Такое дело. В этом году Jet.Style (это моя родная компания) 20 лет
По ссылке есть таймлайн, где мы нашли какие-то фотки за это время, и рассказали какие-то слова.
И вот я хочу воспользоваться тем, что всех вас тут собрал — я думаю, что у многих из вас есть какие-то дурацкие, веселые или просто замесные истории того как мы что-то делали в эти 20 лет. А накидайте в коменты фоток или историй если да?
По ссылке есть таймлайн, где мы нашли какие-то фотки за это время, и рассказали какие-то слова.
И вот я хочу воспользоваться тем, что всех вас тут собрал — я думаю, что у многих из вас есть какие-то дурацкие, веселые или просто замесные истории того как мы что-то делали в эти 20 лет. А накидайте в коменты фоток или историй если да?
❤28🎉11❤🔥3👍2👾2
Ладно, пора возвращаться к хорошим вопросам. У меня есть такой всегда актуальный: "Чего бы мне еще почитать?"
Важная проблема — я хочу читать густую, захватывающую книгу. Не хочу читать жидкую и не цепляющую.
И чтобы на этот вопрос можно было ответить, вот (вдруг вам тоже будет интересно) список того что я прочел за 24-й. Хочу читать по две книги в месяц в этом году.
Важная проблема — я хочу читать густую, захватывающую книгу. Не хочу читать жидкую и не цепляющую.
И чтобы на этот вопрос можно было ответить, вот (вдруг вам тоже будет интересно) список того что я прочел за 24-й. Хочу читать по две книги в месяц в этом году.
❤🔥10👍2
1. Резник, “Кириньяга” — Антиутопия маскирующаяся под экологическую “назад к корням” утопию племени кикуйю. Написано на этнографическом материале о племени кикуйю. Отлично написанный цикл рассказов на который почти не влияет фантастическое допущение.
2. Булгаков, “Белая Гвардия” — Очередной раз перечитал. Кроме того что это образец отлично написанной книги, сегодня читается ГОРАЗДО злее и актуальнее. Прямо в цель.
3. Роберт Харис, “Империй”, “Люструм”, “Диктатор” — Исторический трехтомник о политической карьере Цицерона. Фактически роман о деградации государственных институтов через (сначала) популизм, а потом легионы и гражданскую войну. Написано человеком который любит республику (но понимает ее ограничения) и не любит Цезаря (в книге это прямо социопат с фиксацией на власти). Тоже очень актуальная книга.
4. Мелвил, “Моби Дик” — Наконец прочел. Не скажу что “осилил”, потому что не осилил. В книге дофига слоев (приключения китобоя, исследования природы зла, библейская мистика и аллюзии на современный мелвелу политический ландшафт штатов) и у меня не хватает эрудиции чтобы понимать хотя бы половину отсылок. Книга, конечно, титаническая.
5. Роберт Гараев, “Слово Пацана” — В отличие от сериала (не смотрел) это добротное не художественное исследование. Мне было интересно. В Екатеринбурге было в то время совсем по другому, и война Синих, Уралмаша и Афганцев шла совсем по другим законам (можно про это почитать в Ебурге, Иванова)
6. Роберт Вегнер, “Сказания Меекханского Пограничья” — перечел эпическую фэнтези Вегнера. Очень интересный сеттинг, очень выпуклые герои, зашкаливающий драматизм и эпичность. Крайне расхожусь с автором в оценках того что является хорошей практикой государственного (и вообще) управления. Редкий случай когда мне очень не нравится взгляды автора, но все равно очень нравится процесс чтения. Это как Киплинга читать.
7. Кеша Скирневский, “Просто о мозге” — учебник где собрыны и толково уложены мысли про мышление на разных слоях. Первые 2/3 книги отличные (хотя некоторые источники такие себе), финал, кмк, очень тенденциозный и волюнтаристкий.
8. Татьяна Замировская, “Земля случайных чисел”. Офигенно написанный сборник рассказов. Татьяна имеет какую-то зашакаливающую точность ощущений и офигеть круто умеет это все складывать в слова. Но это очень сюрреалистичная и трудная проза.
9. Джон Скальци, "Двигатели бога", “Война Старика” — Двигатели Бога отличная маленькая повестушка, написанная на предположении что космические корабли летают, потому что в каждом сидит натурально плененный Бог. Предсказуемый финальный твист не портит повесть. Захотел такого же и прочитал “Войну старика” — отвратительная книжка. Слабо написана, героям все время везет, заявленные особенности (они старики) никак не влияют на их поведение. Больше Скальци читать не буду.
10. М.Л.Рио, “Словно мы злодеи” — Офигенно написанная книга в которой главное действующее лицо тексты Шекспира. Просто очень славный детектив, очень тщательно и с любовью написанный.
11. Нил Стивенсон, “Падение или Додж в аду” — я вообще очень люблю Стивенсона, потому что у него очень глубокое видение технологических заморочек цивилизации. После того как Лем помер это, кмк, лучший писатель твердого НФ. Эта книга исследует две заморочки: 1. Оцыфровка сознания (ее возможность и как может выглядить опыт оцифрованной личности. спойлер — сознание соотносится со снимком мозга, как фильм с одним кадром. Потому что сознание — это процесс). 2. Пост-интернетная сеть которая нам всем светит когда процент ИИ генеренных постфактов станет непереносимым. Как всегда у Стивенсона хороший уровень анализа. Но, не как всегда, крайне нудный сюжет. Короче не интересная но футурологически глубокая книга (другая такая же глубокая и нудная “Конец Радуг” Вернора Винджа)
12. АиБ Стругацкие, “Пикник на обочине” — перечитал в 4-й кажется раз. И снова здорово.
