✨OpenAlex: простой способ оценить заполненность метаданных
С ростом популярности OpenAlex все больше исследователей начали разбирать качество ее данных. Ведь платформа предоставляет открытый доступ к метаданным научных статей, которые в Scopus и WoS доступны по подписке.
Владимир Писляков в серии постов для канала «Пульс науки» показал, что по сравнению с коммерческими базами, данные в OAlex заметно проигрывает. Часто отсутствуют аннотации — а без них, к примеру, проблематично построить тематические карты в VOSviewer. Встречаются ошибки в аффилиациях (привет, российский MIT) и путаница с отозванными статьями (см. пост в канале НЖБД).
Один из способов оценить качество заполненности метаданных — загрузить их в Biblioshiny. Для работы с приложением нужно установить R и R Studio, написать 3 строчки кода, и вы получите наглядную оценку метаданных: где есть пропуски и какой анализ возможен.
Конечно, проблемы с OpenAlex не ограничиваются только пропусками, и для серьезной работы нужно проверять строки на ошибки.
С ростом популярности OpenAlex все больше исследователей начали разбирать качество ее данных. Ведь платформа предоставляет открытый доступ к метаданным научных статей, которые в Scopus и WoS доступны по подписке.
Владимир Писляков в серии постов для канала «Пульс науки» показал, что по сравнению с коммерческими базами, данные в OAlex заметно проигрывает. Часто отсутствуют аннотации — а без них, к примеру, проблематично построить тематические карты в VOSviewer. Встречаются ошибки в аффилиациях (привет, российский MIT) и путаница с отозванными статьями (см. пост в канале НЖБД).
Один из способов оценить качество заполненности метаданных — загрузить их в Biblioshiny. Для работы с приложением нужно установить R и R Studio, написать 3 строчки кода, и вы получите наглядную оценку метаданных: где есть пропуски и какой анализ возможен.
Конечно, проблемы с OpenAlex не ограничиваются только пропусками, и для серьезной работы нужно проверять строки на ошибки.
Forwarded from Алёна Нефёдова | Социология с любовью
ИИ в статьях: казнить нельзя использовать?
Вчера рецензировала статью в одном из топовых журналов по наукометрии – Journal of Informetrics (повторный раунд, когда авторы прислали свою рукопись после доработки).
Столкнулась с новым для себя вызовом: как написать отказ статье, в которой все относительно стройно, но прямо сердцем чуешь, что что-то не так (как-то все идеально, причесано, но при этом есть явные огрехи, которые авторы не стали исправлять?).
В первый раз отказ было писать тоже нелегко, но аргументов было явно побольше, чем во второй, но остальные два рецензента дали шанс рукописи с условием серьезной доработки (это называется рекомендация «major revisions»).
Что еще существенно осложняло дело: внутренняя лень настоятельно склоняла потратить редкие часы вечернего отдыха не на повторную подробную рецензию, а на более приятные дела – соблазн просто нажать кнопку «принять к публикации» и пойти посмотреть фильм был очень высок. Но в итоге внутренние сомнения взяли вверх.
В общем, я прибегла к помощи детекторов AI. Так как я еще не потратилась на профессиональную версию (а чувствую, что уже пора), пользовалась для проверки пробными версииями GPTZero и Scribbr.
К сожалению, мои сомнения совпали с результатами проверки: текст статьи, по мнению обоих детекторов, был по большей части сгенерирован ИИ.
Для кросс-проверки использовала еще текст статьи про мобильных ученых, который мы с коллегами опубликовали в Scientometrics. Теперь ответственно заявляю, что мы с соавторами не роботы 👻.
Для еще дополнительной проверки проконсультировалась по вопросам методологии с другой коллегой, которая настоящая профи в наукометрии. Совместными усилиями решили, что рукопись все-таки надо отклонить (спасибо ей большое!).
Но вся ирония-то в чем: я сама активно стараюсь интегрировать ИИ в свои исследования (не так много, как хотелось бы, кстати, во многом из-за ограничений на работе на vpn) и в целом я уже оценила преимущества и ограничения этих инструментов (то есть в луддизме обвинять меня не стоит).
Но вот что получается. Сейчас границы не в том, чтобы использовать или не использовать ИИ, а применять его грамотно, с указанием целей, не использовать для фальсификации данных и прочего.
Получается, что сейчас в исследованиях и издательском деле очень сильно не хватает подробного этического кодекса использования ИИ в исследованиях; желательно с «приземлением» конкретных примеров (сейчас это есть, то все очень расплывчато и туманно).
И что вот еще. В случае профессиональной экспертизы граница распознавания человеческого и сгенерированного становится все сложнее распознаваемой и тяжело доказуемой.
Со студентами у нас есть большой запас в разрыве опыта, знаний, начитанности. В конце концов, есть возможность узнать студента поближе в процессе преподавания. С коллегами, у которых видишь только их текст, границы которого выходят немного за рамки твоего опыта, это решение становится во много раз сложнее.
Пока что единственный выход мне видится во множественной экспертизе, поэтому очень хорошо, что рецензентов три. Посмотрим, что они скажут, мне очень интересно будет увидеть результат.
Вчера рецензировала статью в одном из топовых журналов по наукометрии – Journal of Informetrics (повторный раунд, когда авторы прислали свою рукопись после доработки).
Столкнулась с новым для себя вызовом: как написать отказ статье, в которой все относительно стройно, но прямо сердцем чуешь, что что-то не так (как-то все идеально, причесано, но при этом есть явные огрехи, которые авторы не стали исправлять?).
В первый раз отказ было писать тоже нелегко, но аргументов было явно побольше, чем во второй, но остальные два рецензента дали шанс рукописи с условием серьезной доработки (это называется рекомендация «major revisions»).
Что еще существенно осложняло дело: внутренняя лень настоятельно склоняла потратить редкие часы вечернего отдыха не на повторную подробную рецензию, а на более приятные дела – соблазн просто нажать кнопку «принять к публикации» и пойти посмотреть фильм был очень высок. Но в итоге внутренние сомнения взяли вверх.
В общем, я прибегла к помощи детекторов AI. Так как я еще не потратилась на профессиональную версию (а чувствую, что уже пора), пользовалась для проверки пробными версииями GPTZero и Scribbr.
К сожалению, мои сомнения совпали с результатами проверки: текст статьи, по мнению обоих детекторов, был по большей части сгенерирован ИИ.
Для кросс-проверки использовала еще текст статьи про мобильных ученых, который мы с коллегами опубликовали в Scientometrics. Теперь ответственно заявляю, что мы с соавторами не роботы 👻.
Для еще дополнительной проверки проконсультировалась по вопросам методологии с другой коллегой, которая настоящая профи в наукометрии. Совместными усилиями решили, что рукопись все-таки надо отклонить (спасибо ей большое!).
Но вся ирония-то в чем: я сама активно стараюсь интегрировать ИИ в свои исследования (не так много, как хотелось бы, кстати, во многом из-за ограничений на работе на vpn) и в целом я уже оценила преимущества и ограничения этих инструментов (то есть в луддизме обвинять меня не стоит).
Но вот что получается. Сейчас границы не в том, чтобы использовать или не использовать ИИ, а применять его грамотно, с указанием целей, не использовать для фальсификации данных и прочего.
Получается, что сейчас в исследованиях и издательском деле очень сильно не хватает подробного этического кодекса использования ИИ в исследованиях; желательно с «приземлением» конкретных примеров (сейчас это есть, то все очень расплывчато и туманно).
И что вот еще. В случае профессиональной экспертизы граница распознавания человеческого и сгенерированного становится все сложнее распознаваемой и тяжело доказуемой.
