Меня часто просят поделиться секретами тайм-менеджмента для кабинетной работы, да и вообще. Проблема в том, что я не могу четко сформулировать свои практики. Я просто… делаю. Поэтому мне сложно писать такие посты и даже рассказывать об этом. Если есть силы — делаю. Если серотонин сегодня решил не вырабатываться — не делаю. Как будто это происходит помимо меня.
Да, я ленюсь. Часто пропускаю зал, бросила английский из-за нехватки сил. Но при этом успеваю выполнять рабочие задачи (за 8 часов в день было бы странно не успевать) и вести этот блог (спасибо ИИ, с ним не так много мороки).
Секрет, наверное, в том, что я всё планирую. Иногда это причина, по которой я злюсь на бойфренда, у которого горизонт планирования покороче (прости, любимый, я работаю над собой!).
Вот и весь мой "тайм-менеджмент". Может, он и странный, но мне работает.
Please open Telegram to view this post
VIEW IN TELEGRAM
Сетевой анализ для поиска научной литературы: обзор простых и бесплатных сервисов
В этом посте я расскажу о сетевом анализе в научной библиографии и поделюсь простыми и бесплатными инструментами для его проведения.
Что такое сетевой анализ?
Сетевой анализ в библиографии — это метод, который позволяет исследовать связи между научными публикациями. Он основан на анализе цитирований: кто кого цитировал, какие статьи похожи по ключевым словам и цитированиям.
〰️ Инструменты для сетевого анализа:
✔️ Google Scholar: Да, в Google Академии уже есть элементы сетевого анализа. Функция "Похожие статьи" основана на семантическом анализе, то есть подбирает статьи, похожие по ключевым словам и цитированиям.
✔️ Inciteful: Мой любимый инструмент с интуитивно понятным интерфейсом. Позволяет провести сетевой анализ одной статьи или сравнить две статьи между собой.
🟣 Анализ одной статьи: Показывает, кто цитировал статью, на какие статьи она ссылается, а также предлагает похожие статьи, статьи с обзорами и наиболее влиятельные статьи в этой области.
🟣 Сравнение двух статей: Позволяет увидеть, как связаны две статьи и насколько близко они расположены в сети цитирований.
✔️ ResearchRabbit: Похож на Inciteful, но с интеграцией с Zotero. Позволяет строить графы цитирований, находить похожие работы и добавлять их в свою библиотеку Zotero.
✔️ Litmaps: Позволяет проводить сетевой анализ по названию статьи или ключевым словам. Показывает цитирования, референсы (библиографический список) и связанные статьи на основе семантического анализа.
⭐️ Как использовать сетевой анализ?
Сетевой анализ — отличное дополнение к поиску по ключевым словам. Особенно полезен, когда у вас есть одна релевантная статья, и вы хотите найти похожие публикации.
В этом посте я расскажу о сетевом анализе в научной библиографии и поделюсь простыми и бесплатными инструментами для его проведения.
Что такое сетевой анализ?
Сетевой анализ в библиографии — это метод, который позволяет исследовать связи между научными публикациями. Он основан на анализе цитирований: кто кого цитировал, какие статьи похожи по ключевым словам и цитированиям.
Сетевой анализ — отличное дополнение к поиску по ключевым словам. Особенно полезен, когда у вас есть одна релевантная статья, и вы хотите найти похожие публикации.
Please open Telegram to view this post
VIEW IN TELEGRAM
Матрицы – не просто таблички, а мощный инструмент для визуализации связей между разными факторами и понимания их влияния друг на друга. Они пригодятся для анализа конкурентов, оценки рисков, принятия стратегических решений и многого другого.
Важно помнить: матрицы – это инструмент, а не самоцель. Главное – не просто заполнить ячейки, а проанализировать данные и найти инсайты для принятия обоснованных решений.
Это отрывок из моей книги про кабинетные исследования в библиотеке. Подробнее о методике тут.
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
какая-то библиотека
📢 Моя книга о кабинетных исследованиях
Коллеги, хочу рассказать о проекте, который для меня очень важен. Это книга, где я собрала всё, что узнала и проверила на практике за годы работы в кабинетных исследованиях.
🐈⬛Эта книга — результат шести лет работы…
Коллеги, хочу рассказать о проекте, который для меня очень важен. Это книга, где я собрала всё, что узнала и проверила на практике за годы работы в кабинетных исследованиях.
