Forwarded from CoLab.ws
Представляем большое обновление научного поисковика Cobalt🔥
Мы разработали большое количество новых функций, которые позволят искать вам статьи эффективнее:
1. Поиск по абстрактам
Ранее поиск велся только по заголовкам статей. Теперь учитываются десятки миллионов абстрактов, что значительно расширяет выдачу.
2. Поиск по авторам в разных форматах
Система распознаёт различные варианты записи авторов (например: Oganov A. R., Susumu Kitagawa, Yaghi OM).
3. Динамические фильтры
Количество работ в каждом фильтре обновляется с учётом выбранных параметров. Также в фильтрах рассчитается статистика сущностей для каждого запроса.
4. Поисковые операторы (AND, OR, NOT, *, "" и др.)
Можно формулировать сложные запросы в одном поисковом поле.
5. Список научных организаций из всех стран
В базе теперь более 11 000 исследовательских организаций. Для каждой рассчитывается количество публикаций на основе аффилиаций в статьях по нашему собственному алгоритму. По организациям можно фильтровать результаты поиска.
6. Подсчет цитируемости запроса
Для каждого поискового запроса теперь отображается суммарная и средняя цитируемость публикаций.
7. Лемматизация слов
Поиск учитывает разные формы одного слова, что позволяет в несколько раз увеличить число результатов в выдаче.
8. Работа с научными аббревиатурами
Система понимает более 700 научных сокращений и их расшифровки (например, NMR и Nuclear Magnetic Resonance, OLED и Organic Light-Emitting Diodes, ROS и Reactive Oxygen Species).
9. Увеличенный лимит выгрузок (до 500 публикаций)
Для зарегистрированных пользователей расширена возможность экспорта результатов.
10. Исключение сущностей из поиска
Дополнительная кнопка позволяет исключать конкретные элементы прямо из выдачи.
11. История запросов
Теперь можно возвращаться к предыдущим поискам.
12. Поиск профилей исследователей ученых
В отдельной вкладке выдается список зарегистрированных профилей с CoLab, связанных с результатом поискового запроса. Это позволяет, например, искать людей в разных организациях, кто занимается определенной темой.
13. Изменена система релевантности
Более актуальные и цитируемые публикации стали отображаться выше в выдаче.
14. Сортировка по IF и SJR
Добавлена возможность сортировать результаты поиска по SJR и IF журнала. Это полезно, чтобы смотреть, какого уровня журналы публикуют результаты по теме запроса.
15. Фильтр по числу авторов в статье
Это позволяет искать статьи с определенным числом авторов. Например, если вас интересует конкретные научные группы, а не статьи с 20+ авторами.
👉🏻Попробовать новые функции можно по ссылке: https://cobalt.colab.ws/
Команда CoLab.ws🔥
Мы разработали большое количество новых функций, которые позволят искать вам статьи эффективнее:
1. Поиск по абстрактам
Ранее поиск велся только по заголовкам статей. Теперь учитываются десятки миллионов абстрактов, что значительно расширяет выдачу.
2. Поиск по авторам в разных форматах
Система распознаёт различные варианты записи авторов (например: Oganov A. R., Susumu Kitagawa, Yaghi OM).
3. Динамические фильтры
Количество работ в каждом фильтре обновляется с учётом выбранных параметров. Также в фильтрах рассчитается статистика сущностей для каждого запроса.
4. Поисковые операторы (AND, OR, NOT, *, "" и др.)
Можно формулировать сложные запросы в одном поисковом поле.
5. Список научных организаций из всех стран
В базе теперь более 11 000 исследовательских организаций. Для каждой рассчитывается количество публикаций на основе аффилиаций в статьях по нашему собственному алгоритму. По организациям можно фильтровать результаты поиска.
6. Подсчет цитируемости запроса
Для каждого поискового запроса теперь отображается суммарная и средняя цитируемость публикаций.