Со студентами у нас есть большой запас в разрыве опыта, знаний, начитанности. В конце концов, есть возможность узнать студента поближе в процессе преподавания. С коллегами, у которых видишь только их текст, границы которого выходят немного за рамки твоего опыта, это решение становится во много раз сложнее.
Пока что единственный выход мне видится во множественной экспертизе, поэтому очень хорошо, что рецензентов три. Посмотрим, что они скажут, мне очень интересно будет увидеть результат.
GPTZero
The World's #1 AI Content Detector with over 8 Million Users
✨ Обновились данные Мониторинга эффективности образовательных организаций за 2024 год✨
Мониторинг является самым полным источником открытых данных о российских вузах. Министерство с 2013 года выкладывает показатели каждого университета на сайт, однако, эти данные недоступны для скачивания. В прошлом году мы подготовили данные Мониторинга для широкого пользования, а недавно обновили панель наблюдений, добавив 2024 год. Сейчас панель показателей для каждого университета доступна с 2015 по 2024 годы. Данные выложены в репозиторий и доступны по ссылке.
Подробнее о данных можно прочитать в журнале «Вопросы образования» - в новом номере вышла data-paper "Мониторинг деятельности организаций высшего образования: панель наблюдений за 2015–2023 гг.". В статье Катерины Губы и Руслана Кучакова (ИПП ЕУСПб) представлены данные Мониторинга, а также описаны основные направления использования данных в исследованиях образования, в частности при изучении факторов эффективности российских вузов и построении типологий вузов.
Данные за 2024 годы мы также включили в дашборд с таблицами и графиками. Дашборд предоставляет базовые инструменты для сравнительного анализа показателей эффективности вузов.
Сценарий №1 позволяет для каждого вуза анализировать динамику показателя одним кликом. К примеру, как изменялись баллы ЕГЭ абитуриентов вуза за последние пять лет?
Сценарий №2 позволяет ранжировать все вузы по одному из показателей Мониторинга. К примеру, можно получить список вузов, которые входят в топ-пятьдесят вузов по доле НИОКР. Такие условные рейтинги можно строить за каждый год.
Мониторинг является самым полным источником открытых данных о российских вузах. Министерство с 2013 года выкладывает показатели каждого университета на сайт, однако, эти данные недоступны для скачивания. В прошлом году мы подготовили данные Мониторинга для широкого пользования, а недавно обновили панель наблюдений, добавив 2024 год. Сейчас панель показателей для каждого университета доступна с 2015 по 2024 годы. Данные выложены в репозиторий и доступны по ссылке.
Подробнее о данных можно прочитать в журнале «Вопросы образования» - в новом номере вышла data-paper "Мониторинг деятельности организаций высшего образования: панель наблюдений за 2015–2023 гг.". В статье Катерины Губы и Руслана Кучакова (ИПП ЕУСПб) представлены данные Мониторинга, а также описаны основные направления использования данных в исследованиях образования, в частности при изучении факторов эффективности российских вузов и построении типологий вузов.
Данные за 2024 годы мы также включили в дашборд с таблицами и графиками. Дашборд предоставляет базовые инструменты для сравнительного анализа показателей эффективности вузов.
Сценарий №1 позволяет для каждого вуза анализировать динамику показателя одним кликом. К примеру, как изменялись баллы ЕГЭ абитуриентов вуза за последние пять лет?
Сценарий №2 позволяет ранжировать все вузы по одному из показателей Мониторинга. К примеру, можно получить список вузов, которые входят в топ-пятьдесят вузов по доле НИОКР. Такие условные рейтинги можно строить за каждый год.
🔥4❤1👍1💯1
✨ Решение об участии в академических конференциях далеко не всегда дается легко — особенно когда неясно, какую именно пользу они приносят. С опытом ученые все чаще находят дополнительные причины для посещения конференций. Если аспиранты говорят о том, что конференции помогают пересмотреть стратегию исследования и расширить теоретический контекст, то более опытные исследователи часто едут на конференции ради встреч с коллегами и продвижения своих идей.
Но есть ли от конференций ощутимая научная отдача?
Исследования показывают, что участие в конференции напрямую влияет на видимость и влиятельность работы. Один из показательных примеров — случай конференции Американской ассоциации политических наук в 2012 году, отменённой из-за урагана Айзек. Учёные проследили судьбу статей, которые должны были быть представлены на этом мероприятии и оказалось, что публикации, которые не были представлены, с меньшей вероятностью цитировались в последующие четыре года. Более того, отмена конференции повлияла и на социальные связи учёных, сократив число последующих коллабораций.
Похожие выводы сделали и экономисты, изучавшие упоминания конференций в научных статьях. Оказалось, что участие в конференциях способствует не только росту цитируемости за счёт повышения видимости работы, но и расширяет теоретическую базу исследований, что приносит дополнительные цитирования — академические встречи помогают выйти за пределы узкого горизонта.
Вывод прост: Конференции — это не только просто «пообщаться». Это также инвестиция в качество исследования, связи и будущее цитирования, и даже короткое личное взаимодействие имеет свое влияние на научную работу. А проверить это можно, подав доклад на международную конференцию исследователей высшего образования. Конференция пройдет с 29 по 31 октября в Москве (Вышка). До 18 мая открыт прием заявок с докладами!
P.S. О роли конференций: (1) Campos, R. et al. (2018). Lost in the storm: the academic collaborations that went missing in hurricane ISSAC. The Economic Journal, 128(610); (2) Fernanda, L. & Ben, McQ (2020). The role of conferences on the pathway to academic impact. Journal of Human Resources, 55(1); (3) Gorodnichenko, Y. et al. (2021). Conference presentations and academic publishing. Economic Modelling, 95(1); (4) Wang, W. et al. (2017). From triadic closure to conference closure: the role of academic conferences in promoting scientific collaborations. Scientometrics, 113; (5) Kwok, E. et al. (2018). The collaborative effect of scientific meetings: A study of the international milk genomics consortium. PLoS One, 13(8); (6) Hou, L., & Yang, R. (2025). How do academic gatherings promote knowledge production and dissemination?. Journal of Informetrics, 19(2).
Но есть ли от конференций ощутимая научная отдача?
Исследования показывают, что участие в конференции напрямую влияет на видимость и влиятельность работы. Один из показательных примеров — случай конференции Американской ассоциации политических наук в 2012 году, отменённой из-за урагана Айзек. Учёные проследили судьбу статей, которые должны были быть представлены на этом мероприятии и оказалось, что публикации, которые не были представлены, с меньшей вероятностью цитировались в последующие четыре года. Более того, отмена конференции повлияла и на социальные связи учёных, сократив число последующих коллабораций.
Похожие выводы сделали и экономисты, изучавшие упоминания конференций в научных статьях. Оказалось, что участие в конференциях способствует не только росту цитируемости за счёт повышения видимости работы, но и расширяет теоретическую базу исследований, что приносит дополнительные цитирования — академические встречи помогают выйти за пределы узкого горизонта.
Вывод прост: Конференции — это не только просто «пообщаться». Это также инвестиция в качество исследования, связи и будущее цитирования, и даже короткое личное взаимодействие имеет свое влияние на научную работу. А проверить это можно, подав доклад на международную конференцию исследователей высшего образования. Конференция пройдет с 29 по 31 октября в Москве (Вышка). До 18 мая открыт прием заявок с докладами!
