELEGRAM
#it_is_Friday_my_fellows
Привет, коллеги!
У меня родилась одна идейка. Многие из вас имеют домашних питомцев и как у любых уважающих себярабов хозяев у вас точно много всратых фотографий, которые при удачном раскладе смогли бы стать мемом. И я хочу из таких фото собрать стикер пак с любимцами подписчиков канала, чтобы его можно было использовать, например, в комментариях. Так что скидывай фото с большим мемным потенциалом и посмотрим, что получится😺
Привет, коллеги!
У меня родилась одна идейка. Многие из вас имеют домашних питомцев и как у любых уважающих себя
Please open Telegram to view this post
VIEW IN TELEGRAM
Хотела возмутиться выборами член-корра в отделение физиологических наук РАН с индексом Хирша 2, но после поста Labrats про академика с 0 все вопросы отпали (нет).
Я, конечно, не считаю, что чем больше Хирш - тем лучше учёный, но какой-то минимально адекватный порог должен же быть. Иначе получается, что мировое научное сообщество не узнало и не признало заслуг этих людей, но высших академических регалий они всё равно достойны 🤔
Я, конечно, не считаю, что чем больше Хирш - тем лучше учёный, но какой-то минимально адекватный порог должен же быть. Иначе получается, что мировое научное сообщество не узнало и не признало заслуг этих людей, но высших академических регалий они всё равно достойны 🤔
#дед_инсайд
Прекрасное - далёко
Говорят, что диснеевские мультфильмы формируют у девочек неправильное представление об отношениях. Не знаю, что я такого посмотрела в подростковом возрасте, что у меня сформировалось абсолютно неправильное представление о функционировании науки.
Когда я поступала на биологический факультет МГУ, я мечтала стать учёным, который может поменять мир своими открытиями. Мне казалось, что есть какой-то объективный алгоритм, и, если чётко ему следовать, то рано или поздно всё получится. Мне казалось, что учёные - это умные люди и они не такие порочные как другие. Мне казалось, что для учёных первостепенна именно жажда знаний и открытий, а не жажда денег и власти.
Очевидно, что со временем мои розовые очки разбились о реальность. Я увидела преподавателей, которые самоутверждаются за счёт студентов. Услышала об откровенном распиле многомиллионных грантов. Столкнулась с фальсификацией результатов. Узнала, что такое конфликт интересов, продвижение своих и задвигание чужих. Наука оказалась такой же грязной, как и любая другая система.
Во времена своего панковского прошлого, я пришла к выводу, что бесполезно бороться с системой извне. Революция редко приводит к чему-то хорошему. Единственный путь - это стать частью системы и пытаться менять её изнутри. Так что я решила, что в рамках той власти, что у меня будет, я попытаюсь выстроить ту идеальную систему, о которой когда-то мечтала. Надеюсь, что это не прозвучит как самолюбование, но для меня самое крутое в управленческой позиции - это слышать "я у вас, как у Христа за пазухой", "в вашей магистратуре я чувствую, что на меня не плевать", "вы так хорошо организовали учебный процесс, мне наконец-то всё понятно". Деньги, конечно, тоже приятный бонус, но никак не цель, на условном репетиторстве можно и побольше заработать.
А самое классное, что те самые учёные из моей идеалистической картины мира тоже существуют. Это прекрасные, открытые люди, горящие своими исследованиями и жаждущие перемен. Они не боятся быть неудобными в глазах руководства и выбивают лучшие условия для своих исследований и своих людей. Для них справедливость важнее регалий, а истина важнее показателей. Но, к сожалению, многие из них вымотаны и выгорели в этой постоянной борьбе. Хочется пожелать им не сдаваться.
Уверена, что среди нас очень много неравнодушных людей, которых возмущает текущая ситуация в науке. Как правильно замечают коллеги, мы не можем её изменить. Но это не значит, что мы должны её принимать. Мы имеем полное право обсуждать и осуждать фальсификацию данных, закупки статей, коррупцию, кумовство и прочие прелести системы. Потому что тогда у нас, и у наших преемников будет хоть какой-то нравственный ориентир. Если каждый руководитель в своей маленькой вотчине попробуют построить что-то другое, то появятся островки нормальности среди хаоса. Может быть, это ничего не изменит в глобальном масштабе, но если мы будем сидеть и молча терпеть, потому что "здесь так заведено", то так и потонем в этом болоте.
Поэтому, коллеги, встаём поутру, умываемся, приводим себя в порядок - и сразу же приводим в порядок свою планету.
Прекрасное - далёко
Говорят, что диснеевские мультфильмы формируют у девочек неправильное представление об отношениях. Не знаю, что я такого посмотрела в подростковом возрасте, что у меня сформировалось абсолютно неправильное представление о функционировании науки.