7. Лемматизация слов
Поиск учитывает разные формы одного слова, что позволяет в несколько раз увеличить число результатов в выдаче.
8. Работа с научными аббревиатурами
Система понимает более 700 научных сокращений и их расшифровки (например, NMR и Nuclear Magnetic Resonance, OLED и Organic Light-Emitting Diodes, ROS и Reactive Oxygen Species).
9. Увеличенный лимит выгрузок (до 500 публикаций)
Для зарегистрированных пользователей расширена возможность экспорта результатов.
10. Исключение сущностей из поиска
Дополнительная кнопка позволяет исключать конкретные элементы прямо из выдачи.
11. История запросов
Теперь можно возвращаться к предыдущим поискам.
12. Поиск профилей исследователей ученых
В отдельной вкладке выдается список зарегистрированных профилей с CoLab, связанных с результатом поискового запроса. Это позволяет, например, искать людей в разных организациях, кто занимается определенной темой.
13. Изменена система релевантности
Более актуальные и цитируемые публикации стали отображаться выше в выдаче.
14. Сортировка по IF и SJR
Добавлена возможность сортировать результаты поиска по SJR и IF журнала. Это полезно, чтобы смотреть, какого уровня журналы публикуют результаты по теме запроса.
15. Фильтр по числу авторов в статье
Это позволяет искать статьи с определенным числом авторов. Например, если вас интересует конкретные научные группы, а не статьи с 20+ авторами.
👉🏻Попробовать новые функции можно по ссылке: https://cobalt.colab.ws/
Команда CoLab.ws
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
Открытый доступ (Open Access, OA) — это модель распространения научных знаний, при которой статьи, данные и результаты исследований доступны свободно, без платных подписок и ограничений. Любой читатель — от студента до учёного — может открыть публикацию, прочитать её, процитировать и использовать в своей работе.
🔓 Почему открытый доступ важен?
1. Ускоряет развитие науки
Когда результаты исследований становятся доступными всем, научная коммуникация ускоряется:
— другие учёные быстрее проверяют выводы;
— растёт число междисциплинарных исследований;
— уменьшается дублирование работ.
2. Повышает видимость и цитируемость статей
Открытые публикации читают чаще. А значит, автор получает больше откликов, обсуждений и цитат — это напрямую влияет на научную карьеру.
3. Обеспечивает равный доступ к знаниям
Не все университеты могут позволить себе платные подписки на крупные базы данных.
Открытый доступ делает научную информацию доступной для:
— небольших вузов,
— региональных исследовательских центров,
— зарубежных коллег,
— независимых учёных.
4. Укрепляет доверие к науке
Открытые данные и открытые публикации повышают прозрачность и воспроизводимость исследований.
5. Максимизирует общественную пользу
Многие исследования финансируются государством или фондами.
Открытый доступ делает результаты общественным достоянием, тем самым возвращая пользу обществу:
— учителя используют материалы в обучении,
— инженеры — в разработках,
— медики — в практике,
— журналисты — в популяризации.
Золотой (Gold) OA — статья сразу открыта на сайте журнала, автор платит публикационный сбор (APC).
Бриллиантовый (или Платиновый)(Diamond/Platinum) OA — статья бесплатна и для авторов, и для читателей, финансирование внешнее.
Зелёный (Green) OA — автор размещает препринт или постпринт в репозитории.
Гибридный (Hybrid) OA — подписной журнал делает статью открытой за дополнительную плату автора.
Бронзовый (Bronze) OA — статья открыта только для чтения без лицензии, доступ может быть снят.
Открытый доступ — это не просто тренд, а фундамент современной науки.
Он делает знания доступными, исследования — заметными, а научное сообщество — более связанным и сильным.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6
Forwarded from Научные журналы и базы данных (НЖБД)
Исследование университета Дикина: ChatGPT выдумывает каждую пятую научную ссылку
Недавнее исследование, проведенное в Университете Дикина, вновь подняло серьезные вопросы о применении чат-ботов на основе искусственного интеллекта, таких как ChatGPT, в академических исследованиях. Согласно результатам исследования, большая часть информации и списка литературы, предоставленного ботом, оказалась либо неверной, либо полностью вымышленной.