P.S. О роли конференций: (1) Campos, R. et al. (2018). Lost in the storm: the academic collaborations that went missing in hurricane ISSAC. The Economic Journal, 128(610); (2) Fernanda, L. & Ben, McQ (2020). The role of conferences on the pathway to academic impact. Journal of Human Resources, 55(1); (3) Gorodnichenko, Y. et al. (2021). Conference presentations and academic publishing. Economic Modelling, 95(1); (4) Wang, W. et al. (2017). From triadic closure to conference closure: the role of academic conferences in promoting scientific collaborations. Scientometrics, 113; (5) Kwok, E. et al. (2018). The collaborative effect of scientific meetings: A study of the international milk genomics consortium. PLoS One, 13(8); (6) Hou, L., & Yang, R. (2025). How do academic gatherings promote knowledge production and dissemination?. Journal of Informetrics, 19(2).
educonf.hse.ru
XVI Международная конференция исследователей высшего образования (конференция ИВО)
✨ Andrew Gelman* и Megan Higgs в новой статье Interrogating the “cargo cult science” metaphor в Theory & Society (2025) предлагают пересмотреть, как мы говорим о «плохой науке».
Метафора "cargo cult science"давно популярна в академии – мол, учёные строят «взлётные полосы» из p-value и ритуальных гипотез, но самолеты (настоящее знание) не прилетают. Физик Ричард Фейнман ввел термин в 1974 году, сравнив некоторых исследователей с жителями тихоокеанских островов, строивших фиктивные аэродромы в надежде, что самолёты снова привезут товары. Метафора карго-культа обращена к критике исследований, которые следуют внешней форме науки, но без ее духа.
Основная проблема метафоры: термин часто переносит фокус с анализа научных практик на критику личности (например, честности учёных). Они предлагают говорить не о "карго-культе", а о ритуальных практиках – более точном термине, не предполагающем технологическую или культурную отсталость. Метафора отвлекает от анализа социальных и институциональных причин, из-за которых возникают «ритуальные» практики в исследовании. Речь идет о системных условиях, где ритуалы (p-value, шаблонные гипотезы, "наукообразность") заменяют рефлексию. Многие так называемые ритуальные практики возникают не из-за некомпетентности, а из-за давления среды и ограниченного доступа к хорошему обучению.
Вместо навешивания ярлыков авторы предлагают признание сложностей и постепенные улучшения в практике, начиная с понимания целей исследований и природы их ограничений.
*Andrew Gelman, профессор статистики и политологии в Колумбийском университете. Он широко известен как автор популярного блога Statistical Modeling, Causal Inference, and Social Science. Его работы часто направлены на критику формального, но поверхностного использования статистики в социальных и естественных науках.
Метафора "cargo cult science"давно популярна в академии – мол, учёные строят «взлётные полосы» из p-value и ритуальных гипотез, но самолеты (настоящее знание) не прилетают. Физик Ричард Фейнман ввел термин в 1974 году, сравнив некоторых исследователей с жителями тихоокеанских островов, строивших фиктивные аэродромы в надежде, что самолёты снова привезут товары. Метафора карго-культа обращена к критике исследований, которые следуют внешней форме науки, но без ее духа.
Основная проблема метафоры: термин часто переносит фокус с анализа научных практик на критику личности (например, честности учёных). Они предлагают говорить не о "карго-культе", а о ритуальных практиках – более точном термине, не предполагающем технологическую или культурную отсталость. Метафора отвлекает от анализа социальных и институциональных причин, из-за которых возникают «ритуальные» практики в исследовании. Речь идет о системных условиях, где ритуалы (p-value, шаблонные гипотезы, "наукообразность") заменяют рефлексию. Многие так называемые ритуальные практики возникают не из-за некомпетентности, а из-за давления среды и ограниченного доступа к хорошему обучению.
Деревянные наушники и имитация взлётно-посадочных полос не имеют прямой связи (ни в теории, ни на практике) с приземлением самолётов, доставляющих грузы. Тем не менее, они могут выполнять другие функции — например, способствовать установлению социальных связей или служить формой политического высказывания — так же, как и плохие статистические практики не способствуют реальным научным открытиям, но позволяют их приверженцам получать гранты, публиковаться и продвигаться по академической лестнице. Люди следуют этим практикам, не понимая их фундаментальных принципов или предпосылок, либо под влиянием социального давления, либо потому что верят, что «это работает», не имея при этом ясного представления, что именно означает «работает».
Вместо навешивания ярлыков авторы предлагают признание сложностей и постепенные улучшения в практике, начиная с понимания целей исследований и природы их ограничений.
*Andrew Gelman, профессор статистики и политологии в Колумбийском университете. Он широко известен как автор популярного блога Statistical Modeling, Causal Inference, and Social Science. Его работы часто направлены на критику формального, но поверхностного использования статистики в социальных и естественных науках.
👍9❤2
✨ Как создать плохой исследовательский центр?
Дэвид Паттерсон, легендарный профессор из UC Berkeley, делится восемью "плохими заповедями" для создания исследовательского центра.
❌ Заповедь 1: Не смешивайте дисциплины. Чем уже специализация — тем лучше. Ведь понимание учеными друг друга из разных областей требует время, которое лучше потратить на сами исследования.
❌ Заповедь 2: Расширяйтесь. Чем больше университетов и исследователей — тем больше такой центр внушает уважения.
❌ Заповедь 3: Не ограничивайте продолжительность работы центра. Пусть проекты длятся десятилетия.
❌ Заповедь 4: Не делайте общих проектов в центре. Пусть каждый исследователь работает над своим проектом.
❌ Заповедь 5: Изолируйтесь. Границы – залог того, что исследователи будут меньше отвлекаться от своих проектов.
❌ Заповедь 6: Не общайтесь с “чужаками”. Вполне достаточно и внутренней экспертизы.
❌ Заповедь 7: Принимайте решения только консенсусом. Рассматривайте всех исследователей как равных друг другу.
❌ Заповедь 8: Публикуйтесь или проиграете! Больше статей — выше рейтинг.
Залог хорошего центра в обратном: ✅ Создавайте мультидисциплинарные команды ✅ Ограничивайте сроки проектов ✅ Делайте коллективные проекты ✅ Слушайте внешнюю критику ✅ Доверьте лидеру ключевые решения ✅ Думайте о реальном вкладе.
Эти рекомендации основаны на его многолетнем опыте создания успешных исследовательских центров и что интересно, они применимы не только к техническим, но и к гуманитарным и социальным наукам.
Дэвид Паттерсон, легендарный профессор из UC Berkeley, делится восемью "плохими заповедями" для создания исследовательского центра.
❌ Заповедь 1: Не смешивайте дисциплины. Чем уже специализация — тем лучше. Ведь понимание учеными друг друга из разных областей требует время, которое лучше потратить на сами исследования.
❌ Заповедь 2: Расширяйтесь. Чем больше университетов и исследователей — тем больше такой центр внушает уважения.
❌ Заповедь 3: Не ограничивайте продолжительность работы центра. Пусть проекты длятся десятилетия.
❌ Заповедь 4: Не делайте общих проектов в центре. Пусть каждый исследователь работает над своим проектом.
❌ Заповедь 5: Изолируйтесь. Границы – залог того, что исследователи будут меньше отвлекаться от своих проектов.
❌ Заповедь 6: Не общайтесь с “чужаками”. Вполне достаточно и внутренней экспертизы.
❌ Заповедь 7: Принимайте решения только консенсусом. Рассматривайте всех исследователей как равных друг другу.
❌ Заповедь 8: Публикуйтесь или проиграете! Больше статей — выше рейтинг.
Залог хорошего центра в обратном: ✅ Создавайте мультидисциплинарные команды ✅ Ограничивайте сроки проектов ✅ Делайте коллективные проекты ✅ Слушайте внешнюю критику ✅ Доверьте лидеру ключевые решения ✅ Думайте о реальном вкладе.
Эти рекомендации основаны на его многолетнем опыте создания успешных исследовательских центров и что интересно, они применимы не только к техническим, но и к гуманитарным и социальным наукам.
