#сдохни_или_умри
Одна ошибка и ты ошибся (с) Джейсон Стэйтем
Привет, коллега!
Пятничный опрос выявил, что помимо известной проблемы с финансированием и бюрократией в науке, в пятёрку демотиваторов входит нехватка времени, отсутствие перспектив и частные неудачи. Про тайм-менеджмент в будущем я обязательно напишу пост, как и про некоторые возможности построения карьеры в науке, а сегодня дам немного советов по тому, как можно справляться с неудачами в работе. По наблюдению за студентами с клинических направлений, приходящих к нам в институт, именно отсутствие мгновенного результата заставляет их разочароваться в науке.
🔵 В целом, самое главное помнить, что неудачи это обычная часть научного процесса. Эксперимент может пойти не так, прибор может сломаться в самый неожиданный момент, статью могут отклонить и так далее. Но неудачи чаще всего ничего не говорят о тебе и твоей работе. Например, статью Линн Маргулис о симбиотической теории отклонили аж 15 журналов. Иногда неудачи ведут к чему-то большему, например, открытие пенициллина Александром Флемингом произошло из-за ошибки и загрязнения образцов.
🔵 Неудачи могут научить нас чему-то. Я уже делала подборку своих лабораторных лайффаков и опыта вынесенного из них, а в комментариях коллеги поделились своим, очень рекомендую почитать. Помни также и о том, что комментарии и критика - это не атака, а возможность улучшить работу. Никто не совершенен, а эти люди помогают тебе приблизиться к идеалу, да ещё и бесплатно 😏 Но я говорю конечно же про конструктивную критику, комментарии в духе "ты говно и работа говно" учитывать не стоит.
🔵 Проигранный бой не означает проигранную войну. На самом деле в достижении любой большой цели есть маленькие этапы и если ты посмотришь на них, то, например, 8/10 окажутся успешными, а оставшиеся всего лишь требуют чуть больше времени на проработку. Но в целом-то, прогресс-то есть. Поэтому обязательно отслеживай свои успехи, если требуется - отмечай их где-то. Иногда мы грешим селективным восприятием и замечаем только негативные события.
🔵 Не ограничивай свою жизнь и самоопределение только работой. В этом случае у тебя будет только одна опора - на свою профессию. И если что-то с ней пойдёт не так - то посыплется вся жизнь. Нужны и другие опоры: семья, друзья, хобби и ты сам как человек, вне профессии. Я не верю, что в науке работают глупые люди, которые ничего больше в жизни в могут, поэтому ты точно крутой сам по себе. И если чувствуешь, что всё-таки с наукой не складывается - не беда, в море ещё огромное количество рыбы.
🔵 Иногда нужно просто передохнуть. Ошибки и неудачи могут быть связаны с банальным переутомлением, так что в отпуска всё же лучше ходить, а не геройствовать 24/7/365 🧟
🔵 Если совсем тяжело - попробуй поискать поддержку у коллег, друзей или даже психолога. В целом, можно практиковать различные техники для развития эмоциональной устойчивости и работы с самооценкой. Я рекомендую когнитивно-поведенческую терапию (КПТ), так как она единственная доказала эффективность в клинических испытаниях. Например, на мой взгляд может быть полезной техника ведения дневника мыслей. Суть в том, чтобы записывать все автоматические мысли, приходящие на ум после неудачи, например "у меня руки из жопы" или "я никогда не стану великим учёным", а затем проверить их на наличие одного или нескольких когнитивных искажений. А после можно переформулировать мысль на более реальную "я капнул вещество не в ту лунку, это случается, в следующий раз буду внимательнее". В целом, рефлексия очень полезна и иногда помогает выбраться из глубоких эмоциональных ям.
〰️ 〰️
Важно понимать, что неудачи и скучная рутина - это очень большая часть научного познания. Если ты не готов к этому, то скорее всего стоит рассмотреть какие-то смежные области. А если готов рискнуть, то помни, что неудачи - это опыт, который делает тебя сильнее как учёного. Главное не терять интерес к своему делу и продолжать двигаться вперёд💪
Коллеги, а как вы справляетесь с неудачами?
Одна ошибка и ты ошибся (с) Джейсон Стэйтем
Привет, коллега!