По словам экспертов, ChatGPT было поручено подготовить обзоры литературы по шести темам, связанным с психическим здоровьем. В ходе проверки выяснилось, что 35 (19,9%) из 176 цитат были совершенно ложными. Остальные 141 цитата (45,4%) содержат неверные номера страниц, отсутствующие цифры DOI или ошибки в дате публикации. Только 77 источников (43,8%) признаны точными и достоверными.
Хуже всего то, что эти ошибки нелегко распознать сразу. Например, 64 процента ложных цифр DOI привели к материалам, не имеющим никакого отношения к теме, а еще 36 процентов привели к страницам, которых вообще не было.
#chatgpt #ai #ии
____
@rujournals - Научные журналы и базы данных (НЖБД)
Недавнее исследование, проведенное в Университете Дикина, вновь подняло серьезные вопросы о применении чат-ботов на основе искусственного интеллекта, таких как ChatGPT, в академических исследованиях. Согласно результатам исследования, большая часть информации и списка литературы, предоставленного ботом, оказалась либо неверной, либо полностью вымышленной.
По словам экспертов, ChatGPT было поручено подготовить обзоры литературы по шести темам, связанным с психическим здоровьем. В ходе проверки выяснилось, что 35 (19,9%) из 176 цитат были совершенно ложными. Остальные 141 цитата (45,4%) содержат неверные номера страниц, отсутствующие цифры DOI или ошибки в дате публикации. Только 77 источников (43,8%) признаны точными и достоверными.
Хуже всего то, что эти ошибки нелегко распознать сразу. Например, 64 процента ложных цифр DOI привели к материалам, не имеющим никакого отношения к теме, а еще 36 процентов привели к страницам, которых вообще не было.
#chatgpt #ai #ии
____
@rujournals - Научные журналы и базы данных (НЖБД)
👍4
Где публикуются российские ученые и какие патенты они получают: цифры и графики
Число научных публикаций российских авторов в рецензируемых изданиях выросло в 2,7 раза в 2010–2023 гг., причем по отдельным областям науки – в несколько десятков раз, а доля России от общего числа работ увеличилась с 1,8 до 2,9%. Изобретательская активность, напротив, снизилась на фоне сокращения заявок от иностранцев. О результативности исследований и разработок в России – в графиках «Ведомостей»
Число научных публикаций российских авторов в рецензируемых изданиях выросло в 2,7 раза в 2010–2023 гг., причем по отдельным областям науки – в несколько десятков раз, а доля России от общего числа работ увеличилась с 1,8 до 2,9%. Изобретательская активность, напротив, снизилась на фоне сокращения заявок от иностранцев. О результативности исследований и разработок в России – в графиках «Ведомостей»
👍4
Forwarded from Выше квартилей
Дайджест ноябрь 2025:
Представляем дайджест научных событий за последний месяц.
Рейтинги
• Обновлена методология Списка Higly Cited Researchers от Clarivate, в который в этом году вошло 6868человек. В этом году из списка исключены все статьи, авторы которых в прошлом году были исключены из-за подозрений в недобросовестных исследованиях. Как отметили наши коллеги из НБЖД, в рейтинг вошли пятеро ученых из России.
• Информатик Йошуа Бенджио стал первым живым человеком, чьи работы были процитированы более миллиона раз в Google Scholar. Ученый известен своими новаторскими исследованиями в области машинного обучения и считается одним из крестных отцов искусственного интеллекта.
Базы данных
• После года перестройки и повторного тестирования переписанный Walden теперь лежит в основе OpenAlex. Формат набора данных остался прежним, но система стала быстрее и полнее. В базу добавлено около 190 млн новых работ, включая наборы данных, программное обеспечение и другие исследовательские объекты из DataCite и тысяч репозиториев.