🔥19👍4👎1💯1
Представьте библиотекаря, вооруженного цифровыми инструментами, способного автоматизировать обзоры литературы в любой области знаний. Он сокращает идеи тысяч статей до емких мемов и с помощью сетевого анализа наглядно выявляет тенденции в развивающихся направлениях исследований.
Но что, если бы этот библиотекарь пошел дальше? Использовал бы тонкости статистики, погружаясь в облако данных, применяя новейшие методы текстового анализа и дата-майнинга? Что, если бы он смог удовлетворить даже самых требовательных исследователей и сформулировать по-настоящему инновационный научный вопрос?
Десять лет назад это был прогноз о будущем профессии библиотекаря. Прогноз оказался верен — за исключением того, что теперь этим занимается не человек, а ИИ-инструменты. Но как и в любой революции, есть обратная сторона. В недавней статье в PLOS Biology исследуется рост однотипных научных публикаций (formulaic papers), основанных на данных Национального обследования здоровья и питания США (NHANES).
Авторы показывают: доступ к этим данным стал проще, но простота привела к всплеску шаблонных исследований. Многие такие статьи используют упрощенные методы анализа, рассматривая влияние отдельных факторов на здоровье без учета сложных взаимосвязей. Это может приводить к ложным выводам и подрывать доверие к научным исследованиям. Проблема усугубляется тем, что данные могут использоваться «фабриками статей» для массового производства низкокачественных публикаций.
Шаблонные статьи являются и заметной проблемой для наукометрии, ведь интерфейсы дают простые возможности для получения графиков и таблиц. Мы видим сотни статей в виде наукометрического анализа научной области и далеко не все они стоили того, чтобы появится в журнале. Однако исследовать шаблонность таких текстов — это вызов, ведь сложно количественно оценить примитивность анализа без внимательного прочтения всей статьи. Мы думаем над этой задачей и поделимся результатами.
Но что, если бы этот библиотекарь пошел дальше? Использовал бы тонкости статистики, погружаясь в облако данных, применяя новейшие методы текстового анализа и дата-майнинга? Что, если бы он смог удовлетворить даже самых требовательных исследователей и сформулировать по-настоящему инновационный научный вопрос?
Десять лет назад это был прогноз о будущем профессии библиотекаря. Прогноз оказался верен — за исключением того, что теперь этим занимается не человек, а ИИ-инструменты. Но как и в любой революции, есть обратная сторона. В недавней статье в PLOS Biology исследуется рост однотипных научных публикаций (formulaic papers), основанных на данных Национального обследования здоровья и питания США (NHANES).
Авторы показывают: доступ к этим данным стал проще, но простота привела к всплеску шаблонных исследований. Многие такие статьи используют упрощенные методы анализа, рассматривая влияние отдельных факторов на здоровье без учета сложных взаимосвязей. Это может приводить к ложным выводам и подрывать доверие к научным исследованиям. Проблема усугубляется тем, что данные могут использоваться «фабриками статей» для массового производства низкокачественных публикаций.
Шаблонные статьи являются и заметной проблемой для наукометрии, ведь интерфейсы дают простые возможности для получения графиков и таблиц. Мы видим сотни статей в виде наукометрического анализа научной области и далеко не все они стоили того, чтобы появится в журнале. Однако исследовать шаблонность таких текстов — это вызов, ведь сложно количественно оценить примитивность анализа без внимательного прочтения всей статьи. Мы думаем над этой задачей и поделимся результатами.
👍12❤4👏2
✨Сколько зарабатывают ректоры и преподаватели в российских университетах?
Исследователи ЦИАНО собрали и визуализировали данные о зарплатах в российских вузах за 2018–2024 годы.
Посмотреть интерактивный дашборд можно здесь: 👉 Зарплаты в российских университетах. Мы также выложили данные в открытый доступ.
Дашборд позволяет увидеть:
📌 Как меняются зарплаты ректоров, проректоров и преподавателей (ППС) по годам
📌 Насколько заметно зарплата ректора превышает среднюю зарплату по региону
📌 Каков реальный разрыв между доходами руководства и профессорско-преподавательского состава
📌 Какие вузы платят больше и где зарплата ректора превышает миллион рублей
💡 Что видно по данным за 2024 год:
• Ректор в среднем получает (медианные зарплаты): 496 тыс. рублей в месяц, проректор — 304 тыс. рублей в месяц, преподаватели (ППС) — 104 тыс. рублей в месяц.
• Средняя зарплата ректора в 7 раз выше средней зарплаты по стране
• Средняя зарплата ППС составляет 26,7% от средней зарплаты ректоров/проректоров. В рублях средний разрыв в доходах между руководством вуза и ППС – почти 363 тыс. руб. в месяц.
Исследование на этих данных было опубликовано Дарьей Геращенко (ЦИАНО) “Understanding the salary gap between academic faculty and top administrators: a New Public Management perspective” в Oxford Review of Education. Результаты показали, что разрыв в зарплатах более выражен в исследовательских университетах.
Исследователи ЦИАНО собрали и визуализировали данные о зарплатах в российских вузах за 2018–2024 годы.
Посмотреть интерактивный дашборд можно здесь: 👉 Зарплаты в российских университетах. Мы также выложили данные в открытый доступ.
Дашборд позволяет увидеть:
📌 Как меняются зарплаты ректоров, проректоров и преподавателей (ППС) по годам
📌 Насколько заметно зарплата ректора превышает среднюю зарплату по региону
📌 Каков реальный разрыв между доходами руководства и профессорско-преподавательского состава
📌 Какие вузы платят больше и где зарплата ректора превышает миллион рублей
💡 Что видно по данным за 2024 год:
• Ректор в среднем получает (медианные зарплаты): 496 тыс. рублей в месяц, проректор — 304 тыс. рублей в месяц, преподаватели (ППС) — 104 тыс. рублей в месяц.
• Средняя зарплата ректора в 7 раз выше средней зарплаты по стране
• Средняя зарплата ППС составляет 26,7% от средней зарплаты ректоров/проректоров. В рублях средний разрыв в доходах между руководством вуза и ППС – почти 363 тыс. руб. в месяц.
Исследование на этих данных было опубликовано Дарьей Геращенко (ЦИАНО) “Understanding the salary gap between academic faculty and top administrators: a New Public Management perspective” в Oxford Review of Education. Результаты показали, что разрыв в зарплатах более выражен в исследовательских университетах.
👏18❤6😱6🔥3👍1
Хотите узнать о самых новых исследованиях науки и новинках наукометрии?
📄Вышел сборник материалов 20-й Международной конференции по наукометрии и информетрии (ISSI 2025) — крупнейшего мирового форума по изучению научной деятельности и её измерению. Большая удача, что в этом году конференция проходит в Ереване, и в ней смогли поучаствовать исследователи из России, в том числе и ЦИАНО.
Даже не присутствуя на конференции, можно получить очень хорошее представление о том, чем сейчас занимаются исследователи. Если вы хотите быть в курсе того, куда движется наукометрия сегодня — этот сборник обязателен к прочтению.
🔗 Читайте сборник здесь: https://issi2025.iiap.sci.am/proceedings/
История ISSI началась в 1987 году с первой конференции в Бельгии, организованной Лео Эгге и Рональдом Руссо. Тогда никто не знал, хватит ли интереса для целой серии встреч. Но интерес оказался огромным — уже к 1993 году была создана Международная ассоциация ISSI, а конференция стала регулярным событием мирового масштаба. Сегодня ISSI — главное место встречи ведущих ученых, аналитиков и практиков наукометрии.
