Эффект Матфея
С рабочего стола ЦИАНО - делимся интересным о науке и образовании. Больше о нас: http://ciase.ru/
TGlist rating
0
0
TypePublic
Verification
Not verifiedTrust
Not trustedLocation
LanguageOther
Channel creation dateMar 21, 2021
Added to TGlist
Mar 10, 2025Subscribers
975
24 hours
10.1%Week
141.5%Month
252.7%
Citation index
0
Mentions0Shares on channels0Mentions on channels0
Average views per post
297
12 hours2830%24 hours2970%48 hours3390%
Engagement rate (ER)
5.05%
Reposts5Comments0Reactions10
Engagement rate by reach (ERR)
0%
24 hours0%Week
7.49%Month
13.8%
Average views per ad post
0
1 hour00%1 – 4 hours00%4 - 24 hours00%
Total posts in 24 hours
0
Dynamic
-
Latest posts in group "Эффект Матфея"
13.05.202511:05
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.
08.05.202514:09
✨ 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.
30.04.202513:48
✨ 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.
23.04.202508:33
✨ 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).
15.04.202511:41
✨ 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.
Reposted from:
Социология с любовью
10.04.202507:54
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.
08.04.202511:02
✨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.
04.04.202512:07
✨ Thesify, Elicit, SciSpace, Jenni AI, Julius AI, AnswerThis, Unriddle, Consensus, Perplexity...
Звучит знакомо или как набор заклинаний из будущего?
Каждый день появляются всё новые AI-инструменты для учёных: они ищут релевантные статьи, предлагают идеи, помогают писать тексты, анализируют исследования и сужают фокус до самого важного. Но уследить за всем этим потоком — не самая простая задача.
💡 Отличный способ держать руку на пульсе — ютуб-канал Andy Stapleton, который тестирует и делится опытом использования самых актуальных AI-инструментов для академической работы. Одно из его последних видео — AI Tools Academics SWEAR By (and the Ones to AVOID!) — рассказывает, какие из них действительно экономят время и нервы.
Рекомендуем также к просмотру:
The AI That Will Save You WEEKS of Research Time! Unriddle AI
The Best AI Tools for Academia in 2025 — Stop Searching, Start Using!
Why NotebookLM Is the Secret Weapon of Top Researchers
И многое другое!
Звучит знакомо или как набор заклинаний из будущего?
Каждый день появляются всё новые AI-инструменты для учёных: они ищут релевантные статьи, предлагают идеи, помогают писать тексты, анализируют исследования и сужают фокус до самого важного. Но уследить за всем этим потоком — не самая простая задача.
💡 Отличный способ держать руку на пульсе — ютуб-канал Andy Stapleton, который тестирует и делится опытом использования самых актуальных AI-инструментов для академической работы. Одно из его последних видео — AI Tools Academics SWEAR By (and the Ones to AVOID!) — рассказывает, какие из них действительно экономят время и нервы.
Рекомендуем также к просмотру:
The AI That Will Save You WEEKS of Research Time! Unriddle AI
The Best AI Tools for Academia in 2025 — Stop Searching, Start Using!
Why NotebookLM Is the Secret Weapon of Top Researchers
И многое другое!
28.03.202511:51
✨ Cancelling в академии: Публичные обвинения в сексуальных домогательствах приводят к большему падению числа цитирований, чем обвинения в недобросовестной научной работе
В фантастичном мире все исследователи получают оценку (выраженную, например, в числе цитирований) исключительно на основании своих заслуг и обоснованности их претензий на новое знание. Но реальность сложнее: на репутацию ученых и цитируемость их работ влияют и вненаучные факторы. Недавнее исследование, опубликованное в PLOS ONE задается вопросом о "цитатной цене" публичных обвинений в сексуальных домогательствах и научной недобросовестности.
Что проверяли исследователи?