2. Булгаков, “Белая Гвардия” — Очередной раз перечитал. Кроме того что это образец отлично написанной книги, сегодня читается ГОРАЗДО злее и актуальнее. Прямо в цель.
3. Роберт Харис, “Империй”, “Люструм”, “Диктатор” — Исторический трехтомник о политической карьере Цицерона. Фактически роман о деградации государственных институтов через (сначала) популизм, а потом легионы и гражданскую войну. Написано человеком который любит республику (но понимает ее ограничения) и не любит Цезаря (в книге это прямо социопат с фиксацией на власти). Тоже очень актуальная книга.
4. Мелвил, “Моби Дик” — Наконец прочел. Не скажу что “осилил”, потому что не осилил. В книге дофига слоев (приключения китобоя, исследования природы зла, библейская мистика и аллюзии на современный мелвелу политический ландшафт штатов) и у меня не хватает эрудиции чтобы понимать хотя бы половину отсылок. Книга, конечно, титаническая.
5. Роберт Гараев, “Слово Пацана” — В отличие от сериала (не смотрел) это добротное не художественное исследование. Мне было интересно. В Екатеринбурге было в то время совсем по другому, и война Синих, Уралмаша и Афганцев шла совсем по другим законам (можно про это почитать в Ебурге, Иванова)
6. Роберт Вегнер, “Сказания Меекханского Пограничья” — перечел эпическую фэнтези Вегнера. Очень интересный сеттинг, очень выпуклые герои, зашкаливающий драматизм и эпичность. Крайне расхожусь с автором в оценках того что является хорошей практикой государственного (и вообще) управления. Редкий случай когда мне очень не нравится взгляды автора, но все равно очень нравится процесс чтения. Это как Киплинга читать.
7. Кеша Скирневский, “Просто о мозге” — учебник где собрыны и толково уложены мысли про мышление на разных слоях. Первые 2/3 книги отличные (хотя некоторые источники такие себе), финал, кмк, очень тенденциозный и волюнтаристкий.
8. Татьяна Замировская, “Земля случайных чисел”. Офигенно написанный сборник рассказов. Татьяна имеет какую-то зашакаливающую точность ощущений и офигеть круто умеет это все складывать в слова. Но это очень сюрреалистичная и трудная проза.
9. Джон Скальци, "Двигатели бога", “Война Старика” — Двигатели Бога отличная маленькая повестушка, написанная на предположении что космические корабли летают, потому что в каждом сидит натурально плененный Бог. Предсказуемый финальный твист не портит повесть. Захотел такого же и прочитал “Войну старика” — отвратительная книжка. Слабо написана, героям все время везет, заявленные особенности (они старики) никак не влияют на их поведение. Больше Скальци читать не буду.
10. М.Л.Рио, “Словно мы злодеи” — Офигенно написанная книга в которой главное действующее лицо тексты Шекспира. Просто очень славный детектив, очень тщательно и с любовью написанный.
11. Нил Стивенсон, “Падение или Додж в аду” — я вообще очень люблю Стивенсона, потому что у него очень глубокое видение технологических заморочек цивилизации. После того как Лем помер это, кмк, лучший писатель твердого НФ. Эта книга исследует две заморочки: 1. Оцыфровка сознания (ее возможность и как может выглядить опыт оцифрованной личности. спойлер — сознание соотносится со снимком мозга, как фильм с одним кадром. Потому что сознание — это процесс). 2. Пост-интернетная сеть которая нам всем светит когда процент ИИ генеренных постфактов станет непереносимым. Как всегда у Стивенсона хороший уровень анализа. Но, не как всегда, крайне нудный сюжет. Короче не интересная но футурологически глубокая книга (другая такая же глубокая и нудная “Конец Радуг” Вернора Винджа)
12. АиБ Стругацкие, “Пикник на обочине” — перечитал в 4-й кажется раз. И снова здорово.
❤🔥14👍7🔥5
13. Энн Леки, “Слуги правосудия” — отличная спейсопера. Главное действующее лицо — девушка которая раньше была космическим кораблем. Достоверная, необычная, злая вселенная, интересный герой, сложный конфликт, крутой антагонист — короче хочу про это фильм.
14. Мы Легион, “Мы боб Деннис Тейлор” — прочитал весь цикл, но мне не слишком понравилось. Читается легко, но героям слишком везет и язык слишком примитивный. Прочитал потому что любопытно было смотреть за эволюцией сеттинга — почти все герои это зонды фонд Неймана.
15. Тед Чан, “История моей жизни” — лучший сборник рассказов который я кода-либо читал. По заглавному рассказу снято “Прибытие”. Каждого рассказа хватило бы на пару романов, но Чан умеет упихать ее в рассказ. Тоже хочу так уметь. Очень-очень разные, очень классные фант-допущения, офигенная фантазия — очень всем рекомендую.
14. Мы Легион, “Мы боб Деннис Тейлор” — прочитал весь цикл, но мне не слишком понравилось. Читается легко, но героям слишком везет и язык слишком примитивный. Прочитал потому что любопытно было смотреть за эволюцией сеттинга — почти все герои это зонды фонд Неймана.
15. Тед Чан, “История моей жизни” — лучший сборник рассказов который я кода-либо читал. По заглавному рассказу снято “Прибытие”. Каждого рассказа хватило бы на пару романов, но Чан умеет упихать ее в рассказ. Тоже хочу так уметь. Очень-очень разные, очень классные фант-допущения, офигенная фантазия — очень всем рекомендую.
