какая-то библиотека

ого, вас 2.8К уже

какие вы крутые

🦔Методика и примеры создания майнд-карт для реферирования

Майнд-карты — мощный инструмент, который помогает не только организовать мысли, но и структурировать информацию для создания качественных рефератов.

⭕️Что такое майнд-карта?
Майнд-карта — это визуальная схема, где центральная идея располагается в центре, а ключевые аспекты и детали отходят от нее в виде ветвей.

Это позволяет:
🔴Быстро выделить главное.
🔴Понять взаимосвязи между элементами текста.
🔴Запомнить информацию наглядно.

▶️Как я работаю с майнд-картами
Майнд-карты — не только инструмент для реферирования, но и важный элемент в моих кабинетных исследованиях. Я создаю их вручную, начиная с зарисовок на бумаге.

Этот подход позволяет:
🔴Связывать концепты и факты из разных источников.
🔴Отмечать темы, которые должны быть в исследовании, но пока не отражены в имеющихся документах.

Например, я размещаю центральную тему в середине страницы и строю вокруг нее ветви с концепциями. Когда возникает связь между идеями из разных источников, я добавляю линии и стрелки, фиксируя взаимосвязи. Это помогает увидеть пробелы в анализе и определить, какие аспекты требуют дополнительного изучения.

На основе черновой карты, созданной в блокноте, формируется структурированный обзор, который становится фундаментом для дальнейшей работы.

какая-то библиотека pinned «🆕🆕🆕 Гайд для студентов по поиску и анализу научной информации 〰️ О чем этот гайд? Этот материал поможет вам эффективно работать с научной литературой, начиная от постановки цели и поиска источников до их анализа и систематизации. 〰️ Ключевые разделы гайда:…»

У кого сессия, рассказывайте, как дела вообще 🔞

🆕🆕🆕 Гайд для студентов по поиску и анализу научной информации

〰️ О чем этот гайд?
Этот материал поможет вам эффективно работать с научной литературой, начиная от постановки цели и поиска источников до их анализа и систематизации.

〰️ Ключевые разделы гайда:

- Зачем нужна научная литература?
- Поиск информации для научной работы
- Использование сетей цитирования и ИИ-инструментов
- Международные базы (Scopus, Web of Science, BASE)
- Тематические ресурсы для гуманитарных, естественных и технических наук
- Российские базы данных: РИНЦ, КиберЛенинка, НЭБ
- Легальные и альтернативные способы получения статей
- Как выбрать релевантные источники
- Оценка качества изданий, авторов и контекста цитирования.
- Библиографические менеджеры

🔤 Для кого этот гайд?

Для студентов, которые хотят писать курсовые и дипломные работы быстро и качественно. Для тех, кто ищет оптимальные способы работы с научной информацией.

Скачайте гайд и начните свой путь к научным успехам!
📍 Ссылка на гайд
〰️ Агент в ChatGPT, который тоже умеет консультировать по работе с научной литературой.

Архив с красотой

https://tehne.com/library/zhurnal-dekorativnoe-iskusstvo-sssr-moskva-1957-1991

❓Какую удалённую профессию может выбрать бывший библиограф?

По разным причинам может быть нужно расширить свои горизонты за пределы классической библиографии. Ведь опыт систематизации, анализирования и аккуратной организации информации может быть востребован далеко за стенами читальных залов.

Библиограф, благодаря своим навыкам, может успешно перейти в роли, связанные с управлением данными, информационным консалтингом и онлайн-исследованиями.

🟣Фриланс-исследователь: Подготовка специализированных обзоров литературы для авторов, учёных или компаний; помощь в работе с источниками и управлении цитированием.
🟣Метаданные и архивы: Создание и поддержка структур данных, работа с цифровыми архивами и онлайн-библиотеками, упорядочивание материалов для удобства пользователей.
🟣Обучение и наставничество: Проведение вебинаров по информационной грамотности, консультации по эффективному поиску и управлению источниками, помощь студентам и исследователям в удалённом формате.
🟣Контент-менеджмент и редактирование: Организация контента для онлайн-платформ, подготовка материалов к публикации, редактирование и проверка на соответствие стандартам цитирования.
🟣Цифровое издательство и индексирование: Работа с инструментами для автоматизации библиографических процессов, консультации по выбору и внедрению программного обеспечения (Zotero, EndNote, Mendeley), участие в проектах по созданию и поддержке цифровых ресурсов.
🟣Управление знаниями (Knowledge Management): Создание, поддержка и развитие внутренних баз знаний организаций, определение систем классификации и структуры информации, обучение сотрудников работе с корпоративными информационными ресурсами.

А какие варианты подобных профессий кажутся вам наиболее перспективными? Поделитесь своим мнением в комментариях!

🩵 Как я пришла к кабинетным исследованиям (и почему это моё призвание)

Мой путь в профессии развивался странно и непредсказуемо. Я поступила на библиотечный факультет, хотя изначально хотела быть филологом. Обучение было интересным, но к выпуску я поняла, что меня гораздо больше увлекает анализ информационных потоков и поиск связей между разрозненными фактами, чем классическая работа с книгами.

Со школы меня притягивала возможность собирать разбросанные «кусочки» данных в единую картину. Мне нравилось часами переходить со страницы Википедии на другую, искать архивы, изучать новые темы. Взаимодействие с людьми не было моей сильной стороной, поэтому журналистика отпала сама собой. Если бы я тогда знала о кабинетных исследованиях в бизнесе, скорее всего, сразу бы занялась этим.

К моей нынешней деятельности меня привёл постоянный эксперимент: я училась работать и с количественными данными, и с качественными методами анализа, пробовала разные инструменты, читала чужие отчёты, разбиралась в методологиях. Со временем я поняла: мне нравится сама суть процесса — собирать факты, анализировать их, превращать в понятные выводы. Это позволяет другим принимать решения не наугад, а опираясь на достоверную информацию.