Сюжет работы выстроен на противопоставлении двух проступков, - сексуальных домогательств и актов научной недобросовестности (фабрикации данных, плагиата, и проч.), - и влиянии их публичного обсуждения на дальнейшую цитируемость работ обвиняемых ученых. Если харассмент со стороны автора никак (предположительно) не связан с содержанием производимого им научного знания, то нарушение научной этики (предположительно) способно бросить тень на все портфолио его работ. В реальности, конечно, и публичные обвинения в сексуальных домогательствах могут стать причиной потери цитирования дабы избежать возможные ассоциации с проступками виновных.
Эмпирически, работа основана на анализе погодовых цитирований работ 30 авторов, публично обвиненных в сексуальных домагательствах или нарушениях научной этики (по 15 на каждую категорию проступков), и погодовых цитированиях смэтченных с ними 150 (5 к 1) других ученых. Для попадания в первую группу требовалось иметь не менее 200 цитирований, получить публичное обвинение в 2017 году или ранее, и появиться в соответствующей базе данных: the Academic Sexual Misconduct Database, Retraction Watch, Wikipedia’s List of Scientific Misconduct Incidents. Последнее требовалось авторам для того, чтобы анализируемые группы были примерно сбалансированы по степени освещения их проступков в медиа (что напоминает нам: каузальные дизайны – не только про вычисления, но и про убеждение читателя). Для подбора пар авторы изучали профили сотрудников тех же университетов или с аналогичным рейтингом, и искали соответствия по дисциплине и темам исследований, научной степени и общему числу цитирований.
Всего авторы работали с базой (WoS), состоящей из (1) погодовых цитирований 5888 публикаций за авторством 30 обвиненных авторов, и (2) 26053 публикаций за авторством 142 смэтченных ученых, что в сумме дает 290038 наблюдений за (максимум) 13 лет (до 10 – до обвинения, и 3 года после него). В статье много занимательных и тонких решений (вроде учета естественного роста числа цитирований со временем или перепроверки результатов для публикаций с небольшим числом соавторов), сопутствующих применению метода difference-in-difference-indifferences.
Какие результаты?
Результаты показали (см. график в статье), что, если (1) тренды цитирования обеих контрольных групп и ученых, обвиненных в нарушениях научной этики, значимо не изменились, то (2) для ученых, обвиненных в сексуальных домогательствах, “citation penalty” оказалось значимым и ощутимым. Пикантности этим результатам придает то, что в ходе проведенного авторами летом 2023 года опроса 240 ученых выяснилось, что большинство из них предпочло бы (при условии одинакового содержания) процитировать скорее работы авторов, обвиненных в сексуальных домогательствах (так ответило 85% респондентов). Почему так? Во-первых, ученые могут переоценивать свою способность к разделению научных заслуг и морали, а во-вторых, - они могут просто не желать признаваться, что их практика расходится с нормативными ожиданиями системы науки.
Мы видим, что отдельные акты цитирования очень чувствительны к факторам, не связанным с научной ценностью публикаций (их релевантностью и качеством). И хотя этот вывод уже хорошо знаком социологам, статья производит впечатление сложной смешанной методологией, позволяющей подсветить расхождение между убеждениями ученых и их практиками.
В фантастичном мире все исследователи получают оценку (выраженную, например, в числе цитирований) исключительно на основании своих заслуг и обоснованности их претензий на новое знание. Но реальность сложнее: на репутацию ученых и цитируемость их работ влияют и вненаучные факторы. Недавнее исследование, опубликованное в PLOS ONE задается вопросом о "цитатной цене" публичных обвинений в сексуальных домогательствах и научной недобросовестности.
Что проверяли исследователи?
Сюжет работы выстроен на противопоставлении двух проступков, - сексуальных домогательств и актов научной недобросовестности (фабрикации данных, плагиата, и проч.), - и влиянии их публичного обсуждения на дальнейшую цитируемость работ обвиняемых ученых. Если харассмент со стороны автора никак (предположительно) не связан с содержанием производимого им научного знания, то нарушение научной этики (предположительно) способно бросить тень на все портфолио его работ. В реальности, конечно, и публичные обвинения в сексуальных домогательствах могут стать причиной потери цитирования дабы избежать возможные ассоциации с проступками виновных.
