tgoop.com/the_good_question/62
Last Update:
Как вы помните, я решил с двух ног влететь в научный поиск. Так что я время от времени буду вам приносить плоды того что получается. Вот, например, у меня есть теперь такой метод:
Я поговорил с Сергеем Ждановым, Ильей Захаровым и Иваном Котоминым и сделал вот такие выводы про то как мне начинать:
АЛГОРИТМ НАУЧНОГО ПОИСКА:
1. Первичный обзор области:
- Использовать ChatGPT/Deep Research для первичного сканирования области и выявления ключевых терминов
- Найти 5-10 ключевых авторов в этой сфере
- Искать обзорные статьи (review articles) и мета-анализы
- Особое внимание уделять журналам серии "Trends in..."
2. Оценка источников:
- Проверить рейтинг журнала (Q1-Q4, предпочтительно Q1)
- В разных предметных областях есть свои главные источники:
- Общие: Nature и Science, Proceedings of the National Academy of Sciences (PNAS)
- Медицина: The Lancet
- Биология и генетика: Cell, Nature Genetics
- Физика: Physical Review Letters (PRL), Nature Physics
- Математика: Annals of Mathematics, Inventiones Mathematicae
- Информатика и ИИ: Communications of the ACM (CACM), IEEE TPAMI
- Экономика: American Economic Review (AER), The Quarterly Journal of Economics (QJE)
- Бизнес и менеджмент: Harvard Business Review (HBR), Academy of Management Journal (AMJ)
- Инженерия: IEEE Transactions on Industrial Electronics, IEEE Transactions on Robotics
- Оценить цитируемость статьи с учетом года публикации
- важно смотреть кто ссылается
- Проверить, не была ли статья отозвана
- Посмотреть, как цитируется статья (критически или поддерживающе)
3. Углубленный анализ:
- Изучить методологию исследования
- Оценить дизайн исследования
- Проанализировать выводы и их обоснованность
- Использовать Connected Papers для понимания связей между работами
КЛЮЧЕВЫЕ ИНСТРУМЕНТЫ:
1. Базы данных и поисковики:
- Google Scholar
- semanticscholar
- PubMed (для биомедицинских исследований)
- Web of Science
- Scopus
- Connected Papers (для анализа связей между статьями)
- scholar-inbox.com
2. Вспомогательные инструменты:
- Sci-Hub (для доступа к платным статьям)
- Elicit.org (для извлечения данных из PDF)
- Deep Research от open AI(для первичного анализа)
ПРИЕМЫ:
При поиске статей:
- Использовать фильтр "Review Articles" в Google Scholar
- Искать последние 5-10 лет публикаций
- Зависит от сферы. Например, в естественных науках статьи раскрываются за 2-3 года, а области ИИ публикации протухают за пару лет.
- Проверять синонимы терминов в разных научных школах
- Отслеживать количество цитирований
При анализе статей:
- Читаешь абстракт → графические материалы → интродакшн → дискашн → методы → результаты
- интродакшн читаешь, если не очень хорошо знаком с тематикой
- дискашн — там результаты изложены человеческим языком, указываются выводы, интерпретации, противоречия, ограничения
- методы полезны, но надо ориентироваться в предметной области
- результаты читаешь если хочется глубже посмотреть то, что изложено в дискашене
- Открываешь статью, сначала смотришь абстракт → методологию и результаты → читаешь основной текст, если остались вопросы.
- Проверять источники финансирования
- Анализировать ограничения исследования
- Оценивать размер выборки и статистическую значимость
При систематизации:
- Вести учет ключевых слов для поиска
- Сохранять DOI важных статей
- Группировать статьи по научным школам
- Отмечать противоречивые результаты
РЕКОМЕНДАЦИИ:
1. Начинать с метаанализов и обзорных статей
2. Уделять особое внимание методологии исследований
3. Проверять критические отзывы и альтернативные точки зрения
4. Не полагаться только на автоматические инструменты
5. Пообщайся с экспертами (лучше из разных подходов и разных научных школ)
6. Перепроверять данные из нейросетевых помощников
7. Учитывать специфику разных научных областей
BY Хороший вопрос
Share with your friend now:
tgoop.com/the_good_question/62