Совет для тех, кто хочет заниматься кабинетными исследованиями: изучайте чужие работы, разбирайтесь в методах, повторяйте их. Как художник срисовывает чужие картины, так и аналитик может повторять чужие исследования, оттачивая навыки. Чем больше вы пробуете, тем шире ваш кругозор и надёжнее методологический багаж.

Сегодня я знаю: кабинетные исследования — это то, что я люблю и умею. И мне нравится делиться своими находками с теми, кто тоже хочет превратить хаос данных в стройную, убедительную картину.

Заменит ли ИИ социологов, экономистов и политологов?

Я думаю, что многие задаются этим вопросом применимо к своей профессии. Все-таки масштабы развития и достижения искусственного интеллекта поражают любого, кто с ним сталкивался. Вот и меня интересует.

Группа американских ученых решили ответить на этот вопрос, разработав специальную методику определения подверженности/уязвимости (exposure) профессии перед языковыми моделями ИИ. У них получился своеобразный рейтинг. Первые строчки (самые уязвимые) занимают специалисты по телефонным продажам, учителя иностранных языков, литературы и истории. Если присмотреться, то на 10 строчке можно найти социологов, на 14 — политологов, а на 86 — экономистов. Внизу списка находятся профессии, где практикуется ручной труд: каменщики, кровельщики, маляры и так далее. Всего 774 позиции.

Ну что, теперь надо поднимать тревогу? Не совсем. Фишка этого рейтинга в том, что он, с одной стороны, говорит высокой вероятности замены (substitution) профессии ИИ, а с другой — об усилении (augmenting). То есть вместо того, чтобы заменить специалистов, ИИ просто сделает их сильнее, умнее и продуктивнее.

Более того, авторы установили положительную корреляцию между средней заработной платой и уровнем воздействия языковых моделей ИИ на профессии. Получилось, что чем выше подверженность воздействию ИИ, тем выше доход.

Поэтому результаты этого исследования скорее обнадеживают, а не вызывают тревогу.

Felten, E., Raj, M., & Seamans, R. (2023). How will language modelers like chatgpt affect occupations and industries?. arXiv preprint arXiv:2303.01157.

А.Т.

#кратко

🔹Подпишись на Political Animals

Промт для генерации тезисов и плана обзора

Этот промт создан для автоматизации разработки тезисов и плана обзора литературы. Он помогает структурировать данные из таблицы, собранной на основе научных статей, и превращает их в готовый черновик обзора.

〰️Если заменить тему или данные в таблице, промт можно легко адаптировать к любому исследованию!

✔️ Чем полезен промт:
🟣 Систематизирует ключевые идеи из исходных данных.
🟣 Формирует чёткий план обзора, включая разделы и подразделы.
🟣 Помогает на этапе написания текста обзора более эффективно составить промт и объяснить ИИ, чего вы он него хотите.
🟣 Экономит время на анализ данных.

>> Шаг 3: Генерация тезисов и плана обзора
Ты — опытный ассистент исследований, специализирующийся на составлении обзоров литературы.  Твоя задача — на основе данных из предоставленной таблицы сгенерировать тезисы и план обзора литературы.

**Таблица:** [Пользователь вставит сюда таблицу или ссылку на нее]

**Описание таблицы:** Таблица содержит систематизированные данные из научных статей, включая информацию о концептуализации исследуемой темы, методологии, эмпирической базе, ключевых результатах и их интерпретации.  

**Тема обзора:** Влияние депрессии на симптомы астмы. Ключевой вопрос: влияет ли депрессия на симптомы бронхиальной астмы у больных?

**Инструкция:**

1. **Тезисы:** Сформулируй 5-7 основных тезисов обзора, основываясь на данных из таблицы. Тезисы должны отражать ключевые идеи и аргументы, представленные в исследуемых статьях, и быть сформулированы кратко и ясно.

2. **План обзора:** Разработайте подробный план обзора литературы, включающий введение, основную часть (с разбивкой на разделы и подразделы) и заключение.  План должен быть логичным и последовательным, отражая структуру и содержание обзора.  В каждом разделе плана укажи, на каких данных из таблицы он будет основан.  Например:

    * Введение (краткий обзор темы, актуальность, цель обзора)
    * Раздел 1:  [Название раздела] (основан на столбцах "Концептуализация" и "Методологический аппарат")
    *   Подраздел 1.1: [Название подраздела] (основан на строках [номера строк] таблицы)
    *   Подраздел 1.2: [Название подраздела] (основан на строках [номера строк] таблицы)
    * Раздел 2: [Название раздела] (основан на столбцах "Эмпирическая база" и "Ключевые результаты")
    * ...
    * Заключение (обобщение результатов, выводы, дальнейшие направления исследований)


**Формат ответа:** Предоставь тезисы в виде маркированного списка, а план обзора — в виде нумерованного списка с вложенными пунктами.  Весь текст должен быть на русском языке.

〰️Видеоинструкция для промта доступна по ссылке на Бусти.

Применение ИИ для задач ученых: отличный пример. Как раз и показывает, что генИИ хорош для автоматизации рутины.

На днях я выкачу объединённую презентацию по курсу. Но пока небольшая TeXническая заметка. Лайфхаки, полезные утилиты и всё такое.

Я уже писал, что #AI сильно ускорил процесс подготовки. С этого и начнём.

* ChatGpt и Gemini. Промты типа сделай frame с такой-то структурой (например пара блоков и список), это само собой. Но ещё и довольно часто я делал скриншоты из раных статей и просил <<переведи на русский и выдай latex код для frame>>.

Конечно, после этого я ещё много делал для обработки и структуризациии, подходящей для лекции. Но как основа — это сильно упрощает жизнь. Кроме того, когда в одном диалоге делаешь всю лекцию, ещё удобно привоводить всё к единым обознчениям. Часто ИИ даже и сам догадывается поменять.

Ещё ИИ очень помогают с решением ошибок. Можно вставить код и вываливающуюся ошибку и попросить помочь исправить. И это часто сильно удобнее, чем гадание на выхлопе компилятора.