Когда я поступала на биологический факультет МГУ, я мечтала стать учёным, который может поменять мир своими открытиями. Мне казалось, что есть какой-то объективный алгоритм, и, если чётко ему следовать, то рано или поздно всё получится. Мне казалось, что учёные - это умные люди и они не такие порочные как другие. Мне казалось, что для учёных первостепенна именно жажда знаний и открытий, а не жажда денег и власти.
Очевидно, что со временем мои розовые очки разбились о реальность. Я увидела преподавателей, которые самоутверждаются за счёт студентов. Услышала об откровенном распиле многомиллионных грантов. Столкнулась с фальсификацией результатов. Узнала, что такое конфликт интересов, продвижение своих и задвигание чужих. Наука оказалась такой же грязной, как и любая другая система.
Во времена своего панковского прошлого, я пришла к выводу, что бесполезно бороться с системой извне. Революция редко приводит к чему-то хорошему. Единственный путь - это стать частью системы и пытаться менять её изнутри. Так что я решила, что в рамках той власти, что у меня будет, я попытаюсь выстроить ту идеальную систему, о которой когда-то мечтала. Надеюсь, что это не прозвучит как самолюбование, но для меня самое крутое в управленческой позиции - это слышать "я у вас, как у Христа за пазухой", "в вашей магистратуре я чувствую, что на меня не плевать", "вы так хорошо организовали учебный процесс, мне наконец-то всё понятно". Деньги, конечно, тоже приятный бонус, но никак не цель, на условном репетиторстве можно и побольше заработать.
А самое классное, что те самые учёные из моей идеалистической картины мира тоже существуют. Это прекрасные, открытые люди, горящие своими исследованиями и жаждущие перемен. Они не боятся быть неудобными в глазах руководства и выбивают лучшие условия для своих исследований и своих людей. Для них справедливость важнее регалий, а истина важнее показателей. Но, к сожалению, многие из них вымотаны и выгорели в этой постоянной борьбе. Хочется пожелать им не сдаваться.
Уверена, что среди нас очень много неравнодушных людей, которых возмущает текущая ситуация в науке. Как правильно замечают коллеги, мы не можем её изменить. Но это не значит, что мы должны её принимать. Мы имеем полное право обсуждать и осуждать фальсификацию данных, закупки статей, коррупцию, кумовство и прочие прелести системы. Потому что тогда у нас, и у наших преемников будет хоть какой-то нравственный ориентир. Если каждый руководитель в своей маленькой вотчине попробуют построить что-то другое, то появятся островки нормальности среди хаоса. Может быть, это ничего не изменит в глобальном масштабе, но если мы будем сидеть и молча терпеть, потому что "здесь так заведено", то так и потонем в этом болоте.
Поэтому, коллеги, встаём поутру, умываемся, приводим себя в порядок - и сразу же приводим в порядок свою планету.
#методичка
Не можешь победить - возглавь
Привет, коллега!
Мы уже успели обсудить использование ИИ в научной и учебной работе и резюмировать можно первым комментарием: "нейросети сильных сделают еще сильнее, а слабых - еще слабее". Я уверена, что подписчики этого канала относятся к первой категории, так что специально для самых сильных подборочка полезных сервисов с ИИ для учёных.
🔸 Сonsensus - туда можно задать вопрос и ИИ ищет ответ среди PubMed, Semantic Scholar и др баз данных, а также даёт ссылки на исследования откуда он взял результат. Ещё там есть очень удобный Consensus Meter, в котором можно оценить качество и количество статей поддерживающих или опровергающих точку зрения. Например, большинство статей считают арбидол эффективным препаратом, но большинство хороших статей говорят, что нет.
🔸 Perplexity Academic - нейросетка, которая выдаёт ответы на вопросы, анализируя научные статьи. Но в отличие от консенсуса не анализирует рейтинг журналов, количество цитирований и тд
🔸 SciSpace - помимо стандартного (имхо весьма слабенького) бота для вопросов, имеет ряд интересных фич. Например, умеет перефразировать предложения, оформляет цитаты, пересказывает простым языком куски статей. Ещё он умеет превращать статьи в презентации и в видео, но эта функция работает пока коряво, мои статьи он не смог нормально переварить.
🔸 Research Rabbit - очень классный инструмент, позволяющий строить взаимосвязи между статьями и находить похожие исследования. Кажется, скоро станет незаменимым при подготовке обзорных статей.
🔸 Litmaps - по функционалу очень похож на Research Rabbit, но немного другой интерфейс и принцип сбора карты. Если в Research Rabbit сразу выдаются тысячи похожих статей и далее нужно отбирать нужное/ненужное, то тут надо добавлять похожие статьи и на основе этого генерируются всё новые и новые рекомендации. Обе программы кстати синхронизируются с Zotero.
