Приглашаем всех на открытые и бесплатные вебинары по новой наукометрии!
В мире всё меняется, и наша область — не исключение: в прикладном науковедении и научной коммуникации нового уже так много, что не делиться этим нельзя. Присоединяйтесь к серии интерактивных вебинаров, которые проведет советник Вышки Иван Стерлигов.
Готовим следующие темы:
• Новые базы данных и их использование на практике: открытые метаданные и их обогащение
• Собираем и объединяем всё и сразу: API, уникальные идентификаторы и потенциал для их прикладного использования учеными, администраторами и науковедами
• Новое в научной коммуникации: от препринтов и нейросетевых писателей до авторских ролей, на фоне революции Open Access
• От манифестов к практике? Цветущая сложность и объективная измеримость в меняющихся практиках ответственной оценки исследований.
Первый вебинар — 28 сентября в 18:00 по Москве.
Речь пойдет про базы:
• общенаучные, способные заменить Web of Science и Scopus (CrossRef, OpenAlex, Semantic Scholar etc.),
• тематические (от Pubmed до DBLP),
• полнотекстовые и агрегирующие датасеты (CORE, Zenodo),
• графы знаний (Wikidata) и многое другое, с демонстрацией работы, с упором на открытый и бесплатный функционал.
Для получения ссылки на вебинар заполните небольшую форму и продолжайте следить за новостями в нашем канале.
#анонсы #вебинар #наукометрия
В мире всё меняется, и наша область — не исключение: в прикладном науковедении и научной коммуникации нового уже так много, что не делиться этим нельзя. Присоединяйтесь к серии интерактивных вебинаров, которые проведет советник Вышки Иван Стерлигов.
Готовим следующие темы:
• Новые базы данных и их использование на практике: открытые метаданные и их обогащение
• Собираем и объединяем всё и сразу: API, уникальные идентификаторы и потенциал для их прикладного использования учеными, администраторами и науковедами
• Новое в научной коммуникации: от препринтов и нейросетевых писателей до авторских ролей, на фоне революции Open Access
• От манифестов к практике? Цветущая сложность и объективная измеримость в меняющихся практиках ответственной оценки исследований.
Первый вебинар — 28 сентября в 18:00 по Москве.
Речь пойдет про базы:
• общенаучные, способные заменить Web of Science и Scopus (CrossRef, OpenAlex, Semantic Scholar etc.),
• тематические (от Pubmed до DBLP),
• полнотекстовые и агрегирующие датасеты (CORE, Zenodo),
• графы знаний (Wikidata) и многое другое, с демонстрацией работы, с упором на открытый и бесплатный функционал.
Для получения ссылки на вебинар заполните небольшую форму и продолжайте следить за новостями в нашем канале.
#анонсы #вебинар #наукометрия
❗️Вакансии в наукометрическом центре Вышки
В век «новой наукометрии» многие команды сталкиваются с необходимостью расширения исследовательского горизонта своей деятельности, вовлекая в решение стоящих перед ними задач новые кадры. Наш коллектив на своем примере готов подтвердить справедливость этого тезиса. Сегодня мы объявляем открытый набор в команду Наукометрического центра Вышки.
Мы ищем кандидатов, которые:
• Готовы попробовать свои силы в области академической экспертизы и прикладной наукометрии.
• Имеют представление о том, как отличить хорошую исследовательскую работу от сотни других.
• Умеют работать с базами данных (включая наукометрические) и вести деловую переписку с представителями академического сообщества.
• Заинтересованы в профессиональном развитии и активном участии в проектной деятельности.
• Обладают опытом самостоятельного проведения или участия в академических исследованиях.
Если Вы уверены, что идеально подходите под эти требования, отправляйте Ваше резюме и сопроводительное письмо по ссылке. Мы не ограничиваем набор технических требований к кандидатам конкретными навыками, но крайне приветствуем наличие опыта в области анализа данных (Python, R, Power Query) и/или в организации и сопровождении экспертной деятельности. По результатам отбора потенциальным кандидатам будет предложено выполнить небольшое тестовое задание.