По поводу распознавания скриншотов. С основным текстом и формулами ИИ справляется хорошо. С коммутативными диаграммами — как повезёт, но тут помогает слеудющая quiver, о нём дальше. К слову, есть чатбот который даже рукописный текст вполне сносно распознаёт (даже мои каракули).

* Quiver. Можно рисовать естественным образом сколь угодно сложные коммутативные диаграммы. Используя latex нотацию, разумеется.

NB: Для всяких хитрых стрелок нужно подключить quiver.sty которая качается с их же сайта.

Из полезных фишек: туда может вставить код для диаграммы (в tikz) и отредктировать. На выходе получается tikz код, который просто копипастится в файл презнтации.

* Matcha. Тут я рисую картинки. Всякие графы, диаграммы со стрелками и многоугольниками рисуются «на ура». Тут же можно делать таблицы, графики и всё такое. Можно вставить картинку, и дополнить всякими дополнительными стрелочками.

Интерфейс местами несколько путанный. Например я ооочень долго искал большую фигурную скобку, но справился.

Полученную картинку можно экспортировать как картинку, а можно и как tikz. Последнее очень радует. Правда сам код будет не оптимальным. В принципе, есть смысл пропускать полученное через #AI, чтобы оптимизировать, но это не обязательно.

* По поводу tikz. Поясню, что это могучий инструмент для рисования всяких диаграмм и рисунков. Работать с «оригинальным пакетом» я лично не осилил. Документация смахивает на том ядерной физики. Помимо указанных выше утилит, есть ещё всякие онлайн редакторы tikz. Например этот и этот. Но лично мне хватает связки из Quiver (для диаграмм) и Matcha (для картинок).

Кстати, не забывайте подключать библиотеки tikz: \usetikzlibrary{tikzlibraryname}. У меня подключены: matrix, arrows,calc, shapes.geometric, patterns, babel, cd.

* Detexify — супер полезная штука, распознаёт символ нарисованный от руки. Если забыли какую-нибудь стрелочку или букву, то прямо незаменимо.

%%%%%%%%%%%%%%%%

Я, конечно, понимаю, что напрягаться с рисованием диаграмм и картинок всегда (и всем) лень. Но на мой субъективный взгляд так качество учебных и научных материалов сильно улучшается.

Если есть ещё интересные инструменты, делитесь в комментариях.

📢 Моя книга о кабинетных исследованиях

Коллеги, хочу рассказать о проекте, который для меня очень важен. Это книга, где я собрала всё, что узнала и проверила на практике за годы работы в кабинетных исследованиях.

🐈‍⬛Эта книга — результат шести лет работы, в течение которых я училась искать данные в самых неожиданных местах, систематизировать их так, чтобы ничего не терялось, и адаптироваться к разным задачам, используя доступные цифровые средства.

🔤 О чем книга?
Это сборник советов, историй и кейсов из моей практики.
🟣Как искать, систематизировать и сохранять данные так, чтобы не тратить время зря.
🟣Чек-листы и пошаговые инструкции — всё, что помогает мне на практике.
🟣Кейсы из моей практики — реальные истории по поиску данных и их анализу.

⭐️ Для кого книга?
Для студентов, исследователей, аналитиков, консалтеров — для всех, кто регулярно работает с информацией: ищет её, сохраняет и использует в работе.

❗️Важно, что эта книга обновляемая. Я буду добавлять новые главы с примерами из своей практики и методами, которые помогают мне каждый день.

Доступ к книге тут.💜

В последнее время я стараюсь не публиковать в своём канале контент, не связанный с кабинетными исследованиями, но на этот раз просто не могу пройти мимо. Тема пола и гендера давно меня волнует и регулярно привлекает моё внимание. Сейчас мы вводим в научный оборот такие понятия, как «социология пола», пытаясь либо заменить, либо разграничить их с «социологией гендера».

🔤 На этом примере мне хочется показать, каким образом меняется самоидентификация некоторых учёных и как это отражается на способах поиска их работ. Поэтому, если вы ищете литературу по социологии гендера на русском языке, обязательно попробуйте искать также по запросу «социология пола». Будьте в курсе научных новостей и следите за новыми терминами!

🐈‍⬛ Коллегам — и да, по диплому я социолог — в частности Роману Бумагину и Дмитрию Рогозину, желаю повышать не только свой индекс Хирша, но и вовлечённость подписчиков, а также количество реакций на их посты.

Вообще, мне кажется, что для Telegram уже пора ввести аналог индекса Хирша — условный «индекс говняшек» 💩— чтобы мы могли оценивать резонанс постов по количеству неоднозначных реакций. Чем больше таких откликов, тем более срачеёмким и стимулирующим к размышлениям и дискуссиям становится пост. Считаю умение делать такие посты — благодетелью!

Весьма любопытное интервью Романа Бумагина о социологии пола сквозь призму фрейм-анализа, эдакая антитеза феминистской теории, то, что можно назвать ❤️ патриархальным феминизмом:

1️⃣Считает, если женщина имеет разнообразные социальные роли, это поддерживает либидо. Наблюдая саму себя в разных ситуациях, можно достигнуть эффекта остранения (по Шкловскому) и приобрести сверхсексуальные способности.

2️⃣Предпочитает себя называть социологом пола, а не социологом гендера. Пол – конкретное, сдержанное понятие, без разнузданности гендерных фантазий.

3️⃣Утверждает, что нет деления мира на настоящее и притворное, а всё есть настоящее. Человек не может жить иначе, он всегда живет в настоящем. Все противоречивые факторы с помощью социологии пола можно уложить в единую, непротиворечивую картину.

4️⃣Определяет женщину как приманку, бантик с кисточкой, соблазнительницу, мужчину как ловца, охотника, соблазняемого. Игривая метафора котенка, гоняющегося за фантиком, об этом.

5️⃣Благодарит женщин за то, что они видят в мужчине исходного почитателя, поклонника, ухажера. Снижение либидо закономерно, поскольку траектория близости не предполагается в повседневных практиках, и никакие специалисты здесь не помогут. Лучше самостоятельно справляться с возникающими проблемами.