Пятничный опрос выявил, что помимо известной проблемы с финансированием и бюрократией в науке, в пятёрку демотиваторов входит нехватка времени, отсутствие перспектив и частные неудачи. Про тайм-менеджмент в будущем я обязательно напишу пост, как и про некоторые возможности построения карьеры в науке, а сегодня дам немного советов по тому, как можно справляться с неудачами в работе. По наблюдению за студентами с клинических направлений, приходящих к нам в институт, именно отсутствие мгновенного результата заставляет их разочароваться в науке.
Важно понимать, что неудачи и скучная рутина - это очень большая часть научного познания. Если ты не готов к этому, то скорее всего стоит рассмотреть какие-то смежные области. А если готов рискнуть, то помни, что неудачи - это опыт, который делает тебя сильнее как учёного. Главное не терять интерес к своему делу и продолжать двигаться вперёд
Коллеги, а как вы справляетесь с неудачами?
Please open Telegram to view this post
VIEW IN TELEGRAM
Привет, коллега!
Политика данного канала подразумевает отсутствие рекламы и особенно я не хочу продвигать платные товары (кроме наших собственных образовательных программ, но и то редко). Я могу делать анонсы бесплатных мероприятий или добавлять в подборку по хештегу #шпаргалка, могу опубликовать ваш образовательный пост с чем-то полезным для читателей, где вы неявно можете упомянуть свой продукт, можно сделать партнёрские посты, но могу и просто так по тегу #годнота упомянуть что-то, что лично мне нравится и чем я активно пользуюсь. Но сегодня хочу рассказать про один продукт, который не подходит ни под одну из этих категорий.
В общем, я рассказывала о различных базах научных статей и одна из тех, где можно найти статьи в более менее качественные журналах, это Scopus. Но нынче с доступом туда всё плохо и коллеги сделали бота @ScopusRuBot, который может делать поиск как по статьям, так и по автору. В нём доступны все операторы поиска, он может выгружать основные данные по статьям и разные показатели автора.
Я потестировала, в целом работает неплохо, интерфейс конечно непривычный и лучше не закрывать чат, пока он думает и подгружает информацию (а думать может пару минут). Но в целом с задачей справляется.
В течение 7 дней можно бесплатно потестить, а потом цена весьма демократичная:
Подписка на 30 дней - 299 рублей
1 запрос - 29 руб
5 запросов - 149 руб
10 запросов - 269 руб
20 запросов - 449 руб (но зачем?🤔 )
Лично я не особо использую Scopus, мне как-то с PubMed привычнее, но если вдруг тебе нужна именно эта база, то вполне можно воспользоваться @ScopusRuBot по цене всего лишь чашки кофе в месяц
Политика данного канала подразумевает отсутствие рекламы и особенно я не хочу продвигать платные товары (кроме наших собственных образовательных программ, но и то редко). Я могу делать анонсы бесплатных мероприятий или добавлять в подборку по хештегу #шпаргалка, могу опубликовать ваш образовательный пост с чем-то полезным для читателей, где вы неявно можете упомянуть свой продукт, можно сделать партнёрские посты, но могу и просто так по тегу #годнота упомянуть что-то, что лично мне нравится и чем я активно пользуюсь. Но сегодня хочу рассказать про один продукт, который не подходит ни под одну из этих категорий.
В общем, я рассказывала о различных базах научных статей и одна из тех, где можно найти статьи в более менее качественные журналах, это Scopus. Но нынче с доступом туда всё плохо и коллеги сделали бота @ScopusRuBot, который может делать поиск как по статьям, так и по автору. В нём доступны все операторы поиска, он может выгружать основные данные по статьям и разные показатели автора.
Я потестировала, в целом работает неплохо, интерфейс конечно непривычный и лучше не закрывать чат, пока он думает и подгружает информацию (а думать может пару минут). Но в целом с задачей справляется.
В течение 7 дней можно бесплатно потестить, а потом цена весьма демократичная:
Подписка на 30 дней - 299 рублей
1 запрос - 29 руб
5 запросов - 149 руб
10 запросов - 269 руб
20 запросов - 449 руб (но зачем?