❤🔥12🔥7👏6❤3👍2
5 жанров доклада
Периодически я участвую в подготовке докладов и каждый раз повторяю один и тот же спич. Эта заметка чтобы на нее ссылаться в следующий раз.
Тем более есть повод: буду вам хвалить Юлину конференцию FailConf.
На конференциях бывает два вида выступлений. Первый — интерактив, где участники что-то делают. Он лучше всего работает, я его люблю и умею, но сегодня не про него. Сегодня про второй вид — доклады.
Какие жанры докладов бывают?
1. 🥱"Унылые позавчерашние новости". Самый распространенный жанр. Жанр по умолчанию. Жанр, в который скатывается 90% всех инициатив "что-то рассказать нашему комьюнити от таких же, как мы". Именно из-за этого жанра большинство конференций, курсов и т.п. слушать невозможно. Почему так? Следите за руками:
— Спикер такой же, как и те, кто сидит в зале 🤷♂️. А это значит, что ничего экстраординарного в его работе нет. Ну, в сравнении с такими же, как он, в зале.
— Мы берем хороший случай — это толковый спец 👌. Онтак же хорошо, как и любой другой в зале понимает тему. Но он не радикально дальше рынка, в дали, про которые никто в зале не слышал и не пробовал. Просто потому, что все делают примерно одно и тоже.
— 😨 И он боится облажаться.
— 🕰️Поэтому рассказывает только о том, в чем он уверен. А это — позавчерашние новости. Не надо делать такие доклады.
Дальше пойдут хорошие жанры докладов:
2. 🔬 Рассказ о про то, что спикер действительно знает лучше, чем аудитория.
Это целевой опыт, который пытается создать каждый организатор конференции.
Его достаточно просто организовать, если ваша конференция для начинающих. Но моей проблемы это не решает, потому что я обычно хожу на конференции для таких же, как я — что-то уже понимающих в рынке. А для того чтобы нас таких чем-то удивить, надо действительно быть впереди рынка в том, про что докладываешь.
Это значит одно из трех:
- Ты светило в своей узкой нише, которое действительно впереди планеты всей (ну т.е. ты хедлайнер, которого специально позвали, и таких, как ты, мало, и большинство докладов такими почти никогда не бывают).
- Ты сделал исследование. Это, кстати, очень толковый путь сделать хороший доклад. Но дорогой. Не такой дорогой, как может показаться, но все-таки это не просто скидать Keynote и прийти выступить. Это работать придется.
- Подвид исследования — исследование про собравшихся. Т.е. сумма текущих представлений отрасли про что-то еще не суммированное. Сегодняшние тренды. Как сегментирован наш рынок. Актуальный скилсет типичного [кто сидит в зале]. Такие доклады обычно не слишком глубокие, и у таких текстов не долгий период актуальности, но они хорошо заходят когда озвучиваются впервые.
Короче — хороший, но очень-очень запарный для спикера и программного комитета жанр. Таких докладов мало.
3. 🧩 Рассказ из соседней предметной области, полезный для нашей предметной области. Один из самых дешевых способов сделать интересно. Берешь кого-то кто может рассказть про что-то соседнее. Бизнесу про геймдев. Дизайнерам про нейробиологию. Айтишникам про яхтинг. И не просто что-то левое рассказываешь, а так, чтобы показать неожиданный ракурс из его мира на наш. Как нейробиолог смотрит на программирование. Как геймдизайнер смотрит на бизнес.
4. 🤹♂️ Стендап. В широком смысле. Не именно шутки со сцены, а искренний рассказ, написанный кровью сердца и рассказанный мастером разговорного жанра. Этот жанр почти не зависит от контента — он зависит от неожиданного ракурса и мастерства выступающего. Часто именно у таких докладов получаются лучшие оценки.
5. 🤦♂️ Как я облажался. Один из самых надежно интересных жанров, потому что:
- Это искреннее высказывание. Ты рассказываешь о реальной проблеме, которая дорого стоила. Раскрываешься, показываешь уязвимость — полная противоположность "унылым новостям". Кстати, отличный способ сделать стендап для новичка. Если подготовиться.
- Такие истории часто выходят за границы одной области. Когда всё рушится, в игру вступают неожиданные факторы из других сфер.
- Иногда случаются открытия. Не те, что двигают отрасль. Личные. Банальные для других, но выстраданные тобой
Периодически я участвую в подготовке докладов и каждый раз повторяю один и тот же спич. Эта заметка чтобы на нее ссылаться в следующий раз.
Тем более есть повод: буду вам хвалить Юлину конференцию FailConf.
На конференциях бывает два вида выступлений. Первый — интерактив, где участники что-то делают. Он лучше всего работает, я его люблю и умею, но сегодня не про него. Сегодня про второй вид — доклады.
Какие жанры докладов бывают?
1. 🥱"Унылые позавчерашние новости". Самый распространенный жанр. Жанр по умолчанию. Жанр, в который скатывается 90% всех инициатив "что-то рассказать нашему комьюнити от таких же, как мы". Именно из-за этого жанра большинство конференций, курсов и т.п. слушать невозможно. Почему так? Следите за руками:
— Спикер такой же, как и те, кто сидит в зале 🤷♂️. А это значит, что ничего экстраординарного в его работе нет. Ну, в сравнении с такими же, как он, в зале.
— Мы берем хороший случай — это толковый спец 👌. Онтак же хорошо, как и любой другой в зале понимает тему. Но он не радикально дальше рынка, в дали, про которые никто в зале не слышал и не пробовал. Просто потому, что все делают примерно одно и тоже.