#вакансии #наукометрия #вышка
В век «новой наукометрии» многие команды сталкиваются с необходимостью расширения исследовательского горизонта своей деятельности, вовлекая в решение стоящих перед ними задач новые кадры. Наш коллектив на своем примере готов подтвердить справедливость этого тезиса. Сегодня мы объявляем открытый набор в команду Наукометрического центра Вышки.
Мы ищем кандидатов, которые:
• Готовы попробовать свои силы в области академической экспертизы и прикладной наукометрии.
• Имеют представление о том, как отличить хорошую исследовательскую работу от сотни других.
• Умеют работать с базами данных (включая наукометрические) и вести деловую переписку с представителями академического сообщества.
• Заинтересованы в профессиональном развитии и активном участии в проектной деятельности.
• Обладают опытом самостоятельного проведения или участия в академических исследованиях.
Если Вы уверены, что идеально подходите под эти требования, отправляйте Ваше резюме и сопроводительное письмо по ссылке. Мы не ограничиваем набор технических требований к кандидатам конкретными навыками, но крайне приветствуем наличие опыта в области анализа данных (Python, R, Power Query) и/или в организации и сопровождении экспертной деятельности. По результатам отбора потенциальным кандидатам будет предложено выполнить небольшое тестовое задание.
#вакансии #наукометрия #вышка
31 августа: День блога
В последний день лета отмечается День блога — дата, которую команда нашего небольшого наукометрического канала не могла обойти стороной. Впервые идея праздника возникла в 2005 году в Живом Журнале. Выбор 31.08 в качестве даты празднования неслучаен: цифры “3108” близки к англоязычному написанию слова “BLOG”. Форма блогов постоянно эволюционирует — от текстовых записей до аудио- и видео-подкастов, и блогосфера по-прежнему остается самым быстрорастущим сегментом Интернета. На начало 2022 года во Всемирной сети насчитывалось около 1,5 млрд блогов, а каждый месяц публикуется более 850 миллионов новых постов в блогах, то есть около 10 миллиардов постов в год.
В День блога принято писать короткие рецензии на 5 разных блогов и 31 августа публиковать эти записи у себя со ссылками на авторские страницы. Сегодня мы сделали небольшую подборку каналов, за которыми сами с интересом следим:
@national_subscription – активно развивающийся канал Российского центра научной информации (РЦНИ). Публикует официальную информацию о доступе к электронным ресурсам в рамках централизованной подписки, а также анонсы вебинаров и периодов тестового доступа к ресурсам различных издательств. Кроме того, здесь можно найти информацию о «Белом списке» научных журналов.
@lib_os – канал платформы "Библиотека для открытой науки" ГПНТБ СО РАН. Публикует большое количество актуальных новостей открытой науки.
@scientometrics_and_Research_Eval – канал наших коллег, в котором освещаются актуальные вопросы наукометрии и research evaluation.
@khokhlovAR – блог известного физика, академика Алексея Ремовича Хохлова. Интересный взгляд на науку “изнутри”, достаточно много постов о публикационной активности российских ученых и журналов, а также анализ и сравнение их показателей в различных наукометрических базах.
@begtin – канал Ивана Бегтина про открытые данные. Тематика канала будет интересна всем, кто интересуется данными в науке и не только.
#блоги #наукометрия
В последний день лета отмечается День блога — дата, которую команда нашего небольшого наукометрического канала не могла обойти стороной. Впервые идея праздника возникла в 2005 году в Живом Журнале. Выбор 31.08 в качестве даты празднования неслучаен: цифры “3108” близки к англоязычному написанию слова “BLOG”. Форма блогов постоянно эволюционирует — от текстовых записей до аудио- и видео-подкастов, и блогосфера по-прежнему остается самым быстрорастущим сегментом Интернета. На начало 2022 года во Всемирной сети насчитывалось около 1,5 млрд блогов, а каждый месяц публикуется более 850 миллионов новых постов в блогах, то есть около 10 миллиардов постов в год.