• Компания Google представила Scholar Labs — новую экспериментальную функцию в Google Scholar. Теперь ИИ помогает быстрее ориентироваться в исследовательских вопросах: уточняет формулировки, показывает тему под разными углами и подбирает подходящие научные работы. Google отмечает, что пока это эксперимент, созданный для изучения роли ИИ в научном поиске.
• Вышло обновление научного поисковика Cobalt от Colab.
• В Dateno вышло крупное обновление реестра Data Catalog Registry — открытой базы данных мировых порталов открытых данных. Теперь поисковик Dateno индексирует более 22 млн наборов данных.
ИИ в науке
• Исследование 21 чат-бота (ChatGPT, Copilot, Gemini и др.) показало, что большие языковые модели плохо определяют отозванные публикации. Они не только ненадёжно находили такие статьи, но и выдавали разные результаты при одних и тех же запросах.
• Исследователи продолжают эксперементировать с внедрением LLM в процессе рецензирования. Результаты исследований показывают, что оценки LLM хорошо совпадают с человеческими, при этом среднее время обработки одной статьи было заметно короче для LLM (около 33 с.) по сравнению с людьми (около 1582 с.).
Научная этика
• Retraction Watch сообщает, что у Кусая Хасана, недавно удостоенного двух премий от Clarivate "Distinguished Researcher Award” и “Distinguished Research Award”, в прошлом году была отозвана 21 статья. Многие из отозванных работ были связаны с фабриками публикаций (paper mills), а некоторые содержали заимствованные материалы.
• В LSE подняли вопрос исправлений в научных статьях. Опрос 982 химиков показал, что 88 % из них находили ошибки в публикациях, и большинство (79 %) приняли меры. Однако исследователи предпочитают обсуждать этот вопрос с коллегами, а также связываться с авторами напрямую, избегая писать в журнал или публиковать опровержение.
• Большое количество исследователей могут пострадать от искажения показателей цитирования, вызванных проблемами с обработкой метаданных Springer Nature. Из-за ошибки многие цитирования приписываются первой статье в журнальном томе, а не статье из этого же тома, для которой они предназначались. Эта проблема затрагивает множество изданий, например, Nature Communications, Scientific Reports и несколько журналов BMC.
• Площадка препринтов arXiv запретила обзоры по информатике, пытаясь сдержать рост низкокачественных материалов, созданных ИИ.
Наука в мире
• В этом году конкурс от Science "Dance Your Ph.D." впервые вводит специальный приз за танец на исследовательскую тематику, созданный при помощи ИИ.
• Коалиция Plan S анонсировала новый план на ближайшие 5 лет. Обновленная стратегия представляет собой более гибкий подход, отдавая предпочтение альтернативам платным журналам, способствуя «более инклюзивной, справедливой и устойчивой издательской системы». Так, план поддерживает препринты и публикацию Diamond Access.
#дайджест #научнаяэтика #научнаяполитика #иивнауке #рейтинги #базыданных
Представляем дайджест научных событий за последний месяц.
Рейтинги
• Обновлена методология Списка Higly Cited Researchers от Clarivate, в который в этом году вошло 6868человек. В этом году из списка исключены все статьи, авторы которых в прошлом году были исключены из-за подозрений в недобросовестных исследованиях. Как отметили наши коллеги из НБЖД, в рейтинг вошли пятеро ученых из России.
• Информатик Йошуа Бенджио стал первым живым человеком, чьи работы были процитированы более миллиона раз в Google Scholar. Ученый известен своими новаторскими исследованиями в области машинного обучения и считается одним из крестных отцов искусственного интеллекта.
Базы данных
• После года перестройки и повторного тестирования переписанный Walden теперь лежит в основе OpenAlex. Формат набора данных остался прежним, но система стала быстрее и полнее. В базу добавлено около 190 млн новых работ, включая наборы данных, программное обеспечение и другие исследовательские объекты из DataCite и тысяч репозиториев.