— 😨 И он боится облажаться.
— 🕰️Поэтому рассказывает только о том, в чем он уверен. А это — позавчерашние новости. Не надо делать такие доклады.
Дальше пойдут хорошие жанры докладов:
2. 🔬 Рассказ о про то, что спикер действительно знает лучше, чем аудитория.
Это целевой опыт, который пытается создать каждый организатор конференции.
Его достаточно просто организовать, если ваша конференция для начинающих. Но моей проблемы это не решает, потому что я обычно хожу на конференции для таких же, как я — что-то уже понимающих в рынке. А для того чтобы нас таких чем-то удивить, надо действительно быть впереди рынка в том, про что докладываешь.
Это значит одно из трех:
- Ты светило в своей узкой нише, которое действительно впереди планеты всей (ну т.е. ты хедлайнер, которого специально позвали, и таких, как ты, мало, и большинство докладов такими почти никогда не бывают).
- Ты сделал исследование. Это, кстати, очень толковый путь сделать хороший доклад. Но дорогой. Не такой дорогой, как может показаться, но все-таки это не просто скидать Keynote и прийти выступить. Это работать придется.
- Подвид исследования — исследование про собравшихся. Т.е. сумма текущих представлений отрасли про что-то еще не суммированное. Сегодняшние тренды. Как сегментирован наш рынок. Актуальный скилсет типичного [кто сидит в зале]. Такие доклады обычно не слишком глубокие, и у таких текстов не долгий период актуальности, но они хорошо заходят когда озвучиваются впервые.
Короче — хороший, но очень-очень запарный для спикера и программного комитета жанр. Таких докладов мало.
3. 🧩 Рассказ из соседней предметной области, полезный для нашей предметной области. Один из самых дешевых способов сделать интересно. Берешь кого-то кто может рассказть про что-то соседнее. Бизнесу про геймдев. Дизайнерам про нейробиологию. Айтишникам про яхтинг. И не просто что-то левое рассказываешь, а так, чтобы показать неожиданный ракурс из его мира на наш. Как нейробиолог смотрит на программирование. Как геймдизайнер смотрит на бизнес.
4. 🤹♂️ Стендап. В широком смысле. Не именно шутки со сцены, а искренний рассказ, написанный кровью сердца и рассказанный мастером разговорного жанра. Этот жанр почти не зависит от контента — он зависит от неожиданного ракурса и мастерства выступающего. Часто именно у таких докладов получаются лучшие оценки.
5. 🤦♂️ Как я облажался. Один из самых надежно интересных жанров, потому что:
- Это искреннее высказывание. Ты рассказываешь о реальной проблеме, которая дорого стоила. Раскрываешься, показываешь уязвимость — полная противоположность "унылым новостям". Кстати, отличный способ сделать стендап для новичка. Если подготовиться.
- Такие истории часто выходят за границы одной области. Когда всё рушится, в игру вступают неожиданные факторы из других сфер.
- Иногда случаются открытия. Не те, что двигают отрасль. Личные. Банальные для других, но выстраданные тобой
🔥24❤10👍4
Я говорил что у меня есть повод: Юля Герасимович очередной раз проводит FailConf в Москве. В этот раз там будет не очень много докладов (семь), но Юля говорит, что в этот раз только хорошие доклады о фейлах, без "как бы ошибок". В смысле целая конференция которая состоит только из докладов “как я облажался”:
— Личные ошибки спикеров.
— Это серьезные, большие ошибки. Прям вот на миллионы.
— И честные выводы из этого.
И я уверен, что доклады будут хорошо подготовлены, потому что я несколько раз работал на Юлиных конференциях в программном комитете и знаю, что Юля умеет доклады хорошо готовить (потому что даже такой прекрасный жанр, как рассказ о фейлах, можно зафейлить). Поэтому если вы можете доехать до Москвы 1 февраля — приходите на failconf. Вот вам промокод, кстати: GOODQUESTION
p.s.
Ну, и чтобы оставаться в жанре. У меня есть хороший вопрос про то как находить темы для таких рассказов. Будем честны — я делал ошибки. Некоторые мне стоили очень и очень дорого. Я, кстати, продолжаю. И я выступал на failconf. Дважды. Оба раза рассказал про проекты, которые к моменту доклада мои ошибки похоронили. И Юля меня продолжает звать.
Но у меня такая заморочка — рассказывать на failconf надо про то как ошибся ты, а не все вокруг тебя, а ты мужественно превозмог. Главный проблема такого выступления оказывается не в том, что сложно говорить о своих ошибках со сцены. Это как раз очень духоподъемно. Главная проблема в том, что не понятно как говорить о проблемах в проектах, которые еще не закончились так, чтобы не создать риска для людей, которые вместе с тобой в них участвовали и участвуют. Они то не соглашались выступать. Есть идеи?
— Личные ошибки спикеров.
— Это серьезные, большие ошибки. Прям вот на миллионы.
— И честные выводы из этого.
И я уверен, что доклады будут хорошо подготовлены, потому что я несколько раз работал на Юлиных конференциях в программном комитете и знаю, что Юля умеет доклады хорошо готовить (потому что даже такой прекрасный жанр, как рассказ о фейлах, можно зафейлить). Поэтому если вы можете доехать до Москвы 1 февраля — приходите на failconf. Вот вам промокод, кстати: GOODQUESTION
p.s.
Ну, и чтобы оставаться в жанре. У меня есть хороший вопрос про то как находить темы для таких рассказов. Будем честны — я делал ошибки. Некоторые мне стоили очень и очень дорого. Я, кстати, продолжаю. И я выступал на failconf. Дважды. Оба раза рассказал про проекты, которые к моменту доклада мои ошибки похоронили. И Юля меня продолжает звать.