🐈⬛Эта книга — результат шести лет работы…
Forwarded from Dsight
📢 Книга о кабинетных исследованиях от ex-аналитика Dsight
Мы всегда радуемся успехам наших бывших сотрудников, и как раз есть отличный повод. Это книга, которую написала Елена Каганова, в прошлом — старший аналитик Dsight.
🐈⬛ Эта книга — результат шести лет работы, в течение которых Елена училась искать данные в самых неожиданных местах, систематизировать их так, чтобы ничего не терялось, и адаптироваться к разным задачам, используя доступные цифровые средства.
🔤 О чем книга?
Это сборник советов, историй и практических кейсов.
🟣 Как искать, систематизировать и сохранять данные так, чтобы не тратить время зря.
🟣 Чек-листы и пошаговые инструкции — всё, что помогает на практике.
🟣 Кейсы из практики — реальные истории по поиску данных и их анализу.
⭐️ Для кого книга?
Для студентов, исследователей, аналитиков, консалтеров — для всех, кто регулярно работает с информацией: ищет её, сохраняет и использует в работе.
❗️ Важно, что эта книга обновляемая. В нее будут добавляться новые главы с примерами из текущей практики Елены и методами, которые помогают ее каждый день.
Доступ к книге тут.💜
Огонь? Огонь! 🔥
Мы всегда радуемся успехам наших бывших сотрудников, и как раз есть отличный повод. Это книга, которую написала Елена Каганова, в прошлом — старший аналитик Dsight.
Это сборник советов, историй и практических кейсов.
Для студентов, исследователей, аналитиков, консалтеров — для всех, кто регулярно работает с информацией: ищет её, сохраняет и использует в работе.
Доступ к книге тут.💜
Огонь? Огонь! 🔥
Please open Telegram to view this post
VIEW IN TELEGRAM
boosty.to
Книга "Кабинетные исследования: вводный курс" - каганова: деск ричёрч
Эта книга, эта методичка, - сборник моих советов, историй и наблюдений о том, как проводить кабинетные исследования.
Вторичный анализ данных: новый взгляд на старые данные
В эпоху больших данных, когда объемы собранной и заархивированной информации растут экспоненциально, вторичный анализ данных становится все более актуальным инструментом для исследователей. Что это такое? Вторичный анализ – это использование данных, собранных кем-то другим для другой цели, для ответа на новые исследовательские вопросы.
Почему это важно?
Экономия ресурсов: Позволяет проводить исследования с ограниченными временными и финансовыми ресурсами.
Доступ к большим выборкам: Открывает возможности для анализа данных, собранных в рамках крупных проектов с репрезентативными выборками.
Ускорение исследований: Сокращает время, затрачиваемое на сбор данных, что особенно важно в быстро меняющейся сфере информационных технологий.
Новые перспективы: Позволяет переосмыслить существующие данные и получить новые знания.
Пример из практики:
В статье, на основе которой написан этот пост, рассматривается исследование роли школьных библиотекарей в интеграции технологий. Изначально данные были собраны для оценки текущей ситуации, но вторичный анализ позволил выявить факторы, способствующие и препятствующие лидерству библиотекарей в этой области.
Важные моменты:
Вторичный анализ – это не просто "халява". Это серьезный метод, требующий систематического подхода:
Четкая формулировка исследовательских вопросов.
Тщательный выбор подходящего набора данных.
Оценка качества и пригодности данных для решения поставленных задач. (Например, необходимо учитывать цель первоначального исследования, методы сбора данных, временной период и т.д.)
Учет ограничений: Важно помнить, что данные были собраны для другой цели, и это может накладывать ограничения на интерпретацию результатов.
В эпоху больших данных, когда объемы собранной и заархивированной информации растут экспоненциально, вторичный анализ данных становится все более актуальным инструментом для исследователей. Что это такое? Вторичный анализ – это использование данных, собранных кем-то другим для другой цели, для ответа на новые исследовательские вопросы.
Почему это важно?
Экономия ресурсов: Позволяет проводить исследования с ограниченными временными и финансовыми ресурсами.
Доступ к большим выборкам: Открывает возможности для анализа данных, собранных в рамках крупных проектов с репрезентативными выборками.
Ускорение исследований: Сокращает время, затрачиваемое на сбор данных, что особенно важно в быстро меняющейся сфере информационных технологий.
Новые перспективы: Позволяет переосмыслить существующие данные и получить новые знания.