🔸 Inciteful - и ещё одна нейросетка с графами статей. Поскольку нашла её после предыдущих двух - не так впечатлила.
🔸 AlphaXiv - ищет литературу по разным источникам плюс выступает как самостоятельная библиотека. Очень классная фишка - краткий конспект статьи (кнопка blog). Также выступает как соцсеть, статьи можно комментировать и делится своими заметками.
🔸 Elicit - делает достаточно подробные обзоры в том числе систематические по заданной тематике. Попробовала спросить по тематике своих исследований - справляется в целом неплохо. Но хочет денег за полный функционал, так что я не смогла оценить по достоинству.
🔸 Trinka - очень классный инструмент для проверки и корректировки академического английского. Загнала туда текст, переведённый с помощью ChatGPT, и Trinka реально улучшил то, что ревьюеры уже сочли отличным английским.
🔸 Writefull - интересный сервис, который позволяет делать текст более академичным, а также умеет придумывать заголовки по абстракту и абстракт по тексту статьи. В этом плане может быть хорошим подспорьем в случае творческого кризиса.
➖ ➖
Я знаю, что не все коллеги поддерживают использование ИИ в научной работе. Кстати, ставь 💩 на этот пост, если ты категорически против использования нейросеток для подготовки и написания научных работ. Тем не менее, для меня это всего лишь удобный инструмент, которым надо просто правильно и не бездумно пользоваться. Коллеги, а какие ещё полезные ИИ сервисы для научной работы вы можете посоветовать?
Не можешь победить - возглавь
Привет, коллега!
Мы уже успели обсудить использование ИИ в научной и учебной работе и резюмировать можно первым комментарием: "нейросети сильных сделают еще сильнее, а слабых - еще слабее". Я уверена, что подписчики этого канала относятся к первой категории, так что специально для самых сильных подборочка полезных сервисов с ИИ для учёных.
Я знаю, что не все коллеги поддерживают использование ИИ в научной работе. Кстати, ставь 💩 на этот пост, если ты категорически против использования нейросеток для подготовки и написания научных работ. Тем не менее, для меня это всего лишь удобный инструмент, которым надо просто правильно и не бездумно пользоваться. Коллеги, а какие ещё полезные ИИ сервисы для научной работы вы можете посоветовать?
Please open Telegram to view this post
VIEW IN TELEGRAM
#статистика_для_котиков
Она говорила, что любит нормальных, но выбирала с эксцессом и асимметрией
Привет, коллега!
Пока я готовлю очередной длиннопост про призму (для вновьприбывших первая и вторая части), решила кратенько рассказать о таких параметрах как асимметрия (skewness) и эксцесс (kurtosis), отражающих форму распределения данных.
Итак, коэффициент асимметрии - это мера асимметрии распределения вероятностей случайной величины относительно её среднего значения. Если он равен нулю, то распределение симметрично относительно центра (например, нормальное распределение или распределение Стьюдента).
Однако, очень часто распределение ассиметрично, например, если посмотреть на распределение зарплат, то можно увидеть, что труд большей части людей не слишком высоко ценится, а вот высокие доходы имеет лишь небольшая часть населения. Собственно вот такой длинный хвост справа будет выражаться в положительном коэффициенте асимметрии и чем больше значение - тем больше перекос.
Отрицательный коэффициент асимметрии будет при длинном хвосте слева и большей вероятности получить высокие значения случайной величины. Например, на одном из моих предметах большинство студентов набирает 70-90 баллов из 100 за эссе, потому что они очень умные, умеют искать литературу и правильно оформлять работу. Но бывает попадаются редкие работы, бездумно сгенерированные нейросетками и вот они создают длинный левый хвост у распределения оценок.
🤔 Странные, конечно, примеры получились, на грустное распределение зарплат коэффициент асимметрии положительный, а на умненьких студентов - отрицательный
Теперь про второй параметр, коэффициент эксцесса. Он отражает насколько "острая" вершина у распределения. UPD: есть поправочка из комментариев. Вообще есть приколы с его расчётом и одна из формул была предложена Пирсоном. По ней у нормального распределения эксцесс равен 3. Но чаще используют избыточный эксцесс (excess kurtosis), получаемый вычитанием тройки, причём называют его также просто коэффициентом эксцесса (например, в призме это так).
Распределение близкое к нормальному имеет избыточный эксцесс равный 0 и называется мезокуртическим распределением. Если коэффициент отрицательный, то распределение имеет более распластанную форму и называется платикуртическим. Для биологических данных небольшие выборки из неоднородной генеральной совокупности чаще всего будут иметь именно такое распределение, поскольку изначально разброс большой, а измерений для высокого пика нормального распределения может просто не хватать. Попробуй измерить рост у 5 своих друзей и посчитать коэффициент эксцесса.