Роман Евгеньевич, конечно, не согласится с такой по-меткой, и в его несогласии больше правды и силы. Кроме выступления, в следующем году в Путях России выйдет в свет его статья «Родовые травмы гендера: эволюция понятия и проблемы операционализации в современной микросоциологии». Ждите. А пока смотрите интервью и оспаривайте основные тезисы, критикуйте и освобождайте энергию опровержения и созидания, из которой рождаются сексуальная энергия и долгая, счастливая жизнь.

🆕Обновление тиров на Бусти🆕

Друзья, рады представить вам обновленные уровни подписки на Boosty! Теперь еще больше возможностей для прокачки ваших навыков в кабинетных исследованиях и доступ к эксклюзивному контенту. Выбирайте уровень, который подходит именно вам:

💜 Стажер (200 ₽/мес):

Получите доступ к полной базе текстовых материалов и чек-листов по кабинетным исследованиям. Все удобно собрано в одном месте и всегда под рукой. Начните свой путь к экспертизе прямо сейчас!

💜Младший аналитик (350 ₽/мес):

В дополнение к материалам уровня "Стажер" вы получите доступ к архиву записей всех семинаров, лекций и выступлений по кабинетным исследованиям. А еще сможете предлагать темы для новых материалов и влиять на контент.

💜Аналитик (500 ₽/мес):

Все преимущества уровней "Стажер" и "Младший аналитик" + доступ ко всем промтам и специальным урокам по их использованию. Поднимите эффективность своих исследований на новый уровень!

💜Старший аналитик (1500 ₽/мес):

К привилегиям предыдущих уровней добавляется ежемесячная личная консультация по Zoom. Разберите свои вопросы со мной и получите индивидуальные рекомендации для достижения ваших целей.

💜Проектный менеджер (5000 ₽/мес):

Максимальный уровень доступа. Включает все привилегии предыдущих уровней + доступ к закрытым личным каналам Елены, где вы найдете не только профессиональный контент, но и немного личного. Будьте ближе к закулисью!

Подписывайтесь на Boosty и выбирайте свой уровень! Ссылка в профиле.

Промт для создания аналитической таблицы для обзора научных статей

Этот промт предназначен для автоматизации процесса анализа научных статей в области медицинских исследований, связанных с бронхиальной астмой и депрессией. Он задает структуру аналитической таблицы для систематизации ключевой информации из статей.

〰️Если вы поменяете тему и примените промт на статьях по другой теме, он тоже отлично сработает!

Промт помогает исследователям:

🟣Упорядочивать данные из научных публикаций.
🟣Выделять наиболее важные цитаты и результаты.
🟣Создавать удобную базу знаний для сравнительного анализа.
🟣Ускорить процесс обзора литературы, сохраняя при этом высокую степень точности и терминологической корректности.

Пример результата на картинке. А промт ниже: 🐈‍⬛

>> Шаг 1: Таблица для обзора
Ты - опытный ассистент исследований, специализирующийся на медицинских исследованиях в области бронхиальной астмы.  

Мне необходимо разработать аналитическую таблицу в формате Markdown для систематизации данных из предоставленных научных статей, исследующих эту концепцию. Каждая ячейка таблицы должна содержать релевантную цитату из соответствующей статьи. Цитаты должны быть краткими и ёмкими, по возможности не превышая 150 символов. Если краткая цитата невозможна, используй наиболее репрезентативный фрагмент текста и укажи номера страниц. 

Если в статье отсутствует информация для какого-либо столбца, укажи это в соответствующей ячейке таблицы, например, 'Информация отсутствует'. Последовательность внесения данных определяется порядком предоставления статей.

Структура таблицы:

* Концептуализация астмы: Детальное описание заболевания, принятой в анализируемой статье.
* Концептуализация депрессии: Детальное описание заболевания, принятой в анализируемой статье.
* Методологический аппарат: Исчерпывающее описание использованных методов исследования, включая обоснование их выбора и специфику применения в контексте данного исследования.
* Эмпирическая база: Подробная характеристика используемых данных, включая их тип, источник, объем и критерии отбора.
* Ключевые результаты: Изложение основных результатов эмпирического исследования, с акцентом на наиболее значимых выводах.
* Интерпретация результатов: Анализ взаимосвязи между эмпирическими результатами и клинической работы, с указанием на подтверждение, опровержение или развитие существующих теоретических положений.
* Ответ на ключевой вопрос обзора: как в статье отвечают на вопрос о том, влияет ли депрессия на симптомы бронхиальной астмы у больных
* Библиографическая ссылка: Полная библиографическая информация о статье, согласно стандартам академического цитирования (авторы, название статьи, год публикации, название журнала/сборника, том, выпуск, страницы, DOI).

Все предоставленные статьи подлежат обязательному включению в таблицу. Модификация или удаление данных из таблицы недопустимы. Весь текстовый контент таблицы должен быть представлен на русском языке с соблюдением терминологической точности и стилистической корректности перевода.

〰️Видеоинструкция для промта доступна по ссылке на Бусти.

Промты будут выходить на канале в открытом доступе раз в неделю-две. А по подписке вы получите все быстро, в одном месте и с видео-уроком ❤️

✨ Как ИИ помогает писать обзоры литературы?

Коллеги, я подготовила для вас подробный видеоурок, который шаг за шагом объясняет, как написать обзор литературы с помощью ИИ. В нём всё просто и наглядно, как работать в Google Ai Studio:

📊 Таблицы
Научимся собирать и упорядочивать данные из статей. Логика и структура — основа хорошего обзора!

🔍 Проверка цитат
Как быстро найти и проверить цитаты с помощью ИИ, чтобы избежать ошибок.

💡 Тезисы и план
Создаем тезисы и план обзора по данным таблицы: введение, основные разделы и заключение.

✍️ Готовый текст
Как из тезисов сделать связный текст, при этом сохранив свои акценты и стиль.

💰 Доступ к видео 250 рублей.
📌 Доступно подписчикам уровня «А запись будет?».