В День блога принято писать короткие рецензии на 5 разных блогов и 31 августа публиковать эти записи у себя со ссылками на авторские страницы. Сегодня мы сделали небольшую подборку каналов, за которыми сами с интересом следим:
@national_subscription – активно развивающийся канал Российского центра научной информации (РЦНИ). Публикует официальную информацию о доступе к электронным ресурсам в рамках централизованной подписки, а также анонсы вебинаров и периодов тестового доступа к ресурсам различных издательств. Кроме того, здесь можно найти информацию о «Белом списке» научных журналов.
@lib_os – канал платформы "Библиотека для открытой науки" ГПНТБ СО РАН. Публикует большое количество актуальных новостей открытой науки.
@scientometrics_and_Research_Eval – канал наших коллег, в котором освещаются актуальные вопросы наукометрии и research evaluation.
@khokhlovAR – блог известного физика, академика Алексея Ремовича Хохлова. Интересный взгляд на науку “изнутри”, достаточно много постов о публикационной активности российских ученых и журналов, а также анализ и сравнение их показателей в различных наукометрических базах.
@begtin – канал Ивана Бегтина про открытые данные. Тематика канала будет интересна всем, кто интересуется данными в науке и не только.
#блоги #наукометрия
Проблемы воспроизводимости наукометрических исследований
Принцип воспроизводимости — один из основных критериев получения научного знания. Если результаты исследований невозможно воспроизвести, то зачастую это значит, что либо исследование проводится некорректно с методологической точки зрения, либо авторы изначально преследуют недобросовестные цели. В XXI веке проблема воспроизводимости обсуждается широко, во многом этой дискуссии поспособствовал выход эссе «Why Most Published Research Findings Are False» Джона Иоаннидиса в 2005 году. По результатам опроса, опубликованным в Nature в 2016 году, более 70% ученых безуспешно пробовали воспроизвести чужие эксперименты, а более 50% не смогли воспроизвести свои собственные.
Кризис воспроизводимости, прежде всего, касается медицины, биологии, психологии, а также ряда социальных наук, однако в действительности является междисциплинарным. В 2017 году на семинаре ISSI в Ухане была инициирована дискуссия о воспроизводимости результатов исследований в области наукометрии, а в 2018 на конференции в Лейдене авторы представили исследование, в котором попытались подытожить более ранние выводы, а также очертить основные проблемы, с которыми сталкивается наукометрия в связи с затронутой проблемой.
В первой части статьи говорится о непосредственной воспроизводимости (direct reproducibility), под которой понимается возможность воспроизведения результата, идентичного исходному исследованию, при условии использования тех же данных, инструментов и методов. Среди вероятных причин невоспроизводимости, помимо некорректной методологии и намеренного злоупотребления, авторы называют случайные ошибки, завышение значимости результатов и предвзятость при публикации.
Вторая часть статьи посвящена концептуальной воспроизводимости (conceptual reproducibility). Это проверка третьей стороной надежности исследования путем воспроизведения исходных утверждений с использованием альтернативных данных, методов и процедур. Основное внимание уделяется интерпретации данных и обоснованности доказательств, полученных на основе этих данных.
В своем исследовании авторы сформулировали «таксономию рисков»: набор характеристик статьи, которые следует проверить, чтобы иметь возможность предположить концептуальную воспроизводимость статьи. Все они делятся на три категории:
1. Оперативные предположения и решения:
• выбор данных,
• моделирование данных,
• аналитический подход;
2. Контроль качества:
• полнота и консистентность первичных данных,
• выбор параметров, обеспечивающий стабильность результатов;
3. Описание результатов:
• описание ограничений,
• утверждения ссылаются на эмпирические результаты,
• обсуждение точности, ошибок измерений и влияния случайности.
В работе использовались несколько типов наукометрических статей в зависимости от предмета исследования: 1. Теоретические, 2. Методологические, 3. Эмпирические (глобальные), 4. Эмпирические (частные случаи), 5. Эмпирические (источники наукометрических данных).
Перечисленные типы статей могут быть в большей или меньшей степени подвержены различным рискам нарушения воспроизводимости. Так, методологические работы достаточно уязвимы перед шумом в первичных данных, а эмпирические работы вызывают вопросы с точки зрения полноты и непротиворечивости данных: у статей в выборке либо полностью отсутствовало обсуждение данных и выбора параметров, либо, если оно присутствовало, не обсуждалось влияние возможных упущений на аргументацию статьи.