Лично я не особо использую Scopus, мне как-то с PubMed привычнее, но если вдруг тебе нужна именно эта база, то вполне можно воспользоваться @ScopusRuBot по цене всего лишь чашки кофе в месяц
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
#статистика_для_котиков
Не доверяй биологам математику
Привет, коллега!
В прошлый раз мы говорили про доверительные интервалы и комментарии заставили меня открыть старый учебник по статистике для биологов от математиков. Я не поняла каким чудом мы вообще сдали её, потому что уж слишком много математики. Сейчас я понимаю примерно 80% происходящего, но делаю это не с нуля, а уже после применения разных методов к своим данным.
И вот мне бы хотелось, чтобы читатели в первую очередь научились пользоваться некоторыми инструментами статистики и хотя бы примерно понимали, что за ними стоит. Я знаю много учёных, которые просто тыкают в программе на те же кнопочки, которые тыкали 10 поколений до них, а потом не знают, что ответить рецензентам на вопросы о статистике. Поэтому я научу тебя тыкать в них чуть-чуть более осознанно, а дальше если тема сильно заинтересует, то изучи что-то более специализированное.
И после такого большого дисклеймера всё-таки дорасскажу про доверительные интервалы (ДИ). Напомню, что это. Допустим у нас есть генеральная совокупность и у неё есть какие-то параметры, например, средняя зарплата вообще всех учёных в России составляет 44 тыс. (математическое ожидание). В наших экспериментах мы про всех учёных знать не можем, а знаем только про одну лабораторию из 9 человек, и у них зарплата 56±50 тыс. (выборочное среднее±стандартное отклонение). ДИ для какого-то параметра - это такой интервал, в которой с заданной доверительной вероятностью (чаще всего 0.95 и 0.99) попадёт значение этого параметра генеральной совокупности. ДИ рассчитывается по выборке и мы говорим о том, что вот где-то ввине интервале от сих до сих скорее всего находится истина.
В прошлый раз я привела формулы для ДИ для математического ожидания через расчёт стандартной ошибки среднего (SEM). Но она касается случаев, когда дисперсия генеральной совокупности известна и именно по ней нужно считать SEM. Но в жизни мы почти никогда не знаем этот параметр, поэтому в больших выборках вместо дисперсии генеральной совокупности можно использовать выборочную. Насколько больших? Я часто встречаю границу в 30 значений, но важно понимать, что она достаточно условная. В нашем случае 95% ДИ, рассчитанный по этой формуле будет от 23 до 89 тыс. Математическое ожидание попало в этот интервал, но в целом могло и не попасть, если бы была другая выборка.
Если же выборка маленькая, то принято использовать формулу для расчёта ДИ для случайной величины с неизвестной дисперсией. В целом, логика рассуждения достаточно похожая, только статистика будет иметь не нормальное распределение, а t-распределение или распределение Стьюдента. Оно тоже колоколообразное, но форма немного меняется вместе с изменением числа степеней свободы (т.е. количества значений в выборке минус 1). Чем меньше значений, тем выше хвосты распределения, а чем больше - тем t-распределение больше похоже на нормальное.
Если в нормальном распределении коэффициенты перед формулой SEM мы брали из его свойств и правила трёх сигм, то здесь, учитывая разную форму при разном количестве значений, придётся заморочиться. Если мы хотим найти пределы для 95% значений, то мы должны будем найти квантили этого распределения, а именно 0,025 и 0,0975 квантиль. Из-за симметрии относительно 0 это одно число, просто с разным знаком и его можно найти в таблице типа такой. В левом столбце число степеней свободы, верхняя строчка - доверительная вероятность. И на пересечении будет находится значение t, которое мы и будет подставлять в формулу доверительного интервала. Обрати внимание, что при бесконечно больших выборках t будет превращаться в уже знакомое нам 1,96 и 2,58. А при расчёте 95% ДИ для нашей лабы из примера выше t=2,31. Таким образом доверительный интервал, оцененный по данной формуле будет от 17 до 95 тыс. Несколько отличается от предыдущего, не так ли/ А всё потому что сотрудников мало.
Конечно же, никто не заставит тебя считать доверительный интервал вручную, есть специальные программы или онлайн калькуляторы, которые всё сделают. Просто помни о том, что это такое и выбирай подходящий метод расчёта.