Пример из практики:
В статье, на основе которой написан этот пост, рассматривается исследование роли школьных библиотекарей в интеграции технологий. Изначально данные были собраны для оценки текущей ситуации, но вторичный анализ позволил выявить факторы, способствующие и препятствующие лидерству библиотекарей в этой области.
Важные моменты:
Вторичный анализ – это не просто "халява". Это серьезный метод, требующий систематического подхода:
Четкая формулировка исследовательских вопросов.
Тщательный выбор подходящего набора данных.
Оценка качества и пригодности данных для решения поставленных задач. (Например, необходимо учитывать цель первоначального исследования, методы сбора данных, временной период и т.д.)
Учет ограничений: Важно помнить, что данные были собраны для другой цели, и это может накладывать ограничения на интерпретацию результатов.
Forwarded from Denis Sexy IT 🤖
Полезная ссылка для тех кто учится и кому нужны доступы к платным англоязычным научным статьям или книгам:
http://open-slum.org - тут собраны крупные «теневые библиотеки» и их статусы в режиме реального времени
http://open-slum.org - тут собраны крупные «теневые библиотеки» и их статусы в режиме реального времени
Forwarded from Коллективное действие
Каждый день мы встречаемся с результатами соцопросов: политики, журналисты и блогеры приводят разные цифры в подтверждение своих слов. Часто они подают опросы как зеркало общественного мнения.
Тем не менее, их результаты по одним темам нередко расходятся, а разные акторы по-разному интерпретируют и подают данные. Опросы могут работать не только как достоверная обратная связь, но и как конвейер по производству нужных результатов. Итоги исследований превращают в кликбейтные заголовки, которые вводят людей в заблуждение.
Почему все цифры разные? Каким из них можно доверять? Можно ли судить о мнении населения по ответам 1600 респондентов? И как формулировки вопросов подталкивают к «правильным» ответам? Разбираемся в карточках с исследовательницей «Коллективного действия» Людмилой Рудаковой.
Есть исследовательские центры, которые занимаются проведением опросов со знанием и соблюдением методологии. К их результатам можно относиться с меньшим скепсисом, чем к другим, но не забывать сверяться с описанными в карточках нюансами.
— Всероссийский центр исследования общественного мнения (ВЦИОМ)
— Фонд «Общественное Мнение» (ФОМ)
— Левада-Центр*
— Исследовательский холдинг «Российское общественное мнение и исследование рынка» (РОМИР)
— Russian Field
* Иноагент по версии Минюста РФ
Please open Telegram to view this post
VIEW IN TELEGRAM
🔬 ChatGPT для научных публикаций: продвинутый гайд для исследователей 🔬
Коллеги! 👩🔬👨🔬 В сегодняшнем посте разбираем продвинутый гайд по использованию ChatGPT для подготовки научных публикаций, основанный на публикации в JPPT. Этот инструмент может значительно оптимизировать ваш workflow, но требует глубокого понимания его возможностей и ограничений.
Основные этапы работы с ChatGPT (Продвинутый уровень):
1. Генерация заголовков и титульных страниц: ChatGPT может предложить варианты заголовков, учитывая ключевые слова, методологию и результаты. Лайфхак: Используйте промпты с уточнением целевой аудитории и тематического направления журнала. При создании титульной страницы убедитесь в соответствии с требованиями конкретного издательства (формат, порядок элементов, контактная информация).
2. Создание аннотации/резюме: Помните о принципе "меньше слов - больше смысла". ChatGPT поможет сжато изложить суть работы. Продвинутый прием: Используйте технику "Summary of summaries", предоставив ChatGPT уже отредактированные версии разделов работы, чтобы он сгенерировал обобщение.
3. Написание введения: ChatGPT структурирует введение, но требует глубокой ревизии. Ключевой момент: Убедитесь, что введение четко отражает актуальность исследования, его цели и связь с предшествующими работами. Используйте ChatGPT для генерации ключевых слов и сокращений, но обязательно проверьте их корректность и соответствие общепринятым стандартам.
4. Обзор литературы: ChatGPT может помочь в создании базового обзора, но КРИТИЧЕСКИ важно: не полагаться только на его результаты. Проверяйте актуальность цитируемых источников, обращайте внимание на методологию исследований, на которые ссылается ChatGPT. Продвинутый подход: Используйте ChatGPT для поиска работ по ключевым словам, но всегда проводите независимый поиск в релевантных базах данных (Scopus, Web of Science и др.).