В работе, представленной на конференции, достаточно хорошо описывается нынешнее положение дел в плане оценки публикаций с точки зрения воспроизводимости данных, однако вопрос об алгоритмизации оценки ожидаемой воспроизводимости в наукометрии остается открытым — вероятно, так же, как и в других областях.
#воспроизводимость #наукометрия
Принцип воспроизводимости — один из основных критериев получения научного знания. Если результаты исследований невозможно воспроизвести, то зачастую это значит, что либо исследование проводится некорректно с методологической точки зрения, либо авторы изначально преследуют недобросовестные цели. В XXI веке проблема воспроизводимости обсуждается широко, во многом этой дискуссии поспособствовал выход эссе «Why Most Published Research Findings Are False» Джона Иоаннидиса в 2005 году. По результатам опроса, опубликованным в Nature в 2016 году, более 70% ученых безуспешно пробовали воспроизвести чужие эксперименты, а более 50% не смогли воспроизвести свои собственные.
Кризис воспроизводимости, прежде всего, касается медицины, биологии, психологии, а также ряда социальных наук, однако в действительности является междисциплинарным. В 2017 году на семинаре ISSI в Ухане была инициирована дискуссия о воспроизводимости результатов исследований в области наукометрии, а в 2018 на конференции в Лейдене авторы представили исследование, в котором попытались подытожить более ранние выводы, а также очертить основные проблемы, с которыми сталкивается наукометрия в связи с затронутой проблемой.
В первой части статьи говорится о непосредственной воспроизводимости (direct reproducibility), под которой понимается возможность воспроизведения результата, идентичного исходному исследованию, при условии использования тех же данных, инструментов и методов. Среди вероятных причин невоспроизводимости, помимо некорректной методологии и намеренного злоупотребления, авторы называют случайные ошибки, завышение значимости результатов и предвзятость при публикации.
Вторая часть статьи посвящена концептуальной воспроизводимости (conceptual reproducibility). Это проверка третьей стороной надежности исследования путем воспроизведения исходных утверждений с использованием альтернативных данных, методов и процедур. Основное внимание уделяется интерпретации данных и обоснованности доказательств, полученных на основе этих данных.
В своем исследовании авторы сформулировали «таксономию рисков»: набор характеристик статьи, которые следует проверить, чтобы иметь возможность предположить концептуальную воспроизводимость статьи. Все они делятся на три категории:
1. Оперативные предположения и решения:
• выбор данных,
• моделирование данных,
• аналитический подход;
2. Контроль качества:
• полнота и консистентность первичных данных,
• выбор параметров, обеспечивающий стабильность результатов;
3. Описание результатов:
• описание ограничений,
• утверждения ссылаются на эмпирические результаты,
• обсуждение точности, ошибок измерений и влияния случайности.
В работе использовались несколько типов наукометрических статей в зависимости от предмета исследования: 1. Теоретические, 2. Методологические, 3. Эмпирические (глобальные), 4. Эмпирические (частные случаи), 5. Эмпирические (источники наукометрических данных).
Перечисленные типы статей могут быть в большей или меньшей степени подвержены различным рискам нарушения воспроизводимости. Так, методологические работы достаточно уязвимы перед шумом в первичных данных, а эмпирические работы вызывают вопросы с точки зрения полноты и непротиворечивости данных: у статей в выборке либо полностью отсутствовало обсуждение данных и выбора параметров, либо, если оно присутствовало, не обсуждалось влияние возможных упущений на аргументацию статьи.
В работе, представленной на конференции, достаточно хорошо описывается нынешнее положение дел в плане оценки публикаций с точки зрения воспроизводимости данных, однако вопрос об алгоритмизации оценки ожидаемой воспроизводимости в наукометрии остается открытым — вероятно, так же, как и в других областях.
#воспроизводимость #наукометрия
PubMed Central (PMC)
Why Most Published Research Findings Are False
There is increasing concern that most current published research findings are false. The probability that a research claim is true may depend on study power and bias, the number of other studies on the same question, and, importantly, the ratio of true ...