Не доверяй биологам математику
Привет, коллега!
В прошлый раз мы говорили про доверительные интервалы и комментарии заставили меня открыть старый учебник по статистике для биологов от математиков. Я не поняла каким чудом мы вообще сдали её, потому что уж слишком много математики. Сейчас я понимаю примерно 80% происходящего, но делаю это не с нуля, а уже после применения разных методов к своим данным.
И вот мне бы хотелось, чтобы читатели в первую очередь научились пользоваться некоторыми инструментами статистики и хотя бы примерно понимали, что за ними стоит. Я знаю много учёных, которые просто тыкают в программе на те же кнопочки, которые тыкали 10 поколений до них, а потом не знают, что ответить рецензентам на вопросы о статистике. Поэтому я научу тебя тыкать в них чуть-чуть более осознанно, а дальше если тема сильно заинтересует, то изучи что-то более специализированное.
И после такого большого дисклеймера всё-таки дорасскажу про доверительные интервалы (ДИ). Напомню, что это. Допустим у нас есть генеральная совокупность и у неё есть какие-то параметры, например, средняя зарплата вообще всех учёных в России составляет 44 тыс. (математическое ожидание). В наших экспериментах мы про всех учёных знать не можем, а знаем только про одну лабораторию из 9 человек, и у них зарплата 56±50 тыс. (выборочное среднее±стандартное отклонение). ДИ для какого-то параметра - это такой интервал, в которой с заданной доверительной вероятностью (чаще всего 0.95 и 0.99) попадёт значение этого параметра генеральной совокупности. ДИ рассчитывается по выборке и мы говорим о том, что вот где-то в
В прошлый раз я привела формулы для ДИ для математического ожидания через расчёт стандартной ошибки среднего (SEM). Но она касается случаев, когда дисперсия генеральной совокупности известна и именно по ней нужно считать SEM. Но в жизни мы почти никогда не знаем этот параметр, поэтому в больших выборках вместо дисперсии генеральной совокупности можно использовать выборочную. Насколько больших? Я часто встречаю границу в 30 значений, но важно понимать, что она достаточно условная. В нашем случае 95% ДИ, рассчитанный по этой формуле будет от 23 до 89 тыс. Математическое ожидание попало в этот интервал, но в целом могло и не попасть, если бы была другая выборка.
Если же выборка маленькая, то принято использовать формулу для расчёта ДИ для случайной величины с неизвестной дисперсией. В целом, логика рассуждения достаточно похожая, только статистика будет иметь не нормальное распределение, а t-распределение или распределение Стьюдента. Оно тоже колоколообразное, но форма немного меняется вместе с изменением числа степеней свободы (т.е. количества значений в выборке минус 1). Чем меньше значений, тем выше хвосты распределения, а чем больше - тем t-распределение больше похоже на нормальное.
Если в нормальном распределении коэффициенты перед формулой SEM мы брали из его свойств и правила трёх сигм, то здесь, учитывая разную форму при разном количестве значений, придётся заморочиться. Если мы хотим найти пределы для 95% значений, то мы должны будем найти квантили этого распределения, а именно 0,025 и 0,0975 квантиль. Из-за симметрии относительно 0 это одно число, просто с разным знаком и его можно найти в таблице типа такой. В левом столбце число степеней свободы, верхняя строчка - доверительная вероятность. И на пересечении будет находится значение t, которое мы и будет подставлять в формулу доверительного интервала. Обрати внимание, что при бесконечно больших выборках t будет превращаться в уже знакомое нам 1,96 и 2,58. А при расчёте 95% ДИ для нашей лабы из примера выше t=2,31. Таким образом доверительный интервал, оцененный по данной формуле будет от 17 до 95 тыс. Несколько отличается от предыдущего, не так ли/ А всё потому что сотрудников мало.
Конечно же, никто не заставит тебя считать доверительный интервал вручную, есть специальные программы или онлайн калькуляторы, которые всё сделают. Просто помни о том, что это такое и выбирай подходящий метод расчёта.