📄Вышел сборник материалов 20-й Международной конференции по наукометрии и информетрии (ISSI 2025) — крупнейшего мирового форума по изучению научной деятельности и её измерению. Большая удача, что в этом году конференция проходит в Ереване, и в ней смогли поучаствовать исследователи из России, в том числе и ЦИАНО.
Даже не присутствуя на конференции, можно получить очень хорошее представление о том, чем сейчас занимаются исследователи. Если вы хотите быть в курсе того, куда движется наукометрия сегодня — этот сборник обязателен к прочтению.
🔗 Читайте сборник здесь: https://issi2025.iiap.sci.am/proceedings/
История ISSI началась в 1987 году с первой конференции в Бельгии, организованной Лео Эгге и Рональдом Руссо. Тогда никто не знал, хватит ли интереса для целой серии встреч. Но интерес оказался огромным — уже к 1993 году была создана Международная ассоциация ISSI, а конференция стала регулярным событием мирового масштаба. Сегодня ISSI — главное место встречи ведущих ученых, аналитиков и практиков наукометрии.
❤13🔥3
В июне мы завершили воркшоп «Наукометрия для учёных: систематический обзор с нуля» (при поддержке фонда Потанина).
✨Было очень интенсивно: 100+ заявок, онлайн-лекции, консультации, очный финал — и десятки участников, которые начали работу над собственными обзорами.
📌 А теперь — полезности: мы собрали в одном месте ссылки на материалы воркшопа, включая фрагменты видео с лекций и подборку примеров систематических обзоров в социальных науках.
Лето — идеальное время, чтобы спокойно погрузиться и освоить новое. Ссылки тут 👉
• Виды литературных обзоров
• Адаптация систематического обзора для социальных наук
• Основные этапы обзора
• Поиск и отбор научных статей для обзора
• Этика научных публикаций
#фондапотанина
#профессиональноеразвитие
Мы уже думаем о продолжении. А пока — хорошего продуктивного отдыха!
✨Было очень интенсивно: 100+ заявок, онлайн-лекции, консультации, очный финал — и десятки участников, которые начали работу над собственными обзорами.
📌 А теперь — полезности: мы собрали в одном месте ссылки на материалы воркшопа, включая фрагменты видео с лекций и подборку примеров систематических обзоров в социальных науках.
Лето — идеальное время, чтобы спокойно погрузиться и освоить новое. Ссылки тут 👉
• Виды литературных обзоров
• Адаптация систематического обзора для социальных наук
• Основные этапы обзора
• Поиск и отбор научных статей для обзора
• Этика научных публикаций
#фондапотанина
#профессиональноеразвитие
Мы уже думаем о продолжении. А пока — хорошего продуктивного отдыха!
🔥26❤1👍1👏1
Forwarded from Алексей Хохлов
Институт статистических исследований и экономики знаний ВШЭ обновил статистические данные о состоянии аспирантуры в России по итогам 2024 года:
https://www.vedomosti.ru/society/articles/2025/07/02/1121460-dolya-muzhchin-sredi-aspirantov-v-rossii
Привожу ниже основные цифры из публикации в газете «Ведомости»:
В 2024 г. почти 73% аспирантов в российских университетах были мужчинами. Для сравнения: 10 лет назад, в 2015 г., мужчин среди аспирантов было чуть больше половины (52%).
Всего по результатам 2024 г. в российских вузах училось почти 126 000 аспирантов. Их количество за шесть лет увеличилось на треть (33%) с 84 300 в 2019 г. Резкий прирост приема в аспирантуру произошел в 2022 г. Если в 2021 г. в вузы зачислили около 28 000 человек, то на следующий год – свыше 45 100, т. е. на 38% больше.
Наряду с этим растет средний возраст аспирантов в целом. Если в 2015 г. треть из них (33%) были моложе 25 лет, то в 2024 г. каждый третий (33%) оказался старше 29 лет.
В 2024 г. почти половина (48%) поступивших в аспирантуру выбрали для изучения гуманитарные и социальные науки. Всего в прошлом году на программы аспирантуры пришло 35 700 человек. Среди специальностей лидируют «региональная и отраслевая экономика» (более 3000 человек) и «менеджмент» (свыше 1700). Почти половина поступивших (48%) обучаются по договорам об оказании платных образовательных услуг. Наибольшая концентрация платников среди всех специальностей на «менеджменте» (почти 93% от поступивших).
На основе этих сухих цифр читатели могут самостоятельно сделать свои выводы. Не бином Ньютона. Ждем феерического взлета научных исследований по экономике и менеджменту.
https://www.vedomosti.ru/society/articles/2025/07/02/1121460-dolya-muzhchin-sredi-aspirantov-v-rossii
Привожу ниже основные цифры из публикации в газете «Ведомости»:
В 2024 г. почти 73% аспирантов в российских университетах были мужчинами. Для сравнения: 10 лет назад, в 2015 г., мужчин среди аспирантов было чуть больше половины (52%).
Всего по результатам 2024 г. в российских вузах училось почти 126 000 аспирантов. Их количество за шесть лет увеличилось на треть (33%) с 84 300 в 2019 г. Резкий прирост приема в аспирантуру произошел в 2022 г. Если в 2021 г. в вузы зачислили около 28 000 человек, то на следующий год – свыше 45 100, т. е. на 38% больше.
Наряду с этим растет средний возраст аспирантов в целом. Если в 2015 г. треть из них (33%) были моложе 25 лет, то в 2024 г. каждый третий (33%) оказался старше 29 лет.
В 2024 г. почти половина (48%) поступивших в аспирантуру выбрали для изучения гуманитарные и социальные науки. Всего в прошлом году на программы аспирантуры пришло 35 700 человек. Среди специальностей лидируют «региональная и отраслевая экономика» (более 3000 человек) и «менеджмент» (свыше 1700). Почти половина поступивших (48%) обучаются по договорам об оказании платных образовательных услуг. Наибольшая концентрация платников среди всех специальностей на «менеджменте» (почти 93% от поступивших).
На основе этих сухих цифр читатели могут самостоятельно сделать свои выводы. Не бином Ньютона. Ждем феерического взлета научных исследований по экономике и менеджменту.
Ведомости
Доля мужчин среди аспирантов в России превысила 70%
За последние шесть лет резкий прирост общего приема в аспирантуру произошел в год начала спецоперации
🔥14❤2
✨ В июне на конференции по наукометрии ISSI 2025 в Ереване побывали представители ЦИАНО — Алексей Железнов и Анжелика Цивинская. По возвращении мы расспросили их о самых ярких впечатлениях. Делимся наблюдениями Анжелики.
Заметный фокус конференции — искусственный интеллект, и особенно — влияние LLM-моделей на академическое письмо. Запомнилось сразу несколько выступлений на эту тему.
В докладе Kayvan Koucha и Mike Thelwall “How Much are LLMs Changing the Language of Academic Papers?” (ищите доклад в Vol.1) обсуждалось, как изменяется язык публикаций под влиянием ИИ. Исследователи анализировали распространённость 12 терминов, характерных для текстов, сгенерированных LLM. Некоторые из них точно можно взять на заметку и не использовать слишком часто.
underscore OR underscores OR underscored OR underscoring
delve OR delves OR delved OR delving
showcasing OR showcase OR showcased OR showcases
unveil OR unveils OR unveiled OR unveiling
intricate OR intricacies OR intricately
meticulous OR meticulously
pivotal
heighten OR heightened OR heightens OR heightening
nuanced OR nuance OR nuances
bolster OR bolstering OR bolsters OR bolstered
foster OR fostering OR fosters OR fostered
interplay OR interplays OR interplayed OR interplaying
Отдельное внимание уделялось феномену tortured phrases — «замученных фраз», возникающих из-за неуклюжего автоматического перефразирования научных терминов. Они служат маркером сгенерированных текстов и используются в проектах по выявлению сомнительных публикаций, например, Problematic Paper Screener.