Но у меня такая заморочка — рассказывать на failconf надо про то как ошибся ты, а не все вокруг тебя, а ты мужественно превозмог. Главный проблема такого выступления оказывается не в том, что сложно говорить о своих ошибках со сцены. Это как раз очень духоподъемно. Главная проблема в том, что не понятно как говорить о проблемах в проектах, которые еще не закончились так, чтобы не создать риска для людей, которые вместе с тобой в них участвовали и участвуют. Они то не соглашались выступать. Есть идеи?
failconf.ru
FailConf — конференция для тех, кто не боится признавать ошибки, готов рассказывать о неудачах в бизнесе, а главное — учиться на…
Москва, 1 февраля 2025
❤11⚡5👍3🔥2👏1
С сегодня и до четверга я в Париже. Если вы, вдруг, тоже — пишите, пересечемся
❤🔥12👍3😁1
Слушайте, у меня тут такой вопрос. Я купил себе про-аккаунт в ChatGPT, и меня супер вдохновила возможность проводить научные исследования по каждому моему интересу. Например, сейчас я читаю «Дизайн моей жизни», и мне стало интересно, насколько то, что в ней пропагандируется, действительно имеет фактическое подтверждение (я вам чуть позже покажу, что получилось; мне очень нравится, но я чайник).
Вот, например, вам артефакт, который получился из моего чтения книги (см. картинки), чтобы вы поняли, насколько я упоролся.
Так вот, вопрос. Я, как вы, возможно, знаете, недоучка. В 1997 году я стал одним из трёх первых веб-дизайнеров в нашем родном городе и совсем забил на учебу. В итоге меня выперли с 4-го курса УралГАХА. А потом я всю жизнь ждал того момента, когда я пожалею об этом (я всю дорогу думал, что учился лишних полтора года). Первые два курса были ультра полезными, а потом к нам пришёл digital divide и всё испортил — я стал ужасной задавакой и не давал респекта своим предметникам. Ну, да не суть — не то чтобы я наконец пожалел, потому что Арх бы меня тому, о чём я вас спрошу, всё равно бы не научил. Но теперь я жалею, что не умею в научном поиске. Ну, в смысле — как проверять валидность и полноту исследования? В каких базах данных искать? На что смотреть, чтобы оценить качество научной работы, и всё это.
Внимание, вопрос: как по-бырому вкатиться в умение искать как ученый? Для личных нужд? Я понимаю, что сегодня ответ: «Ну, так пойди и спроси кремниевых друзей». Но я предпочитаю пообщаться с кем-то из моих живых друзей, кто в этом разбирается и может посоветовать метод.
Короче, я напрашиваюсь на:
Напишите, что вы думаете по этому поводу в комментариях.
Если вы умеете в научный поиск и не против поговорить об этом с чайником, скажите мне об этом, и я приду к вам в личку, чтобы договориться о времени.
Вот, например, вам артефакт, который получился из моего чтения книги (см. картинки), чтобы вы поняли, насколько я упоролся.
Так вот, вопрос. Я, как вы, возможно, знаете, недоучка. В 1997 году я стал одним из трёх первых веб-дизайнеров в нашем родном городе и совсем забил на учебу. В итоге меня выперли с 4-го курса УралГАХА. А потом я всю жизнь ждал того момента, когда я пожалею об этом (я всю дорогу думал, что учился лишних полтора года). Первые два курса были ультра полезными, а потом к нам пришёл digital divide и всё испортил — я стал ужасной задавакой и не давал респекта своим предметникам. Ну, да не суть — не то чтобы я наконец пожалел, потому что Арх бы меня тому, о чём я вас спрошу, всё равно бы не научил. Но теперь я жалею, что не умею в научном поиске. Ну, в смысле — как проверять валидность и полноту исследования? В каких базах данных искать? На что смотреть, чтобы оценить качество научной работы, и всё это.
Внимание, вопрос: как по-бырому вкатиться в умение искать как ученый? Для личных нужд? Я понимаю, что сегодня ответ: «Ну, так пойди и спроси кремниевых друзей». Но я предпочитаю пообщаться с кем-то из моих живых друзей, кто в этом разбирается и может посоветовать метод.
Короче, я напрашиваюсь на:
Напишите, что вы думаете по этому поводу в комментариях.
Если вы умеете в научный поиск и не против поговорить об этом с чайником, скажите мне об этом, и я приду к вам в личку, чтобы договориться о времени.
👍7❤3
я думал выложить этот текст уже сразу готовым, но подумал, что и полуфабрикат изрядно любытный. Я тут читаю "дизайн твоей жизни" и по ходу дела решил проверить — а какие еще есть подходы, и какие из них имеют доказательную силу. Ну, и раз уж у меня есть про подписка на GPT deep research вот что у меня получилось
Вопросов у меня как уже в прошлом посте поняли масса. Главные из них такие:
1. как это все проверять не ламерски (у меня уже есть ответы, Спасибо Сереге Жданову и Вану) но я все еще чайник. Но планирую что-то про этот предмет понять
2. как по быстрому формировать интуицую в предметной области. Опять же, спасибо Сереге, вот тут есть ответ:
— достоверная среда в котором можно доверять качеству обратной связи
— частая и своевременная обратная связь
— множество повторений
— много часов целенаправленной практики в зоне ближайшего развития
это я попер из ролика
В общем, в ближайшие время я буду в эту сторону копать. И в этот раз мне помогут вопросы от вас: куда вам кажется копать интересно, и почему?