Эмпирически, работа основана на анализе погодовых цитирований работ 30 авторов, публично обвиненных в сексуальных домагательствах или нарушениях научной этики (по 15 на каждую категорию проступков), и погодовых цитированиях смэтченных с ними 150 (5 к 1) других ученых. Для попадания в первую группу требовалось иметь не менее 200 цитирований, получить публичное обвинение в 2017 году или ранее, и появиться в соответствующей базе данных: the Academic Sexual Misconduct Database, Retraction Watch, Wikipedia’s List of Scientific Misconduct Incidents. Последнее требовалось авторам для того, чтобы анализируемые группы были примерно сбалансированы по степени освещения их проступков в медиа (что напоминает нам: каузальные дизайны – не только про вычисления, но и про убеждение читателя). Для подбора пар авторы изучали профили сотрудников тех же университетов или с аналогичным рейтингом, и искали соответствия по дисциплине и темам исследований, научной степени и общему числу цитирований.
Всего авторы работали с базой (WoS), состоящей из (1) погодовых цитирований 5888 публикаций за авторством 30 обвиненных авторов, и (2) 26053 публикаций за авторством 142 смэтченных ученых, что в сумме дает 290038 наблюдений за (максимум) 13 лет (до 10 – до обвинения, и 3 года после него). В статье много занимательных и тонких решений (вроде учета естественного роста числа цитирований со временем или перепроверки результатов для публикаций с небольшим числом соавторов), сопутствующих применению метода difference-in-difference-indifferences.
Какие результаты?
Результаты показали (см. график в статье), что, если (1) тренды цитирования обеих контрольных групп и ученых, обвиненных в нарушениях научной этики, значимо не изменились, то (2) для ученых, обвиненных в сексуальных домогательствах, “citation penalty” оказалось значимым и ощутимым. Пикантности этим результатам придает то, что в ходе проведенного авторами летом 2023 года опроса 240 ученых выяснилось, что большинство из них предпочло бы (при условии одинакового содержания) процитировать скорее работы авторов, обвиненных в сексуальных домогательствах (так ответило 85% респондентов). Почему так? Во-первых, ученые могут переоценивать свою способность к разделению научных заслуг и морали, а во-вторых, - они могут просто не желать признаваться, что их практика расходится с нормативными ожиданиями системы науки.
Мы видим, что отдельные акты цитирования очень чувствительны к факторам, не связанным с научной ценностью публикаций (их релевантностью и качеством). И хотя этот вывод уже хорошо знаком социологам, статья производит впечатление сложной смешанной методологией, позволяющей подсветить расхождение между убеждениями ученых и их практиками.
10.03.202509:31
✨ Машинная оценка научных результатов - реальность или утопия?
Оценка научных результатов - неотъемлемая часть управления наукой, ведь на ее основе распределяется часть ресурсов на исследования. При этом сама оценка в масштабе любой крупной страны - весьма ресурсозатратная деятельность. Ученые уже давно ищут оптимальную модель оценки - ту, которая дает справедливые результаты при не очень больших затратах. И, конечно, ученые не могли пройти мимо возможностей искусственного интеллекта и машинного обучения.
Исследованиями этой тематики занимается группа британских ученых под руководством Майка Телвола (Mike Thelwall) и Кайвана Куша (Kayvan Kousha). Ученые тестируют разные алгоритмы и продукты, предлагая им оценивать научные статьи по тем или иным критериям - и сравнивают оценки алгоритмов с "человеческими".
В одном из исследований Майк Телвол загрузил в ChatGPT критерии британской системы оценки исследований REF и попросил чат оценить уровень 51 своей научной статьи. Когда автор сравнил оценки ChatGPT с теми, которые он поставил сам по тем же критериям REF, средняя корреляция оказалась всего 0.281. Однако, если брать не отдельную оценку ChatGPT, а среднюю в серии испытаний, корреляция повышается до 0.509.