• Компания Google представила Scholar Labs — новую экспериментальную функцию в Google Scholar. Теперь ИИ помогает быстрее ориентироваться в исследовательских вопросах: уточняет формулировки, показывает тему под разными углами и подбирает подходящие научные работы. Google отмечает, что пока это эксперимент, созданный для изучения роли ИИ в научном поиске.
• Вышло обновление научного поисковика Cobalt от Colab.
• В Dateno вышло крупное обновление реестра Data Catalog Registry — открытой базы данных мировых порталов открытых данных. Теперь поисковик Dateno индексирует более 22 млн наборов данных.
ИИ в науке
• Исследование 21 чат-бота (ChatGPT, Copilot, Gemini и др.) показало, что большие языковые модели плохо определяют отозванные публикации. Они не только ненадёжно находили такие статьи, но и выдавали разные результаты при одних и тех же запросах.
• Исследователи продолжают эксперементировать с внедрением LLM в процессе рецензирования. Результаты исследований показывают, что оценки LLM хорошо совпадают с человеческими, при этом среднее время обработки одной статьи было заметно короче для LLM (около 33 с.) по сравнению с людьми (около 1582 с.).
Научная этика
• Retraction Watch сообщает, что у Кусая Хасана, недавно удостоенного двух премий от Clarivate "Distinguished Researcher Award” и “Distinguished Research Award”, в прошлом году была отозвана 21 статья. Многие из отозванных работ были связаны с фабриками публикаций (paper mills), а некоторые содержали заимствованные материалы.
• В LSE подняли вопрос исправлений в научных статьях. Опрос 982 химиков показал, что 88 % из них находили ошибки в публикациях, и большинство (79 %) приняли меры. Однако исследователи предпочитают обсуждать этот вопрос с коллегами, а также связываться с авторами напрямую, избегая писать в журнал или публиковать опровержение.
• Большое количество исследователей могут пострадать от искажения показателей цитирования, вызванных проблемами с обработкой метаданных Springer Nature. Из-за ошибки многие цитирования приписываются первой статье в журнальном томе, а не статье из этого же тома, для которой они предназначались. Эта проблема затрагивает множество изданий, например, Nature Communications, Scientific Reports и несколько журналов BMC.
• Площадка препринтов arXiv запретила обзоры по информатике, пытаясь сдержать рост низкокачественных материалов, созданных ИИ.
Наука в мире
• В этом году конкурс от Science "Dance Your Ph.D." впервые вводит специальный приз за танец на исследовательскую тематику, созданный при помощи ИИ.
• Коалиция Plan S анонсировала новый план на ближайшие 5 лет. Обновленная стратегия представляет собой более гибкий подход, отдавая предпочтение альтернативам платным журналам, способствуя «более инклюзивной, справедливой и устойчивой издательской системы». Так, план поддерживает препринты и публикацию Diamond Access.
#дайджест #научнаяэтика #научнаяполитика #иивнауке #рейтинги #базыданных
Media is too big
VIEW IN TELEGRAM
ВИДЕОАНОНС: читайте в ближайшем выпуске журнала "Интеграция образования"
👍4
ORCID: ваш универсальный научный идентификатор 🆔🌍
ORCID — это международный уникальный идентификатор исследователя, который помогает однозначно связывать автора с его научными работами, проектами, грантами и аффилиациями. Один номер — и вся ваша академическая деятельность становится прозрачной и узнаваемой.
✨ Зачем учёному нужен ORCID?
• предотвращает путаницу с однофамильцами;
• связывает публикации, даже если менялись фамилия или место работы;
• облегчает подачу статей в журналы — многие издательства требуют ORCID;
• автоматически синхронизируется с ResearcherID, Scopus, Crossref и другими системами;
• помогает формировать единое, аккуратное научное портфолио.