Вопросов у меня как уже в прошлом посте поняли масса. Главные из них такие:
1. как это все проверять не ламерски (у меня уже есть ответы, Спасибо Сереге Жданову и Вану) но я все еще чайник. Но планирую что-то про этот предмет понять
2. как по быстрому формировать интуицую в предметной области. Опять же, спасибо Сереге, вот тут есть ответ:
— достоверная среда в котором можно доверять качеству обратной связи
— частая и своевременная обратная связь
— множество повторений
— много часов целенаправленной практики в зоне ближайшего развития
это я попер из ролика
В общем, в ближайшие время я буду в эту сторону копать. И в этот раз мне помогут вопросы от вас: куда вам кажется копать интересно, и почему?
acidic-paneer-7b8 on Notion
Исследование аугументации практик самоменеджмента с помощью ИИ | Notion
Исследовательское задание
👍5❤3
В общем, мой поход за академическими инструментами принес такие плоды: добрые Сергей Жданов и Ван объяснили мне что начинать надо с исследования принятых в науке подходов, школ и терминов.
И сегодня мне представился повод: в дискуссии мне потребовалось сослаться на то, какие в играх используются фреймворки. А я помню, что @AnatolyKazakov не велит ссылаться на седую древность не проверив. Ну и я решил въехать в то, что в области делания игр случилось со времен Бартла. В целом, для меня получилось весьма полезное и духоподъемное (правда обширное) чтение.
Если (что вероятно) вам лень читать "кибер-дисер" (хотя мне понравилось), вот вам карточки в картинках
Ворк, пока что, ин прогрес. Я нарыл себе вопросов (например — как это все ложится на наш любимый крестик, и мой любимый гексограмматон? можно ли их эмпирически подтвердить или опровергнуть? Как, блин? Ну и главный — то из-за чего я в это все полез. Подход игр к опыту сильно отличается от продуктового подхода. И как понять, какие области опыта они взаимодополняют, а какие остаются вне внимания того и другого?
(у этого всего будет продолжение. как минимум я такое же фигану для LARP и serious games. не переключайтесь, короче).
А еще если у вас про это есть свое ведро соображений — постучитесь в меня, созвонимся я из этого чего-нито напишу.
(если вы пропустили ссылку на всю телегу целиком — вот она. осторожно, это ноушн)
вот кстати, для удобства, карточки в вебе
И сегодня мне представился повод: в дискуссии мне потребовалось сослаться на то, какие в играх используются фреймворки. А я помню, что @AnatolyKazakov не велит ссылаться на седую древность не проверив. Ну и я решил въехать в то, что в области делания игр случилось со времен Бартла. В целом, для меня получилось весьма полезное и духоподъемное (правда обширное) чтение.
Если (что вероятно) вам лень читать "кибер-дисер" (хотя мне понравилось), вот вам карточки в картинках
Ворк, пока что, ин прогрес. Я нарыл себе вопросов (например — как это все ложится на наш любимый крестик, и мой любимый гексограмматон? можно ли их эмпирически подтвердить или опровергнуть? Как, блин? Ну и главный — то из-за чего я в это все полез. Подход игр к опыту сильно отличается от продуктового подхода. И как понять, какие области опыта они взаимодополняют, а какие остаются вне внимания того и другого?
(у этого всего будет продолжение. как минимум я такое же фигану для LARP и serious games. не переключайтесь, короче).
А еще если у вас про это есть свое ведро соображений — постучитесь в меня, созвонимся я из этого чего-нито напишу.
(если вы пропустили ссылку на всю телегу целиком — вот она. осторожно, это ноушн)
вот кстати, для удобства, карточки в вебе
❤🔥13🔥9👌4❤1👍1
General Research Start Method.pdf
71.2 KB
Как вы помните, я решил с двух ног влететь в научный поиск. Так что я время от времени буду вам приносить плоды того что получается. Вот, например, у меня есть теперь такой метод:
Я поговорил с Сергеем Ждановым, Ильей Захаровым и Иваном Котоминым и сделал вот такие выводы про то как мне начинать:
АЛГОРИТМ НАУЧНОГО ПОИСКА:
1. Первичный обзор области:
- Использовать ChatGPT/Deep Research для первичного сканирования области и выявления ключевых терминов
- Найти 5-10 ключевых авторов в этой сфере
- Искать обзорные статьи (review articles) и мета-анализы
- Особое внимание уделять журналам серии "Trends in..."
2. Оценка источников:
- Проверить рейтинг журнала (Q1-Q4, предпочтительно Q1)
- В разных предметных областях есть свои главные источники:
- Общие: Nature и Science, Proceedings of the National Academy of Sciences (PNAS)
- Медицина: The Lancet
- Биология и генетика: Cell, Nature Genetics
- Физика: Physical Review Letters (PRL), Nature Physics
- Математика: Annals of Mathematics, Inventiones Mathematicae
- Информатика и ИИ: Communications of the ACM (CACM), IEEE TPAMI
- Экономика: American Economic Review (AER), The Quarterly Journal of Economics (QJE)
- Бизнес и менеджмент: Harvard Business Review (HBR), Academy of Management Journal (AMJ)
- Инженерия: IEEE Transactions on Industrial Electronics, IEEE Transactions on Robotics
- Оценить цитируемость статьи с учетом года публикации
- важно смотреть кто ссылается
- Проверить, не была ли статья отозвана
- Посмотреть, как цитируется статья (критически или поддерживающе)
3. Углубленный анализ:
- Изучить методологию исследования
- Оценить дизайн исследования
- Проанализировать выводы и их обоснованность
- Использовать Connected Papers для понимания связей между работами
КЛЮЧЕВЫЕ ИНСТРУМЕНТЫ:
1. Базы данных и поисковики:
- Google Scholar
- semanticscholar
- PubMed (для биомедицинских исследований)
- Web of Science
- Scopus
- Connected Papers (для анализа связей между статьями)
- scholar-inbox.com
2. Вспомогательные инструменты:
- Sci-Hub (для доступа к платным статьям)
- Elicit.org (для извлечения данных из PDF)
- Deep Research от open AI(для первичного анализа)
ПРИЕМЫ:
При поиске статей:
- Использовать фильтр "Review Articles" в Google Scholar
- Искать последние 5-10 лет публикаций
- Зависит от сферы. Например, в естественных науках статьи раскрываются за 2-3 года, а области ИИ публикации протухают за пару лет.