В более масштабном исследовании команда авторов тестировала 32 предсказательных алгоритма уже на массиве 85 тысяч статей. Целью было понять могут ли какие-то алгоритмы по набору характеристик статьи точно предсказать, какие оценки ей поставили эксперты REF. В результате точность предсказания варьировалась не только по алгоритмам, но и по областям науки, не превышая 72%.
Опубликованные результаты говорят о том, что пока заменить оценку экспертов на машинную невозможно. Однако, алгоритмы совершенствуются и исследования будут продолжаться. Ученые ищут не только алгоритмы, дающие высокую точность, но и области с высокой предсказательностью - ведь экономию может давать даже частичная замена работы экспертов там, где машинная оценка дает эквивалентный результат. Впрочем, для внедрения таких новаций необходимо их одобрение научным сообществом, а это является отдельным сложным вопросом.
До 30 апреля 2025 года можно еще подать статью для специальной тематической подборки журнала Scientometrics. Журнал ждет статьи об использовании ИИ в наукометрии: от AI-усиленной оценки исследований до анализа научной литературы с LLM.
Оценка научных результатов - неотъемлемая часть управления наукой, ведь на ее основе распределяется часть ресурсов на исследования. При этом сама оценка в масштабе любой крупной страны - весьма ресурсозатратная деятельность. Ученые уже давно ищут оптимальную модель оценки - ту, которая дает справедливые результаты при не очень больших затратах. И, конечно, ученые не могли пройти мимо возможностей искусственного интеллекта и машинного обучения.
Исследованиями этой тематики занимается группа британских ученых под руководством Майка Телвола (Mike Thelwall) и Кайвана Куша (Kayvan Kousha). Ученые тестируют разные алгоритмы и продукты, предлагая им оценивать научные статьи по тем или иным критериям - и сравнивают оценки алгоритмов с "человеческими".
В одном из исследований Майк Телвол загрузил в ChatGPT критерии британской системы оценки исследований REF и попросил чат оценить уровень 51 своей научной статьи. Когда автор сравнил оценки ChatGPT с теми, которые он поставил сам по тем же критериям REF, средняя корреляция оказалась всего 0.281. Однако, если брать не отдельную оценку ChatGPT, а среднюю в серии испытаний, корреляция повышается до 0.509.
В более масштабном исследовании команда авторов тестировала 32 предсказательных алгоритма уже на массиве 85 тысяч статей. Целью было понять могут ли какие-то алгоритмы по набору характеристик статьи точно предсказать, какие оценки ей поставили эксперты REF. В результате точность предсказания варьировалась не только по алгоритмам, но и по областям науки, не превышая 72%.
Опубликованные результаты говорят о том, что пока заменить оценку экспертов на машинную невозможно. Однако, алгоритмы совершенствуются и исследования будут продолжаться. Ученые ищут не только алгоритмы, дающие высокую точность, но и области с высокой предсказательностью - ведь экономию может давать даже частичная замена работы экспертов там, где машинная оценка дает эквивалентный результат. Впрочем, для внедрения таких новаций необходимо их одобрение научным сообществом, а это является отдельным сложным вопросом.
До 30 апреля 2025 года можно еще подать статью для специальной тематической подборки журнала Scientometrics. Журнал ждет статьи об использовании ИИ в наукометрии: от AI-усиленной оценки исследований до анализа научной литературы с LLM.
07.03.202512:03
Пока внимание мировой общественности сосредоточено на громких политических баталиях, в тени остаётся важная тема – резкое сокращение поддержки науки в США. Новая администрация предпринимает жёсткие реформы, затрагивающие крупнейших научных грантодателей, таких как Национальный научный фонд (NSF) и Национальные институты здравоохранения (NIH).
7 февраля NIH объявил об ограничении возмещения косвенных расходов на уровне 15%, что ограничивает развитие необходимой лабораторной инфраструктуры. NSF приостановил выдачу новых грантов и начал сокращение собственного персонала, что грозит массовыми увольнениями.