🌐 ORCID — это ваш постоянный, неизменный «цифровой паспорт учёного», который остаётся с вами на протяжении всей карьеры и делает ваши исследования заметными в глобальной научной среде.
🔗 Создать профиль: https://orcid.org
ORCID — это международный уникальный идентификатор исследователя, который помогает однозначно связывать автора с его научными работами, проектами, грантами и аффилиациями. Один номер — и вся ваша академическая деятельность становится прозрачной и узнаваемой.
• предотвращает путаницу с однофамильцами;
• связывает публикации, даже если менялись фамилия или место работы;
• облегчает подачу статей в журналы — многие издательства требуют ORCID;
• автоматически синхронизируется с ResearcherID, Scopus, Crossref и другими системами;
• помогает формировать единое, аккуратное научное портфолио.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3
📌 Гештальт-законы являются фундаментальным инструментом для реализации более общих принципов восприятия научной информации. Грамотное использование этих законов превращает хаотичные данные в ясное, легко воспринимаемое и запоминающееся сообщение.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4
Forwarded from Блог академического письма Дины Красносельской
Про раздел Методы в социальных (общественных) исследованиях …
Доброго вечера, читающим).
В одном из комментариев к моим постам читательница блога спросила о методах в социальных (общественных) науках. Сегодня разбираем статью Питера Смагорски [1] – эксперта, рецензента и редактора журналов интересующей тематики с опытом свыше 25 лет, в слайдах делюсь интересными выжимками из статьи.
Мне показалась интересной сама эволюция методов в социальных (общественных) науках, представленная в этой статье.
В 1960-1980 гг. в общественных науках популярностью пользовались методы экспериментальных исследований, которые не требовали обширного детального описания помимо объяснения:
👉статистических тестов для описания результатов (критерий хи-квадрат, t-критерий и др.);
различий между сравниваемыми группами (разные подходы к обучению);
👉характера данных (например, идентификация первичных черт в студенческих письмах);
👉контрольных переменных (например, эффект учителя);
👉особенностей сбора данных.
Начиная с 1970-х годов, постепенно исследователи стали заимствовать методы вне экспериментального подхода, что потребовало их детализации в связи с:
✍объяснением новых методов и целесообразности их использования;
✍описанием контекста исследования (cоциальный и культурный опыт участников; социальная и политическая обстановка исследования)
Как итог, раздел «Методы» эволюционировал до четкой детализации описания исследования и согласованности с разделом «Результаты» и теоретическими положениями.
[1] Smagorinsky, P. (2008). The Method Section as Conceptual Epicenter in Constructing Social Science Research Reports. Written Communication, 25(3), 389-411. https://doi.org/10.1177/0741088308317815 (Original work published 2008)
Доброго вечера, читающим).
В одном из комментариев к моим постам читательница блога спросила о методах в социальных (общественных) науках. Сегодня разбираем статью Питера Смагорски [1] – эксперта, рецензента и редактора журналов интересующей тематики с опытом свыше 25 лет, в слайдах делюсь интересными выжимками из статьи.
Мне показалась интересной сама эволюция методов в социальных (общественных) науках, представленная в этой статье.
В 1960-1980 гг. в общественных науках популярностью пользовались методы экспериментальных исследований, которые не требовали обширного детального описания помимо объяснения:
👉статистических тестов для описания результатов (критерий хи-квадрат, t-критерий и др.);
различий между сравниваемыми группами (разные подходы к обучению);
👉характера данных (например, идентификация первичных черт в студенческих письмах);
👉контрольных переменных (например, эффект учителя);
👉особенностей сбора данных.
Начиная с 1970-х годов, постепенно исследователи стали заимствовать методы вне экспериментального подхода, что потребовало их детализации в связи с:
✍объяснением новых методов и целесообразности их использования;
✍описанием контекста исследования (cоциальный и культурный опыт участников; социальная и политическая обстановка исследования)
Как итог, раздел «Методы» эволюционировал до четкой детализации описания исследования и согласованности с разделом «Результаты» и теоретическими положениями.