Избыточный эксцесс больше 0 характерен для лептокуртического распределения. В этом случае распределение имеет высокий и острый пик, но в отличие от распределения с малым стандартными отклонением, в нём присутствуют значения сильно отклоняющиеся от среднего. Возвращаясь к умным студентам с высокими баллами за эссе: из-за читеров с нейросетями распределение получается не нормальным с малым разбросом, а лептокуртическим. Кстати, картинку распределением оценок прошлого года и рассчитанными коэффициентами ассиметрии и эксцесса скину в комментарии.
Пока читала литературу для этого поста неоднократно наталкивалась на информацию о том, что лептокуртическое распределение доходности рынка означает высокие риски при инвестировании, а вот платикурическое распределение более безопасно. Пока что моя единственная инвестиция - это запасы жирочка на случай голода, но может кому-то эта информация будет полезной.
И в заключении хочу признаться: я написала весь этот текст только чтобы запостить картинку с котиками, которая поднимает мне настроение каждый раз, когда я её встречаю. Надеюсь, теперь и тебе тоже🙂
Она говорила, что любит нормальных, но выбирала с эксцессом и асимметрией
Привет, коллега!
Пока я готовлю очередной длиннопост про призму (для вновьприбывших первая и вторая части), решила кратенько рассказать о таких параметрах как асимметрия (skewness) и эксцесс (kurtosis), отражающих форму распределения данных.
Итак, коэффициент асимметрии - это мера асимметрии распределения вероятностей случайной величины относительно её среднего значения. Если он равен нулю, то распределение симметрично относительно центра (например, нормальное распределение или распределение Стьюдента).
Однако, очень часто распределение ассиметрично, например, если посмотреть на распределение зарплат, то можно увидеть, что труд большей части людей не слишком высоко ценится, а вот высокие доходы имеет лишь небольшая часть населения. Собственно вот такой длинный хвост справа будет выражаться в положительном коэффициенте асимметрии и чем больше значение - тем больше перекос.
Отрицательный коэффициент асимметрии будет при длинном хвосте слева и большей вероятности получить высокие значения случайной величины. Например, на одном из моих предметах большинство студентов набирает 70-90 баллов из 100 за эссе, потому что они очень умные, умеют искать литературу и правильно оформлять работу. Но бывает попадаются редкие работы, бездумно сгенерированные нейросетками и вот они создают длинный левый хвост у распределения оценок.
Теперь про второй параметр, коэффициент эксцесса. Он отражает насколько "острая" вершина у распределения. UPD: есть поправочка из комментариев. Вообще есть приколы с его расчётом и одна из формул была предложена Пирсоном. По ней у нормального распределения эксцесс равен 3. Но чаще используют избыточный эксцесс (excess kurtosis), получаемый вычитанием тройки, причём называют его также просто коэффициентом эксцесса (например, в призме это так).
Распределение близкое к нормальному имеет избыточный эксцесс равный 0 и называется мезокуртическим распределением. Если коэффициент отрицательный, то распределение имеет более распластанную форму и называется платикуртическим. Для биологических данных небольшие выборки из неоднородной генеральной совокупности чаще всего будут иметь именно такое распределение, поскольку изначально разброс большой, а измерений для высокого пика нормального распределения может просто не хватать. Попробуй измерить рост у 5 своих друзей и посчитать коэффициент эксцесса.
Избыточный эксцесс больше 0 характерен для лептокуртического распределения. В этом случае распределение имеет высокий и острый пик, но в отличие от распределения с малым стандартными отклонением, в нём присутствуют значения сильно отклоняющиеся от среднего. Возвращаясь к умным студентам с высокими баллами за эссе: из-за читеров с нейросетями распределение получается не нормальным с малым разбросом, а лептокуртическим. Кстати, картинку распределением оценок прошлого года и рассчитанными коэффициентами ассиметрии и эксцесса скину в комментарии.
Пока читала литературу для этого поста неоднократно наталкивалась на информацию о том, что лептокуртическое распределение доходности рынка означает высокие риски при инвестировании, а вот платикурическое распределение более безопасно. Пока что моя единственная инвестиция - это запасы жирочка на случай голода, но может кому-то эта информация будет полезной.
И в заключении хочу признаться: я написала весь этот текст только чтобы запостить картинку с котиками, которая поднимает мне настроение каждый раз, когда я её встречаю. Надеюсь, теперь и тебе тоже
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
#лаблыба
Админ в запаре из-за подготовки документов по защитам магистерских и в целом на конец семестра. Забыла кинуть в отложку вечернюю юмореску 😢
Админ в запаре из-за подготовки документов по защитам магистерских и в целом на конец семестра. Забыла кинуть в отложку вечернюю юмореску 😢