Дополнительную тревогу вызывает запрет на использование ряда терминов* в научных проектах по настоянию сенатора Тэда Круза. Исследования биоразнообразия растений и меры по борьбе с наводнениями оказались под ударом лишь потому, что в них упоминались слова, связанные с климатическими изменениями и проблемами меньшинств. Учёные уже проводят параллели с эпохой лысенковщины. Пока череда судебных разбирательств и протестов ещё носит скорее хаотичный чем организованный характер, что отмечает академик А.Р. Хохлов.
Сокращения не обошли и регионы. В штате Мэн под угрозу прекращения попала программа Морских грантов, привлекавшая к совместным работам с местными учёными ведущих исследователей страны. Кроме того, здания Национального управления океанических и атмосферных исследований (NOAA) начали выставлять на продажу. Эти центры играли ключевую роль в глобальных исследованиях климатических изменений.
Хотя сравнивать ситуацию с российской наукой напрямую сложно, аналогии всё же напрашиваются. В истории финансирования науки обеих стран можно найти много общего: развитие системы грантов, смена приоритетов, а сейчас и политическое давление. Разобраться в этом поможет большой коллективный труд "Наука и общество в XX-XXI веках". В его первом томе ЦИАНО ЕУ представлено очерком Алексея Железнова "Научные фонды и система грантов", в котором описано, как и американцы, и, затем, россияне пришли к финансированию науки через механизм грантов. Фигуры Вэнивара Буша и Бориса Салтыкова на страницах очерка формируют мир грантов до прихода в политику Илона Маска.
* Знакомая нам история. Гендер, к примеру, стал отчетливо избегаемой темой в российской науке. 2021 год был пиком гендерной тематики в социологии — вышло 150 социологических статей, уже в 2023 году их число сократилось на треть, составив всего 100 публикаций
7 февраля NIH объявил об ограничении возмещения косвенных расходов на уровне 15%, что ограничивает развитие необходимой лабораторной инфраструктуры. NSF приостановил выдачу новых грантов и начал сокращение собственного персонала, что грозит массовыми увольнениями.
Дополнительную тревогу вызывает запрет на использование ряда терминов* в научных проектах по настоянию сенатора Тэда Круза. Исследования биоразнообразия растений и меры по борьбе с наводнениями оказались под ударом лишь потому, что в них упоминались слова, связанные с климатическими изменениями и проблемами меньшинств. Учёные уже проводят параллели с эпохой лысенковщины. Пока череда судебных разбирательств и протестов ещё носит скорее хаотичный чем организованный характер, что отмечает академик А.Р. Хохлов.
Сокращения не обошли и регионы. В штате Мэн под угрозу прекращения попала программа Морских грантов, привлекавшая к совместным работам с местными учёными ведущих исследователей страны. Кроме того, здания Национального управления океанических и атмосферных исследований (NOAA) начали выставлять на продажу. Эти центры играли ключевую роль в глобальных исследованиях климатических изменений.
Хотя сравнивать ситуацию с российской наукой напрямую сложно, аналогии всё же напрашиваются. В истории финансирования науки обеих стран можно найти много общего: развитие системы грантов, смена приоритетов, а сейчас и политическое давление. Разобраться в этом поможет большой коллективный труд "Наука и общество в XX-XXI веках". В его первом томе ЦИАНО ЕУ представлено очерком Алексея Железнова "Научные фонды и система грантов", в котором описано, как и американцы, и, затем, россияне пришли к финансированию науки через механизм грантов. Фигуры Вэнивара Буша и Бориса Салтыкова на страницах очерка формируют мир грантов до прихода в политику Илона Маска.
* Знакомая нам история. Гендер, к примеру, стал отчетливо избегаемой темой в российской науке. 2021 год был пиком гендерной тематики в социологии — вышло 150 социологических статей, уже в 2023 году их число сократилось на треть, составив всего 100 публикаций
04.03.202511:10
04.03.202511:09
Канал eLIBRARY.RU рассказал о новом исследовании связи публикационного давления и академической недобросовестности. В статье "Scientometric indicators in research evaluation and research misconduct: analysis of the Russian university excellence initiative" показано, что в университетах 5-100, которые ставили перед собой цели достичь публикационных успехов за короткое время, оказалось значимо большее количество ретрагированных публикаций в журналах, индексируемых в WoS/Scopus.