[1] Smagorinsky, P. (2008). The Method Section as Conceptual Epicenter in Constructing Social Science Research Reports. Written Communication, 25(3), 389-411. https://doi.org/10.1177/0741088308317815 (Original work published 2008)
👍5🔥1
Forwarded from Блог академического письма Дины Красносельской
Как структурировать раздел Введение (Introduction) статьи
Доброго дня, читающим). Традиционно, раздел «Введение» начинается с общих положений, которые подчеркивают актуальность выбранной темы, и далее включают в себя постановку проблемы исследования. Для структурирования Введения существует модель CARS ( на слайде).
Ранее в канале:
Структура раздела Методы
Полезные фразы на английском для раздела Методы
Структура раздела Результаты
Полезные фразы на английском для раздела Результаты
Структура раздела Обсуждение
Полезные фразы на английском для раздела Обсуждение
Доброго дня, читающим). Традиционно, раздел «Введение» начинается с общих положений, которые подчеркивают актуальность выбранной темы, и далее включают в себя постановку проблемы исследования. Для структурирования Введения существует модель CARS ( на слайде).
Ранее в канале:
Структура раздела Методы
Полезные фразы на английском для раздела Методы
Структура раздела Результаты
Полезные фразы на английском для раздела Результаты
Структура раздела Обсуждение
Полезные фразы на английском для раздела Обсуждение
👍4❤1🔥1
ПРАКТИЧЕСКИЕ СОВЕТЫ ПО ПОСТРОЕНИЮ АБЗАЦЕВ В НАУЧНОМ ТЕКСТЕ
👉 Длина: Оптимальная длина — 5-10 предложений (100-250 слов). Слишком длинный абзац (более 300 слов) сложен для восприятия и часто нарушает принцип единства темы. Слишком короткий (1-2 предложения) может выглядеть как неразвитая мысль или обрывок.
👉 Связность: активно используйте слова-связки:
🔹 Для добавления: кроме того, более того, также.
🔹 Для противопоставления: однако, но, тем не менее, напротив.
🔹 Для примера: например, в частности, таким образом.
🔹 Для следствия/причины: следовательно, поэтому, таким образом, вследствие этого.
🔹 Для порядка/времени: сначала, затем, далее, в заключение.
👉 Единство: После написания абзаца проверьте его. Можно ли сформулировать его основную мысль одним предложением? Если нет — абзац перегружен. Все ли второстепенные предложения прямо служат этой основной мысли?
👉 Визуальная структура: Графическое выделение абзаца (отступ) дает читателю психологическую паузу и сигнал: «Здесь начинается новая мысль в рамках общей логики».
🛑Распространенные ошибки
🔸 «Кухонный стол»: Попытка «запихнуть» в один абзац все связанные, но разные мысли. Нарушает принцип единства.
🔸 «Островной» абзац: Абзац, который не связан логически с предыдущим и последующим. Нарушает принцип связности текста.
🔸 Отсутствие тематического предложения: Читатель вынужден сам догадываться, какую мысль развивает автор в этом абзаце.
🔸 Чрезмерно длинные абзацы: Утомляют читателя и маскируют логику изложения.
📌 Итог: В научном тексте абзац — это кирпичик в здании аргументации. Его четкая, предсказуемая структура — это проявление научной дисциплины мышления и уважение к читателю, которому вы помогаете легко и однозначно следовать за ходом вашей мысли. Умение строить правильные абзацы — один из ключевых навыков академического письма.
👉 Длина: Оптимальная длина — 5-10 предложений (100-250 слов). Слишком длинный абзац (более 300 слов) сложен для восприятия и часто нарушает принцип единства темы. Слишком короткий (1-2 предложения) может выглядеть как неразвитая мысль или обрывок.