Кстати, про тыкать на кнопочки. Меня посетила идея, что для совсем базового уровня я могла бы делать посты со скринами и показывать, как в каком-нибудь GraphPad Prism искать те или иные параметры или тесты, делать графики и тд, заодно и ещё раз напоминать теорию. Да и в целом, так можно было бы демонстрировать работу в отдельных программах. Ставь реакт, как тебе идея, или пиши в комментариях 👇
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Зоопарк из слоновой кости
#плюшки_молодым_ученым
⚡️Начался прием заявок на аспирантскую "мегастипендию Президента" (75 тыс. в месяц). Дедлайн - 28 февраля.
Как и в прошлый раз, стипендиатами станут 500 российских аспирантов. Новые правила см. по ссылке (отличия от прошлого года, судя по тому, что мы увидели, минимальные)
https://aspirant.extech.ru/documents/47/view
⚡️Начался прием заявок на аспирантскую "мегастипендию Президента" (75 тыс. в месяц). Дедлайн - 28 февраля.
Как и в прошлый раз, стипендиатами станут 500 российских аспирантов. Новые правила см. по ссылке (отличия от прошлого года, судя по тому, что мы увидели, минимальные)
https://aspirant.extech.ru/documents/47/view
#предложечка #шпаргалка
VI International Conference on Materials Physics,
Building Structures and Technologies in Construction,
Industrial and Production Engineering
(MPCPE-2025)
28-30 апреля 2025 года
г. Владимир, Российская Федерация
▶️ Организатор конференции:
Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых, г. Владимир
▶️ Основные направления работы конференции:
• Проектирование и эксплуатация строительных конструкций и инженерных систем;
• Конструкционные и функциональные материалы в строительстве и смежных отраслях;
• Прочность и деформативность строительных материалов и конструкций;
• Численно-аналитические методы расчета строительных конструкций, зданий и сооружений;
• Технологии информационного моделирования (ТИМ) в строительстве;
• Использование достижений прикладной физики в строительстве и смежных отраслях;
• Актуальные вопросы энерго- и ресурсосбережения в строительстве и смежных отраслях.
▶️ Формы участия в конференции:
• устный доклад с презентацией;
• постерный доклад (электронный).
▶️ Мероприятие планируется с использованием видеоконференцсвязи на отечественной коммуникационной платформе Контур.Толк (или аналогичной). Конференция планируется как онлайн-встреча участников тематических сессий с регламентированной демонстрацией слайдов согласно утвержденной технической программе. Регламент выступлений будет предусматривать 10-минутную виртуальную презентацию в реальном времени и 5-минутный лимит времени для вопросов и ответов на каждого докладчика. Обращаем особое внимание на необходимость устойчивого Интернет-соединения для представления устного доклада. Для докладчиков, не имеющих опыта работы с применяемой системой видеоконференцсвязи, предварительно будет организовано тестовое подключение с обучением.
РЕГИСТРАЦИЯ НА МЕРОПРИЯТИЕ ПО ССЫЛКЕ
📌 Дедлайн: 25 апреля 2025 г.
Участие в конференции БЕСПЛАТНОЕ.
По итогам проведения конференции планируется издание сборника статей с индексацией в РИНЦ (публикация бесплатная).
✖️ Адрес проведения конференции: 600000, г. Владимир, ул. Горького, 87, ВлГУ
✉️ E-mail оргкомитета: [email protected]
VI International Conference on Materials Physics,
Building Structures and Technologies in Construction,
Industrial and Production Engineering
(MPCPE-2025)
28-30 апреля 2025 года
г. Владимир, Российская Федерация
Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых, г. Владимир
• Проектирование и эксплуатация строительных конструкций и инженерных систем;
• Конструкционные и функциональные материалы в строительстве и смежных отраслях;
• Прочность и деформативность строительных материалов и конструкций;
• Численно-аналитические методы расчета строительных конструкций, зданий и сооружений;
• Технологии информационного моделирования (ТИМ) в строительстве;
• Использование достижений прикладной физики в строительстве и смежных отраслях;
• Актуальные вопросы энерго- и ресурсосбережения в строительстве и смежных отраслях.
• устный доклад с презентацией;
• постерный доклад (электронный).
РЕГИСТРАЦИЯ НА МЕРОПРИЯТИЕ ПО ССЫЛКЕ
Участие в конференции БЕСПЛАТНОЕ.