В продолжении темы поделимся цифрами о публикационном давлении и академической нечестности в российской экономической науке. Осенью 2021 года мы провели репрезентативный опрос российских экономистов по вопросам академической этики (при содействии eLIBRARY.RU).
✨ 67% респондентов сообщили о наличии системы выплат за публикации в журналах, индексируемых международными базами
✨в университетах программы 5-100 этот показатель еще выше — 78% респондентов из таких университетов упомянули о материальных стимулах (см. примеры в таблице с информацией за 2022 год)
✨более половины опрошенных таких выплат не получали, а среди тех, кто получал, большинство отметили, что выплаты составляли треть зарплаты или меньше
Для многих экономистов статьи в платных недобросовестных журналах стали решением проблемы.
✨45,3% респондентов считают, что публикации в недобросовестных журналах заметно распространены среди российских экономистов
✨в их собственных организациях этот показатель ниже — 28%
✨15% опрошенных признались, что пользовались услугами посредников для публикации статей
Исследования показывают, что нарушения в академической среде чаще происходят, когда ученые не воспринимают правила игры как честные и справедливые. Публикации в "хищных" журналах и другие нарушения академической этики становятся вынужденной стратегией в условиях несоразмерных требований и нехватки ресурсов.
✨44,7% респондентов абсолютно согласны с тем, что стремление университетов к высоким позициям в рейтингах оправдывает использование любых доступных методов для публикации статей (еще 20% скорее согласны, чем не согласны).
В контексте такого сильного публикационного давления, многие ученые просто не считают, что нарушения правил заслуживает осуждения – 35% респондентов полагают допустимым публиковать статьи в журнале, который за деньги публикует все, что угодно. Такое отношение к правилам не является чем-то российским уникальным – читайте об оправдании стратегических приемов в книге Эммануэля Кульчицкого Evaluation Game.
В продолжении темы поделимся цифрами о публикационном давлении и академической нечестности в российской экономической науке. Осенью 2021 года мы провели репрезентативный опрос российских экономистов по вопросам академической этики (при содействии eLIBRARY.RU).
✨ 67% респондентов сообщили о наличии системы выплат за публикации в журналах, индексируемых международными базами
✨в университетах программы 5-100 этот показатель еще выше — 78% респондентов из таких университетов упомянули о материальных стимулах (см. примеры в таблице с информацией за 2022 год)
✨более половины опрошенных таких выплат не получали, а среди тех, кто получал, большинство отметили, что выплаты составляли треть зарплаты или меньше
Для многих экономистов статьи в платных недобросовестных журналах стали решением проблемы.
✨45,3% респондентов считают, что публикации в недобросовестных журналах заметно распространены среди российских экономистов
✨в их собственных организациях этот показатель ниже — 28%
✨15% опрошенных признались, что пользовались услугами посредников для публикации статей
Исследования показывают, что нарушения в академической среде чаще происходят, когда ученые не воспринимают правила игры как честные и справедливые. Публикации в "хищных" журналах и другие нарушения академической этики становятся вынужденной стратегией в условиях несоразмерных требований и нехватки ресурсов.
✨44,7% респондентов абсолютно согласны с тем, что стремление университетов к высоким позициям в рейтингах оправдывает использование любых доступных методов для публикации статей (еще 20% скорее согласны, чем не согласны).
В контексте такого сильного публикационного давления, многие ученые просто не считают, что нарушения правил заслуживает осуждения – 35% респондентов полагают допустимым публиковать статьи в журнале, который за деньги публикует все, что угодно. Такое отношение к правилам не является чем-то российским уникальным – читайте об оправдании стратегических приемов в книге Эммануэля Кульчицкого Evaluation Game.
Reposted from:
eLIBRARY.RU
04.03.202511:08
Проект 5-100 как гонка за метриками
В журнале Scientometrics опубликована статья Андрея Ловакова и Жайме А. Тайшера да Силва "Наукометрические показатели в оценке исследований и академическая недобросовестность: анализ российского проекта повышения конкурентоспособности университетов (5–100)".