- Проверять синонимы терминов в разных научных школах
- Отслеживать количество цитирований
При анализе статей:
- Читаешь абстракт → графические материалы → интродакшн → дискашн → методы → результаты
- интродакшн читаешь, если не очень хорошо знаком с тематикой
- дискашн — там результаты изложены человеческим языком, указываются выводы, интерпретации, противоречия, ограничения
- методы полезны, но надо ориентироваться в предметной области
- результаты читаешь если хочется глубже посмотреть то, что изложено в дискашене
- Открываешь статью, сначала смотришь абстракт → методологию и результаты → читаешь основной текст, если остались вопросы.
- Проверять источники финансирования
- Анализировать ограничения исследования
- Оценивать размер выборки и статистическую значимость
При систематизации:
- Вести учет ключевых слов для поиска
- Сохранять DOI важных статей
- Группировать статьи по научным школам
- Отмечать противоречивые результаты
РЕКОМЕНДАЦИИ:
1. Начинать с метаанализов и обзорных статей
2. Уделять особое внимание методологии исследований
3. Проверять критические отзывы и альтернативные точки зрения
4. Не полагаться только на автоматические инструменты
5. Пообщайся с экспертами (лучше из разных подходов и разных научных школ)
6. Перепроверять данные из нейросетевых помощников
7. Учитывать специфику разных научных областей
Я поговорил с Сергеем Ждановым, Ильей Захаровым и Иваном Котоминым и сделал вот такие выводы про то как мне начинать:
АЛГОРИТМ НАУЧНОГО ПОИСКА:
1. Первичный обзор области:
- Использовать ChatGPT/Deep Research для первичного сканирования области и выявления ключевых терминов
- Найти 5-10 ключевых авторов в этой сфере
- Искать обзорные статьи (review articles) и мета-анализы
- Особое внимание уделять журналам серии "Trends in..."
2. Оценка источников:
- Проверить рейтинг журнала (Q1-Q4, предпочтительно Q1)
- В разных предметных областях есть свои главные источники:
- Общие: Nature и Science, Proceedings of the National Academy of Sciences (PNAS)
- Медицина: The Lancet
- Биология и генетика: Cell, Nature Genetics
- Физика: Physical Review Letters (PRL), Nature Physics
- Математика: Annals of Mathematics, Inventiones Mathematicae
- Информатика и ИИ: Communications of the ACM (CACM), IEEE TPAMI
- Экономика: American Economic Review (AER), The Quarterly Journal of Economics (QJE)
- Бизнес и менеджмент: Harvard Business Review (HBR), Academy of Management Journal (AMJ)
- Инженерия: IEEE Transactions on Industrial Electronics, IEEE Transactions on Robotics
- Оценить цитируемость статьи с учетом года публикации
- важно смотреть кто ссылается
- Проверить, не была ли статья отозвана
- Посмотреть, как цитируется статья (критически или поддерживающе)
3. Углубленный анализ:
- Изучить методологию исследования
- Оценить дизайн исследования
- Проанализировать выводы и их обоснованность
- Использовать Connected Papers для понимания связей между работами
КЛЮЧЕВЫЕ ИНСТРУМЕНТЫ:
1. Базы данных и поисковики:
- Google Scholar
- semanticscholar
- PubMed (для биомедицинских исследований)
- Web of Science
- Scopus
- Connected Papers (для анализа связей между статьями)
- scholar-inbox.com
2. Вспомогательные инструменты:
- Sci-Hub (для доступа к платным статьям)
- Elicit.org (для извлечения данных из PDF)
- Deep Research от open AI(для первичного анализа)
ПРИЕМЫ:
При поиске статей:
- Использовать фильтр "Review Articles" в Google Scholar
- Искать последние 5-10 лет публикаций
- Зависит от сферы. Например, в естественных науках статьи раскрываются за 2-3 года, а области ИИ публикации протухают за пару лет.
- Проверять синонимы терминов в разных научных школах
- Отслеживать количество цитирований
При анализе статей:
- Читаешь абстракт → графические материалы → интродакшн → дискашн → методы → результаты
- интродакшн читаешь, если не очень хорошо знаком с тематикой
- дискашн — там результаты изложены человеческим языком, указываются выводы, интерпретации, противоречия, ограничения
- методы полезны, но надо ориентироваться в предметной области
- результаты читаешь если хочется глубже посмотреть то, что изложено в дискашене
- Открываешь статью, сначала смотришь абстракт → методологию и результаты → читаешь основной текст, если остались вопросы.