В рамках этого направления был представлен расширенный список из 42 таких фраз для гуманитарных и социальных наук (см. доклад “Unveiling Tortured Phrases in Humanities and Social Sciences”, Vol.2). Вот некоторые примеры:
— geological locale вместо geographical locations
— populaces вместо populations
— money-related quality вместо financial status
— sociology looks into вместо sociology research
— hard and soft casting a ballot вместо hard and soft voting
Эти исследования показывают, как можно находить «следы» ИИ в академических текстах. Но возникает более глубокий вопрос: как LLM изменит саму природу академического языка? Обогатится ли он или, наоборот, упростится? Будут ли тексты формально оригинальны, но по сути — пустыми?
О перспективах изучения текстовых метрик оригинальности рассказывал доклад J. Culbert и соавт. “Originality in Scientific Titles and Abstracts Can Predict Citation Count” (Vol.2). Авторы показали, как текстовые метрики можно использовать для предсказания цитируемости — и это может стать важным направлением будущих исследований.
Мы можем только ожидать, что исследований научных текстов станет еще больше, как для прикладных целей – детекции ИИ, так и для понимания фундаментальных вопросов производства научного знания.
Напоминаем ссылку на сайт, где лежат все доклады конференции.
Заметный фокус конференции — искусственный интеллект, и особенно — влияние LLM-моделей на академическое письмо. Запомнилось сразу несколько выступлений на эту тему.
В докладе Kayvan Koucha и Mike Thelwall “How Much are LLMs Changing the Language of Academic Papers?” (ищите доклад в Vol.1) обсуждалось, как изменяется язык публикаций под влиянием ИИ. Исследователи анализировали распространённость 12 терминов, характерных для текстов, сгенерированных LLM. Некоторые из них точно можно взять на заметку и не использовать слишком часто.
underscore OR underscores OR underscored OR underscoring
delve OR delves OR delved OR delving
showcasing OR showcase OR showcased OR showcases
unveil OR unveils OR unveiled OR unveiling
intricate OR intricacies OR intricately
meticulous OR meticulously
pivotal
heighten OR heightened OR heightens OR heightening
nuanced OR nuance OR nuances
bolster OR bolstering OR bolsters OR bolstered
foster OR fostering OR fosters OR fostered
interplay OR interplays OR interplayed OR interplaying
Отдельное внимание уделялось феномену tortured phrases — «замученных фраз», возникающих из-за неуклюжего автоматического перефразирования научных терминов. Они служат маркером сгенерированных текстов и используются в проектах по выявлению сомнительных публикаций, например, Problematic Paper Screener.
В рамках этого направления был представлен расширенный список из 42 таких фраз для гуманитарных и социальных наук (см. доклад “Unveiling Tortured Phrases in Humanities and Social Sciences”, Vol.2). Вот некоторые примеры:
— geological locale вместо geographical locations
— populaces вместо populations
— money-related quality вместо financial status
— sociology looks into вместо sociology research
— hard and soft casting a ballot вместо hard and soft voting
Эти исследования показывают, как можно находить «следы» ИИ в академических текстах. Но возникает более глубокий вопрос: как LLM изменит саму природу академического языка? Обогатится ли он или, наоборот, упростится? Будут ли тексты формально оригинальны, но по сути — пустыми?
О перспективах изучения текстовых метрик оригинальности рассказывал доклад J. Culbert и соавт. “Originality in Scientific Titles and Abstracts Can Predict Citation Count” (Vol.2). Авторы показали, как текстовые метрики можно использовать для предсказания цитируемости — и это может стать важным направлением будущих исследований.
Мы можем только ожидать, что исследований научных текстов станет еще больше, как для прикладных целей – детекции ИИ, так и для понимания фундаментальных вопросов производства научного знания.
Напоминаем ссылку на сайт, где лежат все доклады конференции.
👍8❤5🔥1👏1
Forwarded from Выше квартилей
Сложно о сложном: как ChatGPT влияет на научные тексты
С момента выхода ChatGPT в ноябре 2022 года, обсуждение его влияния на академическую среду и научные тексты не прекращается (в частности, мы регулярно затрагиваем эту тему в дайджестах). Для одних тексты, созданные с помощью GPT, кажутся «бездушными» и «поверхностными», для других же — это «великий уравнитель», позволяющий авторам описать свои идеи максимально ясно, независимо от их стиля или писательских навыков.
Недавно в Journal of Informetrics вышла статья, автор которой измерил «читабельность» научных аннотаций до появления ChatGPT и после. В основу исследования легла гипотеза о том, что растущая популярность доступных инструментов генеративного ИИ поспособствовала значительному «утяжелению» (усложнению) научных текстов.
Автор опирался на набор метаданных статей, опубликованных на площадке препринтов arXiv.org в период с 2010 года по 7 июня 2024 года (аннотации, категории, список версий публикации и т.д.). В выборку были включены статьи, относящиеся к следующим категориям (в порядке убывания по представленности): компьютерные науки, физика, математика, электротехника и другие области.
Для оценки текстов на примере аннотаций были использованы 4 различные метрики, основанные на подсчете символов, слогов, слов и предложений: автоматический индекс читаемости (Automated Readability Index), индекс Колмана-Лиау (Coleman–Liau index), индекс удобочитаемости Флеша (Flesch Reading Ease) и шкала Флеша-Кинкейда (Flesch–Kincaid Grade Level).
Исследование показало, что по всем четырём метрикам аннотации становились всё сложнее с 2010 по 2024 год, при этом особенно резкий рост наблюдался между 2022 и 2023 годами, а также между 2023 и 2024 годами.
Так, статьи, в которые вносились изменения после 2022 года, оказались более трудными для восприятия. К тому же использование слов вроде pivotal или showcasing, популярность которых возросла после выхода ChatGPT, также коррелировало с повышением сложности текстов. Скользящее стандартное отклонение показало, что наибольшая изменчивость показателей пришлась на периоды 2021–2023 и 2022–2024 гг. Кроме того, все восемь предметных категорий продемонстрировали рост сложности текстов, причём самые высокие значения были зафиксированы в 2024 году.
Эти результаты поднимают важные вопросы. Хотя LLM помогают многим авторам совершенствовать формулировки, возрастающая «отчуждённость» научных текстов может затруднять их восприятие широкой академической аудиторией и, соответственно, отталкивать. При этом не все исследователи имеют равный доступ к таким инструментам или возможности эффективно их использовать, что может поставить их в менее выгодное положение при публикации.
P.S. Пока научные тексты становятся всё более сложными, GPT всё ещё путается при генерации азбуки. Кажется, усложнить аннотацию легко, а вот воспроизвести кириллический алфавит без сюрпризов — задача более амбициозная. Мы же, в свою очередь, сгенерировали «алфавит наукометрии» — результаты ниже.
#ChatGPT #ии #иивнауке #читабельностьтекста #азбукаGPT
С момента выхода ChatGPT в ноябре 2022 года, обсуждение его влияния на академическую среду и научные тексты не прекращается (в частности, мы регулярно затрагиваем эту тему в дайджестах). Для одних тексты, созданные с помощью GPT, кажутся «бездушными» и «поверхностными», для других же — это «великий уравнитель», позволяющий авторам описать свои идеи максимально ясно, независимо от их стиля или писательских навыков.
Недавно в Journal of Informetrics вышла статья, автор которой измерил «читабельность» научных аннотаций до появления ChatGPT и после. В основу исследования легла гипотеза о том, что растущая популярность доступных инструментов генеративного ИИ поспособствовала значительному «утяжелению» (усложнению) научных текстов.