👉 Связность: активно используйте слова-связки:
🔹 Для добавления: кроме того, более того, также.
🔹 Для противопоставления: однако, но, тем не менее, напротив.
🔹 Для примера: например, в частности, таким образом.
🔹 Для следствия/причины: следовательно, поэтому, таким образом, вследствие этого.
🔹 Для порядка/времени: сначала, затем, далее, в заключение.
👉 Единство: После написания абзаца проверьте его. Можно ли сформулировать его основную мысль одним предложением? Если нет — абзац перегружен. Все ли второстепенные предложения прямо служат этой основной мысли?
👉 Визуальная структура: Графическое выделение абзаца (отступ) дает читателю психологическую паузу и сигнал: «Здесь начинается новая мысль в рамках общей логики».
🛑Распространенные ошибки
🔸 «Кухонный стол»: Попытка «запихнуть» в один абзац все связанные, но разные мысли. Нарушает принцип единства.
🔸 «Островной» абзац: Абзац, который не связан логически с предыдущим и последующим. Нарушает принцип связности текста.
🔸 Отсутствие тематического предложения: Читатель вынужден сам догадываться, какую мысль развивает автор в этом абзаце.
🔸 Чрезмерно длинные абзацы: Утомляют читателя и маскируют логику изложения.
📌 Итог: В научном тексте абзац — это кирпичик в здании аргументации. Его четкая, предсказуемая структура — это проявление научной дисциплины мышления и уважение к читателю, которому вы помогаете легко и однозначно следовать за ходом вашей мысли. Умение строить правильные абзацы — один из ключевых навыков академического письма.
🔥4
Forwarded from {do}mate
В академической среде всё ещё верят: чем выше «оригинальность» текста, тем лучше работа. Но это миф, который давно мешает и авторам, и экспертам.
Что важно на самом деле?
Не цифры. А контекст совпадений.
Алгоритм может подсветить цитаты, термины, стандартные методики, собственные публикации автора и даже устойчивые выражения — и всё это не является плагиатом.
Потому что реальная научная работа не может не опираться на предшественников. Если текст «слишком уникален», есть два варианта:
Когда требуют «выжать» из текста максимальную уникальность, авторы вынуждены прятать источники и переписывать стандартные формулировки. Так теряется преемственность — фундамент науки.
Алгоритмы путают устойчивые фразы, даты («XX век» = «20 век» = «двадцатый век»), ломаются на старых .doc, таблицах, формулах и даже переносах слов.
Иногда до 30% текста может быть ошибочно помечено как плагиат.
Коротко: смотреть на источники совпадений, проверять цитирования, учитывать разделы и исключать «мусорный плагиат».
Полная версия : https://www.domate.ru/protsent-originalnosti-kak-pravilno-chitat-otchot-o-proverke-teksta-na-plagiat
Please open Telegram to view this post
VIEW IN TELEGRAM
www.domate.ru
Процент оригинальности: как правильно читать отчёт о проверке текста на плагиат
Сервисы проверки на заимствования — часто необходимый этап проверки качества работы, однако их показатели нередко трактуются слишком буквально. О том, почему не всегда стоит гнаться за высоким процентом
👍6❤2
🔹 Воспроизводимость: методы описаны настолько детально, что любой другой исследователь в мире может их повторить.
🔹 Контроль переменных: четко показано, какие факторы учитывались, а какие — исключались или контролировались. Объяснено, почему посторонние факторы не могли повлиять на результат.
🔹 Качество и объем данных: использованы репрезентативные выборки, достаточный объем данных (N), корректная статистическая обработка. Показана статистическая значимость (p-value) и практическая значимость (effect size).
🔹 Честность с раскрытием ограничений: авторы сами предвосхищают слабые места исследования (ограничения выборки, потенциальные погрешности метода, неучтенные переменные) и обсуждают, как это могло повлиять на результат. Это не ослабляет, а усиливает доверие.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4🔥3