Все детали здесь 👉 boosty

Пишите обзоры проще и быстрее. 💜

Горячо рекомендую канал Михаила, который рассказал мне про промты и ИИ все, что я знаю и применяю сегодня.

Закулисье. Налейте мне еще пару литров кофе, пожалуйста.

🦖Аналитическая гигиена: ключ к успешной работе с данными

Работа аналитика — это не только поиск и анализ данных, но и умение их правильно организовывать и сохранять. Особенно важно соблюдать "аналитическую гигиену".

Почему это важно
- Чётко маркированные данные предотвращают ошибки при их интерпретации. Например, в таблице, где не указаны единицы измерения, могут возникнуть путаницы (например, метры или километры).
- Если вы работаете в команде, структурированные данные облегчают совместную работу. Любой участник сможет быстро понять, что за информация перед ним. (А особенно старший аналитик, который смотрит на данные от младших коллег.)
- При качественной маркировке и структуре данных не нужно возвращаться к исходникам, чтобы что-то уточнять​​.

🐋 Основные принципы🐋

Маркировка данных
Обязательно указывайте:
- Источник данных.
- Единицы измерения.
- Дата обновления информации.
- Статус данных (черновик, финальная версия, промежуточные итоги).

Перевод данных в плоские таблицы
Убедитесь, что сложные иерархические структуры из исходных данных развернуты в плоский формат. Это значительно упрощает анализ, применение фильтров и автоматизацию.

- Используйте отдельные столбцы для обозначения уровней иерархии, вместо вложенных данных (например, "Категория", "Подкатегория", "Элемент").
- Избегайте использования объединённых ячеек в таблицах, предназначенных для анализа, так как они могут нарушить работу фильтров и формул.
- Если объединение нужно для визуального оформления, создайте отдельный слой или таблицу для представления.

Корректная работа с фильтрами (мое любимое)
Перед применением фильтров убедитесь, что диапазон, на который они распространяются, включает все данные (они будут обведены "рамочкой). Данные, оказавшиеся за пределами диапазона, не будут отображаться и могут быть потеряны при анализе.
- Регулярно проверяйте рамки фильтров, особенно после добавления или удаления строк и столбцов.

И, конечно,
- Используйте одинаковый формат для всех таблиц: шрифты, цвета, структура столбцов. Это упрощает восприятие.
- Используйте облачные хранилища или версии в корпоративных системах.
- Дублируйте файлы перед важными изменениями, чтобы не потерять данные из-за ошибки​​.

Поделитесь, какие ещё практики помогают вам в управлении данными? 😉

#дескрисерч

Тут мне попалась на глаза (спасибо уважаемому Л.К.) лекция Теренса Тао про #AI

Там очень интересный обзор вполне конкретных применений компуктеров (не только ИИ) для решения мат. задач, начиная с пресловутой проблемы 4-х красок до наших дней.

Самый любопытный упомянутый сюжетэто Lean. Про него есть коротко и есть длинно. Но если по сути, то эта штука умеет проверять математические рассуждения, если они записаны на некотором специальном языке (собственно на Lean).

Тао среди прочего упомянул что один гражданин собирается через Lean пропустить доказательство великой теоремы Ферма, которое получил Уайлс. Ну и, вроде как, это должно быть решающим аргументом в пользу того, что там всё действительно чисто. Я, правда, не слышал от специалистов серьёзных сомнений, но...

Кстати, Тао отметил очень интересную штуку. Записанное в Lean доказательство становится интерактивным: то есть жмакнув по логическому переходу можно получить более подробно расписанный переход (о, как этого не хватает при виде всяких этих ваших "очевидно", "вычислением получаем", "легко видеть что" и прочего!). То есть доказательство, которое написано специалистом можно "раскрутить" до самых аксиом. Вот уж действительно, идеальный учебник.

Единственное, очень бы не хотелось, чтобы не заставили оформлять статьи по стандарту Lean. Вот это уж будет настоящая антиутопия 😊

Впрочем, я оптимист (про Тао не уверен, он об этом не особо говорил). Хотя ИИ сможет уже очень скоро (лет 10, запомните этот пост) эффективно проверять рассуждения, написанные нормальным языком (грубо говоря статью) и, возможно, проверять несложные гипотезы, но ИИ не сможет вести самостоятельных исследований. То есть едва ли он в обозримом будущем научится отличать полезные новые утверждения (хорошие теоремы) от бесполезных (плохие теоремы).

То есть он сможет написать статью для сборника РИНЦ "об одном асимптотическом свойстве одного решения одного уравнения", но на уровень не то что Тао, но даже и более скромных, но настоящих исследователей, — он вряд ли в обозримом будущем подымется. Впрочем, без "сборников РИНЦ" мы как-нибудь переживём.

Иначе говоря, я не сомневаюсь, что ИИ научится искать путь по дереву логических импликаций от аксиом к данному утверждению. Но я также не сомневаюсь, что в обозримом будущем ИИ сможет понять какие из всего многообразия следствий из аксиом (т.е. верных утверждений=теорем) — полезны, а какие не особо. Математика это вам не шахматы, тут критериев победы нету.

А вы как думаете, кожаные мешки с костями белковые исследователи?

Когда останавливать поиск?

Сбор информации — важный этап исследования, но важно знать, когда остановиться. Бесконечный поиск может завести в тупик и отнять драгоценное время.

📌 Пауза в поиске:

Рекомендуется сделать паузу и проанализировать результаты, когда у вас есть 5-15 релевантных источников. Это позволит:

🖇Оценить релевантность найденной информации.
🖇Проверить, правильно ли сформулирован запрос.
🖇Скоорректировать стратегию поиска.

🐝 Завершение поиска:

Поиск можно завершить, когда:

🖇Вы нашли ответы на все свои вопросы.
🖇Заканчивается отведенное время.
🖇Вы собрали все запланированные источники.
🖇Новая информация повторяет уже имеющуюся.

Пример:

Если вы ищете статистику по количеству пользователей TikTok в определенной стране, поиск можно завершить, найдя официальные данные от TikTok или авторитетных исследовательских компаний.