Автор опирался на набор метаданных статей, опубликованных на площадке препринтов arXiv.org в период с 2010 года по 7 июня 2024 года (аннотации, категории, список версий публикации и т.д.). В выборку были включены статьи, относящиеся к следующим категориям (в порядке убывания по представленности): компьютерные науки, физика, математика, электротехника и другие области.
Для оценки текстов на примере аннотаций были использованы 4 различные метрики, основанные на подсчете символов, слогов, слов и предложений: автоматический индекс читаемости (Automated Readability Index), индекс Колмана-Лиау (Coleman–Liau index), индекс удобочитаемости Флеша (Flesch Reading Ease) и шкала Флеша-Кинкейда (Flesch–Kincaid Grade Level).
Исследование показало, что по всем четырём метрикам аннотации становились всё сложнее с 2010 по 2024 год, при этом особенно резкий рост наблюдался между 2022 и 2023 годами, а также между 2023 и 2024 годами.
Так, статьи, в которые вносились изменения после 2022 года, оказались более трудными для восприятия. К тому же использование слов вроде pivotal или showcasing, популярность которых возросла после выхода ChatGPT, также коррелировало с повышением сложности текстов. Скользящее стандартное отклонение показало, что наибольшая изменчивость показателей пришлась на периоды 2021–2023 и 2022–2024 гг. Кроме того, все восемь предметных категорий продемонстрировали рост сложности текстов, причём самые высокие значения были зафиксированы в 2024 году.
Эти результаты поднимают важные вопросы. Хотя LLM помогают многим авторам совершенствовать формулировки, возрастающая «отчуждённость» научных текстов может затруднять их восприятие широкой академической аудиторией и, соответственно, отталкивать. При этом не все исследователи имеют равный доступ к таким инструментам или возможности эффективно их использовать, что может поставить их в менее выгодное положение при публикации.
P.S. Пока научные тексты становятся всё более сложными, GPT всё ещё путается при генерации азбуки. Кажется, усложнить аннотацию легко, а вот воспроизвести кириллический алфавит без сюрпризов — задача более амбициозная. Мы же, в свою очередь, сгенерировали «алфавит наукометрии» — результаты ниже.
#ChatGPT #ии #иивнауке #читабельностьтекста #азбукаGPT
🔥7
Юрий Чехович написал о своем уходе из компании Антиплагиат и анонсировал свой канал про AI в науке и в образовании - Сhekhovich.AI. В канале планируется освещать вопросы:
Юрий Чехович – это особый пример, как можно совмещать высокую управленческую должность и научные исследования. В 2022 году вышла его статья в авторитетном Journal of Informetrics про дублирующие публикации в российских журналах. Авторы тогда выложили данные в открытый доступ. На этих данных можно проводить собственный анализ разновидностей академической нечестности – ресайклинга текста, плагиата, скриптерства и покупного соавторства. Тем более, что в данных присутствует самый интересный период российской академии, на который приходится рассвет публикационного давления.
- искусственного интеллекта и машинного обучения,
- систем и алгоритмов поиска плагиата,
- использования академических ИИ-сервисов,
- трансформации процессов в науке и образовании под влиянием новых технологий.
Основное внимание я уделю практическим аспектам, с которыми сталкиваются студенты, ученые, редакторы — все, кто работает с ИИ или взаимодействует с его результатами.
Юрий Чехович – это особый пример, как можно совмещать высокую управленческую должность и научные исследования. В 2022 году вышла его статья в авторитетном Journal of Informetrics про дублирующие публикации в российских журналах. Авторы тогда выложили данные в открытый доступ. На этих данных можно проводить собственный анализ разновидностей академической нечестности – ресайклинга текста, плагиата, скриптерства и покупного соавторства. Тем более, что в данных присутствует самый интересный период российской академии, на который приходится рассвет публикационного давления.
👍8🔥4❤1
Еще одно исследование в копилку — : как генеративный ИИ влияет на формулировки в заголовках академических публикаций. Все началось с подозрений: почему вдруг так часто стали встречаться одни и те же глаголы в названиях?
Авторы взяли 15 глаголов (navigating, unleashing, deciphering и др.) и посмотрели, как часто они появляются в заголовках статей в SCOPUS с 2015 по 2024 годы. Выяснилось:
— Особенно выросло их использование в обзорах
— Гуманитарные и социальные науки пока затронуты меньше
— Рост идет в основном от авторов из стран, где английский не родной язык
Для автора шаблонный заголовок несет риски: вроде бы хороший заголовок, но, если в нем угадывается ИИ — рецензенты и читатели могут заподозрить, что весь текст написан не вами. Да, редактировать с помощью ИИ — уже почти норма, журналы даже не просят это указывать. Но если стиль или структура вызывают сомнения, это может повлиять на восприятие всей статьи. Берем на заметку и вычеркиваемnavigating из заголовка статьи!
Авторы взяли 15 глаголов (navigating, unleashing, deciphering и др.) и посмотрели, как часто они появляются в заголовках статей в SCOPUS с 2015 по 2024 годы. Выяснилось:
— Особенно выросло их использование в обзорах
— Гуманитарные и социальные науки пока затронуты меньше
— Рост идет в основном от авторов из стран, где английский не родной язык
Для автора шаблонный заголовок несет риски: вроде бы хороший заголовок, но, если в нем угадывается ИИ — рецензенты и читатели могут заподозрить, что весь текст написан не вами. Да, редактировать с помощью ИИ — уже почти норма, журналы даже не просят это указывать. Но если стиль или структура вызывают сомнения, это может повлиять на восприятие всей статьи. Берем на заметку и вычеркиваем
🔥17👍3
✨ Легко ли быть молодым? (автором)
Есть ли в России приличные научные журналы, куда легко попасть молодому автору? А в каких журналах шансов у начинающих ученых почти нет?
📊 Научная Электронная Библиотека elibrary.ru
публикует данные, которые могут помочь с ответом — средний возраст авторов для каждого журнала, индексируемого в РИНЦ.
⚠️ У этих данных есть ограничения.
Например, в расчёте среднего возраста учитываются только те авторы, у которых есть персональный профиль на elibrary.ru.
Но даже с такими оговорками, данные о «возрастном профиле» журналов открывают интересные возможности для анализа!
Как правило, издательства (не только российские, но и зарубежные) не публикуют такую информацию — у них ее и нет. Для российских журналов она стала доступна благодаря интеграции журнальных и авторских профилей на одной платформе.
🔍 Наш предварительный анализ для нескольких областей науки показывает:
📌 в социогуманитарных областях у большинства журналов средний возраст авторов — между 45 и 51 годами
📌 в естественных и точных науках — между 48 и 52 годами
При этом в каждой области науки можно встретить необычно «молодые» и необычно «зрелые» журналы по среднему возрасту авторов.
В ядро РИНЦ такие необычные журналы, как правило, не попадают.
А вот полистать «Метафизику» (средний возраст авторов 69 лет) или «Ректора ВУЗа» (85 лет), и сравнить их с «Барометром экономики, управления и права» (28 лет) — интересно!
Впрочем, надо помнить, что экстремальные значения для отдельных журналов могут объясняться расчётом по неполным данным.
📌 Для 9 областей науки из 11 журналы ядра РИНЦ в среднем «старше» по возрасту авторов, чем все журналы из этой области.
Но есть и исключения — медицина и политическая наука — в них журналы из ядра, наоборот, более «молодые».
🔍 Изучайте свои любимые журналы на elibrary.ru, и оценивайте свои шансы!
Есть ли в России приличные научные журналы, куда легко попасть молодому автору? А в каких журналах шансов у начинающих ученых почти нет?
📊 Научная Электронная Библиотека elibrary.ru
публикует данные, которые могут помочь с ответом — средний возраст авторов для каждого журнала, индексируемого в РИНЦ.