- Проверять источники финансирования
- Анализировать ограничения исследования
- Оценивать размер выборки и статистическую значимость
При систематизации:
- Вести учет ключевых слов для поиска
- Сохранять DOI важных статей
- Группировать статьи по научным школам
- Отмечать противоречивые результаты
РЕКОМЕНДАЦИИ:
1. Начинать с метаанализов и обзорных статей
2. Уделять особое внимание методологии исследований
3. Проверять критические отзывы и альтернативные точки зрения
4. Не полагаться только на автоматические инструменты
5. Пообщайся с экспертами (лучше из разных подходов и разных научных школ)
6. Перепроверять данные из нейросетевых помощников
7. Учитывать специфику разных научных областей
👍13🔥8👏3
МЫСЛИ
О структуре научного знания:
1. Научные школы в разных областях могут противоречить друг другу (пример с экономикой, где Нобелевскую премию могут дать за противоположные выводы). Кроме того научное знание очень фрагментировано, одни и те же явления и закономерности исследуются в разных областях и исследователи часто не знают друг о друге.
2. В гуманитарных науках важнее понимать научные школы и их подходы, чем в точных науках
3. Существует разрыв между академическими исследованиями и практическим применением
4. Отсутствие современных исследований по теме может быть значимым сигналом. (Не обязательно верно для гуманитарных наук, где между исследованиями одного явления может пройти 50-100 лет).
5. Важно понимать иерархию исследований в разных областях — Необходима "карта наук" для эффективной навигации
6. Наличие статистически значимых эффектов даже по результатам метаанализа не означает, что эффект обязательно есть, т.к. отрицательные результаты не публикуются (но шанс, что он есть, выше)
7. Надо обращать внимание на размер эффекта, а не только на стат значимость
8. Есть препринты (сайты arxiv, medarxiv, bioarxiv) - если статья опубликована только там, а в журнале нет, то верить нельзя, НО зато там можно найти полный текст статьи, которого нет в свободном доступе из-за пейволла
Эффективные области применения ИИ:
- Первичный скрининг литературы
- Поиск ключевых терминов и синонимов
- Создание начальных обзоров
- Выявление связей между исследованиями
- Генерация гипотез для дальнейшей проверки
(см табличку)
Куда копать в сторону использования ИИ
Методологические инновации:
- Разработка фреймворков для оценки качества ИИ-анализа
Технологические улучшения:
- Создание специализированных промптов для научного поиска
- Разработка инструментов автоматической валидации
- Улучшение систем извлечения данных из научных текстов
Практические рекомендации:
- Разработка методик обучения работе с ИИ-инструментами
Ограничения использования ИИ:
- Оценка методологической строгости
- Выявление неявных противоречий
- Определение актуальности для конкретной задачи
- Оценка качества доказательной базы
О структуре научного знания:
1. Научные школы в разных областях могут противоречить друг другу (пример с экономикой, где Нобелевскую премию могут дать за противоположные выводы). Кроме того научное знание очень фрагментировано, одни и те же явления и закономерности исследуются в разных областях и исследователи часто не знают друг о друге.
2. В гуманитарных науках важнее понимать научные школы и их подходы, чем в точных науках
3. Существует разрыв между академическими исследованиями и практическим применением
4. Отсутствие современных исследований по теме может быть значимым сигналом. (Не обязательно верно для гуманитарных наук, где между исследованиями одного явления может пройти 50-100 лет).
5. Важно понимать иерархию исследований в разных областях — Необходима "карта наук" для эффективной навигации
6. Наличие статистически значимых эффектов даже по результатам метаанализа не означает, что эффект обязательно есть, т.к. отрицательные результаты не публикуются (но шанс, что он есть, выше)
7. Надо обращать внимание на размер эффекта, а не только на стат значимость
8. Есть препринты (сайты arxiv, medarxiv, bioarxiv) - если статья опубликована только там, а в журнале нет, то верить нельзя, НО зато там можно найти полный текст статьи, которого нет в свободном доступе из-за пейволла
Эффективные области применения ИИ:
- Первичный скрининг литературы
- Поиск ключевых терминов и синонимов
- Создание начальных обзоров
- Выявление связей между исследованиями
- Генерация гипотез для дальнейшей проверки
(см табличку)
Куда копать в сторону использования ИИ
Методологические инновации:
- Разработка фреймворков для оценки качества ИИ-анализа
Технологические улучшения:
- Создание специализированных промптов для научного поиска
- Разработка инструментов автоматической валидации
- Улучшение систем извлечения данных из научных текстов
Практические рекомендации:
- Разработка методик обучения работе с ИИ-инструментами
Ограничения использования ИИ:
- Оценка методологической строгости
- Выявление неявных противоречий
- Определение актуальности для конкретной задачи
- Оценка качества доказательной базы
🔥10❤1❤🔥1👍1👏1
Вопросы
1. Как интегрировать научные знания и практику индустрии?
2. Как валидировать выводы ИИ при анализе научных статей?
3. Как оптимально сочетать традиционный научный поиск и ИИ-инструменты?
4. Как оценивать полноту охвата предметной области?
5. Как автоматизировать проверку критического цитирования?
6. Как создать надежную систему оценки достоверности источников?
7. Как эффективно объединять данные из разных баз?
8. Как масштабировать процесс научного поиска без потери качества?
1. Как интегрировать научные знания и практику индустрии?
2. Как валидировать выводы ИИ при анализе научных статей?
3. Как оптимально сочетать традиционный научный поиск и ИИ-инструменты?
4. Как оценивать полноту охвата предметной области?
5. Как автоматизировать проверку критического цитирования?
6. Как создать надежную систему оценки достоверности источников?
7. Как эффективно объединять данные из разных баз?
8. Как масштабировать процесс научного поиска без потери качества?
🔥5