Если же вы изучаете более сложную тему, например, влияние видеоигр на поведение подростков, критерием завершения поиска может стать отсутствие новой информации или истечение срока исследования.

🌟 Доступ к записям лекций с курса 🌟

Я рада сообщить, что теперь на канале какая-то библиотека на Boosty доступны уже 5 записей лекций, которые помогут вам стать мастером кабинетных исследований, поиска информации и работы с данными. До конца года выйдет еще 5!

📚 Какие лекции вас уже ждут?

Логика исследовательского поиска — базовые подходы и техники, которые помогут вам структурировать поиск данных.
Как составить поисковый запрос? — создаем запросы, которые находят точную информацию.
Методический кейс-стади кабинетного исследования — практический пример работы с данными.
Информационные ресурсы — как находить ценные источники и организовать свою работу.
Отбор публикаций и наукометрия — как оценить релевантность статей и понять их научную ценность.

💡Стоимость доступа ко всем записям: 250 рублей. Подписывайтесь и учитесь в удобное для вас время!

👉 Ссылка на подписку

Редактирую тут свою будущую книшку по грубой геометрии и наткнулся на забавный фан факт: в этом году исполнилось 100 лет довольно известной работе П.С. Александрова в которой тот ввёл понятие одноточечной компактификции.

Удивительно, сколько с тех пор изменилось. Та статья была написана по-немецки, да и главный академический язык тогда был именно немецкий. А всего через 20 лет "что-то случится" и главным, абсолютно доминирующий языком станет английский. И только разные "довоенные" старпёры будут продолжать публиковаться на немецком (Халин, например, одну из очень хороших своих теорем в Math Annalen опубликует в 1964 г. на немецком).

Бережно передаваемые из рук в руки учебники, по которым учились целые поколения математиков тоже изменятся. Сначала они "переедут" в цифру и станут общедоступными, а потом вдруг начнут появляться "конспекты лекций" в arxiv.org, всякие презентации, записи на youtube.. И вот сейчас, 100 лет спустя я нахожу оптимальное изложение компактификации в nlab. И вот идея открыть какой-нибудь "классический" учебник типа Ван дер Вардена мне даже в голову не приходит.

И с преподаванием тоже случилась забавная вещь. Фактически, все доказательства не просто где-нибудь написаны, но даже и без труда (обычно) находятся. Только откуда юному математику (или другому специалису) понять что же ему читать и учить? Вроде туман рассеялся, но слушатель всё равно находится в тёмном лесу, где решительно не ясно куда идти.

Так что нонче лекторы это типа Вергилия, который показывает некий путь (кстати, лишь один из множества возможных), а не единственный и неповторимый источник знания. Лично я, работая с осмысленной публикой, совершенно спокойно пропускаю многие детали (давая, конечно, ссылку на источники) стараясь сосредоточиться на основных идеях и мотивировках.

Получается, что у лекций появляется дополнительное измерение: доп.материалы которые рекомендуются к изучению: и теперь это в основном статьи, заметки, тексты в nlab и подобных википодобных ресурсах, обсуждения на stackexchage, даже (иногда) личные блоги (типа блога Тао).

Не вдаваясь в детали личности Павла Сергеевича (а было там непросто), с некоторой гордостью отмечу, что он мой научный "дед" (т.е. научный руководитель моего научного руководителя). Не знаю что бы он сказал глядя на современные академические и методические реалии. Но, предположу, что многое его бы удивило, и многое заинтересовало.

Через неделю буду с коллегами из Dsight рассказывать про трендвотчинг: что и как мы делаем.

✨Расскажу про наши методологические особенности, автоматизацию и объем разных источников информации, которые мы охватываем в иссследованиях.

https://t.me/dsight_media/1156

https://t.me/dhcenter/721

Горячо рекомендую новый подкаст. Мне кажется, я подкасты сто лет уже не слушала. А тут мой друг и его коллеги из DH делают что-то одновременно заумное, интересное и завораживающее.

Базовые вопросы, которые помогают исследовать процесс учёбы.
(что я чаще всего задаю на первой встрече, когда помогаю создавать персональную траекторию обучения).

Делюсь, можете сохранить и сделать письменную практику самостоятельно, а еще лучше порасспрашивать друг друга. Например, чтобы эти вопросы вам задала подруга и уже сама добавила уточняющие по вашим ответам.
👨‍👩‍👧‍👧Наверное эти вопросы подойдут и родителям подростков и студентов, чтобы быть участливыми в образовательной жизни, задавать существенные вопросы, а не просто “как дела”.

✍️
1) Насколько сейчас себя энергично чувствуете? (от этого зависит глубина ответов, выделите себе 15 минут или 40 в зависимости от состояния).

2) Сколько уже по времени учитесь? Как справляетесь сейчас? Что затормаживает процесс обучения, где чувствуете подъем. Как сохраняете ритм и как дела с рутиной?

3) Как справляетесь с неидеальностью своей учёбы / конкретной ситуацией, например курсовой?

4) Как систематизируете знания? Может ведете глоссарий терминов, рисуете mind-карты, пишите конспекты, делаете скриншоты и отправляете в архив сообщений в телеграме.

5) Где обычно учитесь? Как помогаете себе зацепиться за учебное время, не откладывать это занятие. Поменялись ли обстоятельства когда только начали учиться и сейчас? Вы на них влияли или что-то произошло и пришлось перестраиваться?

6) Появилась ли привычка думать об учёбе и о вашем изучаемом предмете?

7) Я сейчас задаю вопросы, какие стереотипы об обучении сейчас “включились”? Может хотелось отвечать как правильно или даже появилось чувство неловкости от того что вот у вас так всё устроено сейчас. Запишите просто на полях что влияет на ваше наблюдение за действительным процессом вашей учёбы (пусть эти голоса просто выскажутся справа на полях).

🍀 выдох 🍀
8 ) Переформулируется ли цель за время учёбы сейчас? если учитесь уже дольше одного месяца, то даже может так случиться, что первичная цель была достигнута. Как она сейчас звучит?