⚠️ У этих данных есть ограничения.
Например, в расчёте среднего возраста учитываются только те авторы, у которых есть персональный профиль на elibrary.ru.
Но даже с такими оговорками, данные о «возрастном профиле» журналов открывают интересные возможности для анализа!
Как правило, издательства (не только российские, но и зарубежные) не публикуют такую информацию — у них ее и нет. Для российских журналов она стала доступна благодаря интеграции журнальных и авторских профилей на одной платформе.
🔍 Наш предварительный анализ для нескольких областей науки показывает:
📌 в социогуманитарных областях у большинства журналов средний возраст авторов — между 45 и 51 годами
📌 в естественных и точных науках — между 48 и 52 годами
При этом в каждой области науки можно встретить необычно «молодые» и необычно «зрелые» журналы по среднему возрасту авторов.
В ядро РИНЦ такие необычные журналы, как правило, не попадают.
А вот полистать «Метафизику» (средний возраст авторов 69 лет) или «Ректора ВУЗа» (85 лет), и сравнить их с «Барометром экономики, управления и права» (28 лет) — интересно!
Впрочем, надо помнить, что экстремальные значения для отдельных журналов могут объясняться расчётом по неполным данным.
📌 Для 9 областей науки из 11 журналы ядра РИНЦ в среднем «старше» по возрасту авторов, чем все журналы из этой области.
Но есть и исключения — медицина и политическая наука — в них журналы из ядра, наоборот, более «молодые».
🔍 Изучайте свои любимые журналы на elibrary.ru, и оценивайте свои шансы!
🔥13❤6
✨ Неожиданные лидеры в нестандартном рейтинге
Наш дашборд Мониторинг вузов позволяет проверить конкурентные преимущества университетов по отдельным показателям или различным нишам.
Например, МГУ, НИУ ВШЭ и МФТИ высоко котируются у продвинутых абитуриентов бакалавриата, и являются самыми обеспеченными университетами по доходам. Но какие вузы возглавят рейтинг, если ранжировать их по доходам университета в расчёте на одного студента?
Оказалось, что рейтинг неожиданный! МФТИ находится в рейтинге только на 21 месте, ВШЭ и другие университеты программы 5/100 - ещё ниже, МГУ же и вовсе 50-й.
В числе 20 вузов-лидеров лишь два национальных исследовательских университета (МИЭТ и Алфёровский университет), а преимущественно в топе расположились небольшие вузы, включая негосударственные, художественные и религиозные.
Большинство лидеров списка известны стремлением к высокому качеству в своих областях. Их портфель программ более узкий, чем у классических и политехнических гигантов. Ряд из них находится далеко от столицы.
Что вообще характеризует показатель "доходы вуза в расчете на студента"? В общем смысле - среду, в которой учится студент, а на какие элементы этой среды вуз тратит доходы - ремонт аудиторий, зарплаты преподавателей или передовое научное оборудование - каждый вуз решает сам.
Открытая публикация данных мониторинга важна, так как позволяет обществу отслеживать положение и динамику показателей вузов более разнообразно и точно, чем обобщённые таблицы широко рекламируемых рейтингов университетов.
Наш дашборд Мониторинг вузов позволяет проверить конкурентные преимущества университетов по отдельным показателям или различным нишам.
Например, МГУ, НИУ ВШЭ и МФТИ высоко котируются у продвинутых абитуриентов бакалавриата, и являются самыми обеспеченными университетами по доходам. Но какие вузы возглавят рейтинг, если ранжировать их по доходам университета в расчёте на одного студента?
Оказалось, что рейтинг неожиданный! МФТИ находится в рейтинге только на 21 месте, ВШЭ и другие университеты программы 5/100 - ещё ниже, МГУ же и вовсе 50-й.
В числе 20 вузов-лидеров лишь два национальных исследовательских университета (МИЭТ и Алфёровский университет), а преимущественно в топе расположились небольшие вузы, включая негосударственные, художественные и религиозные.
Большинство лидеров списка известны стремлением к высокому качеству в своих областях. Их портфель программ более узкий, чем у классических и политехнических гигантов. Ряд из них находится далеко от столицы.
Что вообще характеризует показатель "доходы вуза в расчете на студента"? В общем смысле - среду, в которой учится студент, а на какие элементы этой среды вуз тратит доходы - ремонт аудиторий, зарплаты преподавателей или передовое научное оборудование - каждый вуз решает сам.
Открытая публикация данных мониторинга важна, так как позволяет обществу отслеживать положение и динамику показателей вузов более разнообразно и точно, чем обобщённые таблицы широко рекламируемых рейтингов университетов.
❤17🔥6👍5
✨ Кому одиноко на кофе-брейках конференций?
В уже далеком 2018 году сотрудники нашего центра участвовали в воркшопе на площадке одной из конференций по Computational Social Sciences в Кельне. Как обычно, организаторы выдавали именной бейдж, а еще предлагали прикрепить маленький датчик и стать "донором данных" для исследования взаимодействия участников во время кофе-брейков и обедов.
Уже в конце конференции показывали первые результаты: общение участников разбивалось на четкие языковые кластеры, и – неожиданно – оказалось, что профессора не так активно общаются с другими, чем менее статусные участники. Эти данные вошли в большое исследование по четырем конференциям Who talks to the prof?.
Авторы проверяли гипотезы о «стеклянном потолке» и различиях в том, как женщины и мужчины взаимодействуют на конференциях. Предполагалось, что начинающие исследователи-женщины будут меньше общаться с профессорами, особенно с мужчинами. Но по результатам анализа эти гипотезы не подтвердились, скорее, наоборот – женщины взаимодействовали больше и с профессорами-мужчинами, и с профессорами-женщинами, но также и с равными по статусу и младшими исследователями.
Конечно, зафиксированное датчиками внимание еще не означает реальный научный интерес. Похоже, что для женщин-ученых не проблема поговорить с незнакомцами на кофе-брейке, а вот кто потом становится соавтором статей и проектов – это уже тема для других исследований.
Ну а пока можно всем дать совет – не стесняйтесь подойти к профессору на кофе-брейке, возможно он или она мечтает с кем-то пообщаться ;)
В уже далеком 2018 году сотрудники нашего центра участвовали в воркшопе на площадке одной из конференций по Computational Social Sciences в Кельне. Как обычно, организаторы выдавали именной бейдж, а еще предлагали прикрепить маленький датчик и стать "донором данных" для исследования взаимодействия участников во время кофе-брейков и обедов.
Уже в конце конференции показывали первые результаты: общение участников разбивалось на четкие языковые кластеры, и – неожиданно – оказалось, что профессора не так активно общаются с другими, чем менее статусные участники. Эти данные вошли в большое исследование по четырем конференциям Who talks to the prof?.
Авторы проверяли гипотезы о «стеклянном потолке» и различиях в том, как женщины и мужчины взаимодействуют на конференциях. Предполагалось, что начинающие исследователи-женщины будут меньше общаться с профессорами, особенно с мужчинами. Но по результатам анализа эти гипотезы не подтвердились, скорее, наоборот – женщины взаимодействовали больше и с профессорами-мужчинами, и с профессорами-женщинами, но также и с равными по статусу и младшими исследователями.
Конечно, зафиксированное датчиками внимание еще не означает реальный научный интерес. Похоже, что для женщин-ученых не проблема поговорить с незнакомцами на кофе-брейке, а вот кто потом становится соавтором статей и проектов – это уже тема для других исследований.
Ну а пока можно всем дать совет – не стесняйтесь подойти к профессору на кофе-брейке, возможно он или она мечтает с кем-то пообщаться ;)
🔥35👍10💯2