5. Мозговой штурм методологии: ChatGPT может предложить варианты дизайна исследования, методов сбора и анализа данных. Важно: Используйте эти предложения как отправную точку для критического анализа. Учитывайте ограничения ChatGPT в отношении специфики вашего исследования. Продвинутый метод: Попросите ChatGPT сгенерировать список вопросов, которые следует учитывать при выборе методологии, чтобы убедиться в ее обоснованности.
6. Запрет на фальсификацию данных: Недопустимо использовать ChatGPT для создания, подделки или анализа результатов исследований! Это прямо противоречит этике научных публикаций.
7. Разделы "Обсуждение" и "Выводы": ChatGPT может помочь в структурировании этих разделов, но требует тщательной проверки и редактирования. Учитывайте: ChatGPT может упустить важные аспекты интерпретации результатов, потенциальные ограничения исследования. Обязательно проанализируйте сильные и слабые стороны своей работы.
8. Ссылки (Список литературы): ChatGPT не является надежным источником для создания списка литературы. Рекомендуется: использовать ChatGPT для преобразования существующих ссылок в определенный стиль, но всегда перепроверять корректность.
✨
Коллеги! 👩🔬👨🔬 В сегодняшнем посте разбираем продвинутый гайд по использованию ChatGPT для подготовки научных публикаций, основанный на публикации в JPPT. Этот инструмент может значительно оптимизировать ваш workflow, но требует глубокого понимания его возможностей и ограничений.
Основные этапы работы с ChatGPT (Продвинутый уровень):
1. Генерация заголовков и титульных страниц: ChatGPT может предложить варианты заголовков, учитывая ключевые слова, методологию и результаты. Лайфхак: Используйте промпты с уточнением целевой аудитории и тематического направления журнала. При создании титульной страницы убедитесь в соответствии с требованиями конкретного издательства (формат, порядок элементов, контактная информация).
2. Создание аннотации/резюме: Помните о принципе "меньше слов - больше смысла". ChatGPT поможет сжато изложить суть работы. Продвинутый прием: Используйте технику "Summary of summaries", предоставив ChatGPT уже отредактированные версии разделов работы, чтобы он сгенерировал обобщение.
3. Написание введения: ChatGPT структурирует введение, но требует глубокой ревизии. Ключевой момент: Убедитесь, что введение четко отражает актуальность исследования, его цели и связь с предшествующими работами. Используйте ChatGPT для генерации ключевых слов и сокращений, но обязательно проверьте их корректность и соответствие общепринятым стандартам.
4. Обзор литературы: ChatGPT может помочь в создании базового обзора, но КРИТИЧЕСКИ важно: не полагаться только на его результаты. Проверяйте актуальность цитируемых источников, обращайте внимание на методологию исследований, на которые ссылается ChatGPT. Продвинутый подход: Используйте ChatGPT для поиска работ по ключевым словам, но всегда проводите независимый поиск в релевантных базах данных (Scopus, Web of Science и др.).
5. Мозговой штурм методологии: ChatGPT может предложить варианты дизайна исследования, методов сбора и анализа данных. Важно: Используйте эти предложения как отправную точку для критического анализа. Учитывайте ограничения ChatGPT в отношении специфики вашего исследования. Продвинутый метод: Попросите ChatGPT сгенерировать список вопросов, которые следует учитывать при выборе методологии, чтобы убедиться в ее обоснованности.
6. Запрет на фальсификацию данных: Недопустимо использовать ChatGPT для создания, подделки или анализа результатов исследований! Это прямо противоречит этике научных публикаций.
7. Разделы "Обсуждение" и "Выводы": ChatGPT может помочь в структурировании этих разделов, но требует тщательной проверки и редактирования. Учитывайте: ChatGPT может упустить важные аспекты интерпретации результатов, потенциальные ограничения исследования. Обязательно проанализируйте сильные и слабые стороны своей работы.
8. Ссылки (Список литературы): ChatGPT не является надежным источником для создания списка литературы. Рекомендуется: использовать ChatGPT для преобразования существующих ссылок в определенный стиль, но всегда перепроверять корректность.
Please open Telegram to view this post
VIEW IN TELEGRAM
PubMed Central (PMC)
ChatGPT for Research and Publication: A Step-by-Step Guide
Коллеги, а (ну вдруг) есть кто-то из промышленности, кто внедряет в работу генеративный ИИ?
Хочу попросить об интервью для важного исследования. 👾
Хочу попросить об интервью для важного исследования. 👾