Статья посвящена анализу влияния Проекта 5-100 на академическую недобросовестность в российских вузах. Актуальность исследования обусловлена растущим использованием библиометрических показателей (например, публикаций в международных базах Web of Science и Scopus) в системах оценки научной деятельности, что может создавать давление на исследователей и провоцировать этические нарушения, такие как плагиат, фальсификация данных и иные манипуляции.
Цель исследования - сравнить уровень академической недобросовестности (через анализ ретрагированных публикаций) между университетами, участвующими в 5-100, и контрольной группой вузов. Основные задачи включали:
1. Идентификацию ретрагированных публикаций российских авторов в международных и локальных журналах.
2. Сравнение количества и причин отзыва статей в группе 5-100 и контрольной.
3. Оценку связи между использованием метрик и ростом недобросовестных практик.
Основные результаты:
- Университеты 5-100 демонстрируют значимо большее количество ретрагированных публикаций в журналах, индексируемых в WoS/Scopus, по сравнению с контрольной группой (Mann-Whitney U-тест: W = 93, p = 0,002).
- Наибольшее число отзывов связано с фальсификацией данных, манипуляциями и проблемами авторства (30-34% случаев в группе 5-100).
- В локальных журналах преобладают плагиат и самоплагиат (25-36% случаев), что отражает различия в стратегиях публикаций.
- Пики отзывов приходятся на 2015-2016 гг. (локальные журналы) и 2020-2022 гг. (международные базы), что связано с активностью «фабрик статей» и слабым контролем качества.
Результаты подчеркивают риски чрезмерной зависимости от количественных метрик в оценке науки. Требование публикации в международных базах, подкрепленное финансовыми стимулами, способствует распространению неэтичных практик, снижая доверие к научным результатам. Исследование имеет важное значение для разработки политик в области научной оценки: необходимо сместить фокус с количества публикаций на их качество, усилить контроль за соблюдением этических норм и пересмотреть критерии финансирования вузов. Выводы также актуальны для глобального научного сообщества, сталкивающегося с аналогичными проблемами в условиях «публикуйся или погибни».
В журнале Scientometrics опубликована статья Андрея Ловакова и Жайме А. Тайшера да Силва "Наукометрические показатели в оценке исследований и академическая недобросовестность: анализ российского проекта повышения конкурентоспособности университетов (5–100)".
Статья посвящена анализу влияния Проекта 5-100 на академическую недобросовестность в российских вузах. Актуальность исследования обусловлена растущим использованием библиометрических показателей (например, публикаций в международных базах Web of Science и Scopus) в системах оценки научной деятельности, что может создавать давление на исследователей и провоцировать этические нарушения, такие как плагиат, фальсификация данных и иные манипуляции.
Цель исследования - сравнить уровень академической недобросовестности (через анализ ретрагированных публикаций) между университетами, участвующими в 5-100, и контрольной группой вузов. Основные задачи включали:
1. Идентификацию ретрагированных публикаций российских авторов в международных и локальных журналах.
2. Сравнение количества и причин отзыва статей в группе 5-100 и контрольной.
3. Оценку связи между использованием метрик и ростом недобросовестных практик.
Основные результаты:
- Университеты 5-100 демонстрируют значимо большее количество ретрагированных публикаций в журналах, индексируемых в WoS/Scopus, по сравнению с контрольной группой (Mann-Whitney U-тест: W = 93, p = 0,002).
- Наибольшее число отзывов связано с фальсификацией данных, манипуляциями и проблемами авторства (30-34% случаев в группе 5-100).
- В локальных журналах преобладают плагиат и самоплагиат (25-36% случаев), что отражает различия в стратегиях публикаций.
- Пики отзывов приходятся на 2015-2016 гг. (локальные журналы) и 2020-2022 гг. (международные базы), что связано с активностью «фабрик статей» и слабым контролем качества.