По итогам проведения конференции планируется издание сборника статей с индексацией в РИНЦ (публикация бесплатная).
Please open Telegram to view this post
VIEW IN TELEGRAM
#методичка
Усы, лапы и хвост - вот мои показатели
Привет, коллега!
Мы тут в комментариях регулярно обсуждаем всякиевысокоранговые высокорейтинговые журналы, но ещё не все знают, что это за рейтинги такие. Мы уже говорили о том, какие показатели позволяют оценивать эффективность учёных, и для научных журналов тоже существуют свои метрики.
🔵 JIF (journal impact factor). Представляет собой среднее количество цитирований статей журнала за два предыдущих года и рассчитывается платформой Web of Science (ныне Clarivate). Но не учитывает самоцитирования журнала, хотя Clarivate отслеживает этот показатель (journal self-citation - JSC) и банит журналы со слишком высокими значениями.
🔵 CiteScore. Аналог импакт-фактора от Scopus и представляет из себя среднее число цитирований на статью за 4 года. В целом более широкий временной диапазон лучше для некоторых отраслей, да и Scopus охватывает чуть больше журналов. Из недостатков опять же отсутствие учёта самоцитирования.
🔵 JCI (Journal Citation Indicator) и SNIP (Source Normalized Impact per Paper) - два похожих по смыслу индекса от Web of Science и Scopus, соответственно. Они позволяют нормализовать цитируемость статей на общую цитируемость в области. Например, в медицине все очень много ссылаются друг на друга, а вот в математике гораздо хуже. И при сравнении журналов одного качества в разных областях JIF или CiteScore будут отличаться, а вот JCI и SNIP уже не особо.
🔵 SJR (SCImago Journal Rank). Тоже показатель от Scopus, рассчитывающийся как взвешенное количество цитирований с учетом значимости цитирующего журнала, вот тут можно глянуть метод расчёта. В целом, позволят чуть лучше оценить научную значимость и уважаемость журнала. Например, журнал Stem Cells от Oxford University Press имеет более низкий импакт-фактор по сравнению с IJMS от MDPI, но куда более высокий SJR и знакомыми коллегами из Европы котируется куда больше.
🔵 Eigenfactor Score - по смыслу тоже самое, что SJR, только от WoS, но видимо не набравший популярность: я впервые его увидела только при подготовке этого поста.
🔵 H-индекс. Очень похож по смыслу на индекс Хирша учёного: журнал имеет индекс N, если N статей в нём были процитированы не менее N раз. В Scopus и WoS h-индекс рассчитывается за всё время существования журнала, а, например, в Google Scholar Metrics есть h5-index и он учитывает только последние 5 лет.
🔵 Импакт-фактор в РИНЦ. Рассчитывается как классический импакт фактор, только по статьям из базы РИНЦ. Но сама база собирает в себе всякое, поэтому, конечно, не самый надёжный индикатор качества журнала.
🔵 Квартили журналов. Это показатель, который отражает, в каком проценте лучших журналов в своей области находится конкретный журнал. Обычно квартили рассчитываются на основе JIF или SJR. То есть, если мы ранжируем все журналы от самого маленького индекса к большому, то первые 25% с самыми низкими показателями будут относится к четвёртой квартили Q4, следующие 25% к Q3, ещё 25% к Q2 и 25% журналов с самыми высокими показателями будут относиться к Q1. Кстати для российских журналов ВАК существуют квартили, обозначаются К1, К2 и так далее и они могут учитываться в различных отчётах и формальных требованиях.
〰️ 〰️
Это точно не все возможные показатели журналов, но одни из наиболее популярных. Так что теперь ты знаешь, как понять, интересная тебе статья опубликована в какой-то левой мурзилке или в высокорейтинговом научном журнале.
Усы, лапы и хвост - вот мои показатели
Привет, коллега!
Мы тут в комментариях регулярно обсуждаем всякие
Это точно не все возможные показатели журналов, но одни из наиболее популярных. Так что теперь ты знаешь, как понять, интересная тебе статья опубликована в какой-то левой мурзилке или в высокорейтинговом научном журнале.
Please open Telegram to view this post
VIEW IN TELEGRAM