9) Что сейчас сложно сделать самостоятельно на своём пути и кто бы мог в этом помочь? А что можно сделать уже сейчас, чтобы просто продолжать, пока обращаемся за помощью или ищем нужные знания.

10) Какие наблюдения за собой, во время этого рассказа, вышли на первый план? Оцените как они влияют на вашу образовательную цель и сверьтесь критичны ли они. Если не критичны, то это ваши особенности *обнять и принять себя, погладить по голове :))*. Если найденные факты о своём учебном поведении прямо влияют на цель и делают её невозможной, то можно переформулировать цель (сделать ее ближе к той точке, в которой вы сейчас находитесь).

☀️ Всегда помните, что контекст меняется, цели переформулируются, а вы всегда остаётесь на своей стороне и не придумываете план войны с собой / своей ленью / своим мозгом / прокрастинацией или ещё там чем.
Только дружелюбное движение 🐿

✅ отдых важен
✅ порой важно перетоптаться и пережить эмоции, чтобы тело тоже пересобралось в ваши новые представления о вас
✅ расставлять приоритеты нормально и держать в руках только самое необходимое
✅ все люди учатся неидеально, а делают лучшее из возможного
✅ волнообразность образовательного процесса существует
🪴заботиться о нашем образовании — наша самостоятельная ответственность

#персональнаятраектория #метод

🔍 Подходы к поиску информационных ресурсов: как искать эффективно 🔍

Вы когда-нибудь задумывались, как максимально продуктивно искать информацию для своих исследований или проектов? Эффективный поиск — это не просто случайное блуждание по интернету. В этом посте расскажу о ключевых подходах, которые помогут вам находить именно то, что нужно.

Определите тип информации, которая вам нужна
Начните с понимания, какие данные необходимы:

- Первичные данные — сырые материалы, которые требуют анализа.
- Вторичные данные — готовые обзоры и статьи, которые можно сразу использовать.

Идентифицируйте стейкхолдеров
Кто создает нужную информацию? Например:

- В бизнесе: отраслевые ассоциации и исследовательские организации.
- В науке: университеты и научные журналы.
- В правовой сфере: государственные органы и правительственные порталы.
✨ Совет: Определите ключевых игроков, которые связаны с вашей темой, и начните поиск с их ресурсов.

Начните с вторичных источников
Чтобы получить общее представление, начните с Википедии и других вторичных источников. Не забудьте проверить ссылки на первоисточники внизу статей — они могут стать вашим путеводителем к ценным данным.

Определите подходящие ресурсы для поиска
В зависимости от цели исследования выберите подходящие информационные ресурсы:

- Научные базы данных для академических статей.
- Патентные базы для анализа изобретений.
- Новостные агрегаторы для свежих данных.

Изучайте ссылки и сноски
В отчетах и исследованиях часто указаны полезные ссылки. Это позволит вам выйти на новые источники, которые проверены другими специалистами.

Используйте инструменты ИИ
ChatGPT и Plex могут стать вашими помощниками в поиске. С их помощью можно не только находить информацию, но и обсуждать стратегию поиска, что особенно полезно в случае, если вам нужно расширить область исследования.

Присоединяйтесь к профессиональным сообществам
Не пренебрегайте Telegram-каналами, блогами и чатами, посвященными аналитике. Здесь можно найти советы, новые источники и ссылки на полезные данные.

Ищите экспертные мнения
Интервью, публикации в медиа и профили на LinkedIn помогут вам найти мнения и анализы ведущих экспертов в вашей области.

💡 Заключение: Понимание того, где искать информацию и как структурировать процесс поиска, сделает ваш подход к исследованиям более осознанным и продуктивным. Используйте эти стратегии, чтобы быстро находить нужные данные и достигать своих целей!

Для выявления информационных ресурсов, а не конкретных источников, важно понимать, как и где можно найти такие ресурсы.

Информационные ресурсы представляют собой платформы, базы данных, каталоги и другие среды, где хранится информация.

Вот несколько их типов, где стоит искать источники в первую очередб:

Каталоги и базы данных
Ищите специализированные каталоги и базы данных, такие как академические библиотеки, репозитории университетов или отраслевые базы данных. Например, Национальная электронная библиотека или базы данных научных журналов предоставляют доступ к обширным наборам документов.

Научные порталы и онлайн-платформы
Используйте порталы, такие как Google Scholar, PubMed, Web of Science и Scopus, которые служат ресурсами для научных исследований. Они агрегируют множество источников и помогают находить научные публикации и статьи.

Официальные сайты организаций и институтов
Сайты государственных учреждений, исследовательских институтов и университетов часто содержат коллекции документов, статистические данные и другие информационные материалы. Например, Росстат предоставляет доступ к статистическим данным.

Онлайн-энциклопедии и справочные системы
Такие ресурсы, как Encyclopaedia Britannica и специализированные энциклопедии в разных отраслях, служат информационными хранилищами для быстрых справок и детальных исследований.

Ресурсы с открытым доступом
Ищите платформы с открытым доступом, такие как arXiv.org, DOAJ (Directory of Open Access Journals), которые предоставляют бесплатный доступ к научным статьям и исследованиям. Это важные ресурсы для поиска актуальных исследований и данных.

Агрегаторы данных и аналитические платформы
Рассмотрите использование агрегаторов, таких как Statista или платформа аналитических отчетов, чтобы получить доступ к собранной информации по различным темам. Они помогают находить и систематизировать данные из множества источников.

Эти шаги помогут вам находить и использовать информационные ресурсы, обеспечивая доступ к широкой базе данных для проведения исследований или анализа.

Революция в анализе текста: LLM против экспертов

Недавнее исследование, проведенное Петтером Тернбергом (2024), сравнило производительность LLM с другими методами аннотации текста на примере определения политической принадлежности авторов сообщений в Twitter. Задача осложнялась тем, что требовала комплексного анализа контекста, иронии и неявных смыслов.