Результаты подчеркивают риски чрезмерной зависимости от количественных метрик в оценке науки. Требование публикации в международных базах, подкрепленное финансовыми стимулами, способствует распространению неэтичных практик, снижая доверие к научным результатам. Исследование имеет важное значение для разработки политик в области научной оценки: необходимо сместить фокус с количества публикаций на их качество, усилить контроль за соблюдением этических норм и пересмотреть критерии финансирования вузов. Выводы также актуальны для глобального научного сообщества, сталкивающегося с аналогичными проблемами в условиях «публикуйся или погибни».
26.02.202509:56
Мы продолжаем принимать заявки на серию воркшопов ЦИАНО — заявки принимаются до <strike>28 февраля</strike> 1 марта включительно. Воркшопы разработаны при поддержке Фонда Потанина для авторов, которые хотят улучшить качество научных обзоров.
Почему важно читать и писать научные обзоры?
✨Читать обзоры — значит видеть шире
Самое очевидное – обзоры помогают написать свой собственный обзор, который предшествует анализу эмпирических данных. Но не только. Социологи показывают, что новые идеи рождаются на стыке неожиданных областей. Именно поэтому научные обзоры так важны — они помогают ориентироваться в незнакомых полях исследований и найти новые точки роста для исследований. Чем больше вы читаете обзоров, тем выше шанс найти инсайт, который изменит понимание проблемы.
✨Писать обзоры — значит формировать будущее науки
Обзорные статьи — это не просто сводка уже известных фактов. Они задают направление дискуссии, обозначают пробелы и даже влияют на то, какие исследования будут в центре внимания. Существует такой парадокс: включение статьи в обзор не всегда повышает ее цитируемость. Напротив, в среднем такие работы цитируют реже, чем если бы они не были упомянуты. Почему? Потому что обзор перенаправляет внимание с отдельных публикаций на более широкую концепцию, объединяющую множество исследований.
Хотите понимать, куда движется наука — читайте обзоры. Хотите на это движение повлиять — пишите их. А мы поможем в том, чтобы продвинуться с новым обзором.
P.S. Российские ученые публикуют всего около 4% обзоров от общего числа публикаций. Хотя этот показатель растет (с 3,2% в 2017 году до 4,9% в 2023 году), он все еще ниже, чем в ряде других стран — например, в Германии в 2023 году на обзоры приходилось 6,3% публикаций.
Почему важно читать и писать научные обзоры?
✨Читать обзоры — значит видеть шире
Самое очевидное – обзоры помогают написать свой собственный обзор, который предшествует анализу эмпирических данных. Но не только. Социологи показывают, что новые идеи рождаются на стыке неожиданных областей. Именно поэтому научные обзоры так важны — они помогают ориентироваться в незнакомых полях исследований и найти новые точки роста для исследований. Чем больше вы читаете обзоров, тем выше шанс найти инсайт, который изменит понимание проблемы.
✨Писать обзоры — значит формировать будущее науки
Обзорные статьи — это не просто сводка уже известных фактов. Они задают направление дискуссии, обозначают пробелы и даже влияют на то, какие исследования будут в центре внимания. Существует такой парадокс: включение статьи в обзор не всегда повышает ее цитируемость. Напротив, в среднем такие работы цитируют реже, чем если бы они не были упомянуты. Почему? Потому что обзор перенаправляет внимание с отдельных публикаций на более широкую концепцию, объединяющую множество исследований.
Хотите понимать, куда движется наука — читайте обзоры. Хотите на это движение повлиять — пишите их. А мы поможем в том, чтобы продвинуться с новым обзором.
P.S. Российские ученые публикуют всего около 4% обзоров от общего числа публикаций. Хотя этот показатель растет (с 3,2% в 2017 году до 4,9% в 2023 году), он все еще ниже, чем в ряде других стран — например, в Германии в 2023 году на обзоры приходилось 6,3% публикаций.
Records
18.05.202523:59
975Subscribers31.03.202523:59
200Citation index10.02.202517:00
935Average views per post20.05.202503:39
0Average views per ad post05.04.202523:59
11.89%ER27.02.202520:28
106.25%ERRLog in to unlock more functionality.