Результаты исследования впечатляют:

LLM превзошли все другие методы, включая экспертов-аналитиков и специализированные модели машинного обучения.

LLM показали высокую точность во всех языках и культурных контекстах, несмотря на то, что обучающие данные были в основном на английском языке и в контексте США.

Анализ ошибок показал, что LLM используют логику, более похожую на человеческую, чем традиционные модели машинного обучения. Вместо простого поиска ключевых слов, LLM способны делать выводы на основе контекста и понимать мотивы автора.

LLM: новые возможности

Снижение затрат и повышение доступности анализа текста.

Новые возможности для сравнительных исследований в разных странах и культурах.

Развитие новых методов анализа, сочетающих качественные и количественные подходы.

Однако LLM также ставят перед нами новые вызовы:

Этические и юридические вопросы, связанные с использованием данных и конфиденциальностью.

Необходимость разработки стандартов и лучших практик для обеспечения надежности, воспроизводимости и этичности исследований.

Эпистемологические вопросы, связанные с природой интерпретации и ролью LLM в научном процессе.

Будущее за LLM?

LLM обладают огромным потенциалом для преобразования социальных наук. Однако важно помнить, что LLM — это всего лишь инструменты. Чтобы использовать их потенциал в полной мере, нам необходимо разработать новые подходы к анализу текста, которые учитывают как возможности, так и ограничения этих мощных технологий.

🗓 День 6 ноября — классный день календаря

Как изменился за последние годы труд ученого в России? Существуют ли биотех-компании, где комфортная среда и адекватные руководители? Куда податься студенту, чтобы в будущем иметь высокую зарплату?

🆕 На эти и другие острые вопросы ответим на карьерном вебинаре в среду на следующей неделе

Спикер: Анна Фомина | Sci_Career, Сколтех, Химия-Просто👍

Анна поведает, какая ситуация на российском трудовом рынке, а также осветит темы:

🚩 куда лучше идти после бакалавриата: работать или в магу
🚩 как влияет опыт работы в иностранных компаниях на прием на работу в РФ
🚩 в чем отличия в подходе к CV у нас и за рубежом
🚩 как искать вакансии и оформлять резюме: лайфхаки от Анны

Кому подойдет? Всем, кто ищет работу в лайфсайенс, кто раздумывает о смене траектории, а еще тем, кто находится за рубежом и хочет вернуться на отечественный рынок
Когда? 6 ноября, 19:00 мск
Длительность? Ориентировочно 1,5 часа

🔖 Приходите на вебинар получить инсайты и зарядиться энергией. Регистрация тут: t.me/TeamBlastimBot

Реклама. ООО “Бластим”. ИНН 7716966359, erid:2VtzqxdYYT6

меня только что попросили не шуметь в библиотеке 🤷‍♂️ никогда такого не было и вот опять

Экспертиза в эпоху инфобизнеса

Интересную тему затронула @sonyaaboutcam. Сложно поспорить с тем, что сейчас мы видим расцвет "экспертной экономики", где любой может стать экспертом и продавать свои знания.

С одной стороны, это прекрасно: люди могут делиться своим опытом и зарабатывать на этом. Но с другой стороны, отсутствие валидации экспертизы приводит к ухудшению ее качества.

Я не верю в способность государства регулировать экспертность. И не считаю, что "правильный" эксперт — это тот, кто получил образование в престижном университете или имеет "правильные" credentials. Я и сама окончила на самый престижный институт... Да и много не читаю, не знаю.

Мой подход — искать знание с открытыми глазами и думать своей головой. Я изучаю разные источники, сравниваю разные точки зрения, и стараюсь определить, что является релевантным и полезным для решения конкретной задачи.

Когда я сама выступаю в роли эксперта (а я так делаю), то я стараюсь рассказывать только свой опыт. Я не знаю, как правильно — но могу подробно объяснить, как я делаю, что я читала и какие факапы и удачи у меня были.

Когда я читаю экспертов, я опираюсь на критерии релевантности и интереса, а не на формальные критерии образовательной экспертизы. Я смотрю на внутреннюю согласованность суждений эксперта, сравниваю его мнение с другими знаниями и тезисами. И важно понимать, когда эксперт говорит о фактах, а когда выражает свое мнение.

Мой подход не всегда быстрый и экономичный, но он — моя профессия и я сама.

❕Это снова ОН — новый приём на курс Лупы!

Всего раз в год Лаборатория университетской прозрачности (Лупа) открывает набор на онлайн-курс по антикоррупции в вузах. Успей стать частью нашей команды, исследующей непрозрачность в высшем образовании!

🟡Чему мы научим?
Исследовать коррупционные практики в российских университетах с помощью современных инструментов, создавать расследования и влиять на политику вузов.

🟡Что будет на курсе?
Онлайн-лекции, практикумы и работа над собственными антикоррупционным расследованием. Итогом работы станут тексты студенто:к. Их мы опубликуем в независимых российских медиа.

🟡Кому подойдет курс Лупы?
Студент:кам, преподаватель:ницам и всем неравнодушным к высшему образованию. Тем, кто разделяет ценности открытости, прозрачности и подотчетности университетов и хочет делать свой вуз лучше.

🟡Что получат студент:ки?
Публикацию в независимом медиа, доступ к комьюнити опытных антикоррупционеров и расследователей, а еще суперподдерживающее комьюнити из студенто:к со всей России.

🟡 Как проходит курс?
Занятия начнутся 2 ноября и продлятся до мая. Курс состоит из двух частей — теоретической и практической. Подробную программу читай на сайте Лаборатории.

🏪 Приём заявок до 4 ноября.

📝 Подать заявку на онлайн-курс Лупы

💕 Отличный источник и сообщество по биомеду. Рекомендую подписаться, кто в теме и в отрасли.

https://t.me/biomedskhodka

Составление поисковых запросов – это ключевой этап в проведении любого исследования или поиска информации в интернете.

Один из полезных методов для организации и улучшения поисковых стратегий – это создание графического представления концептов, например, с помощью диаграмм Эйлера. Это визуальный инструмент, который позволяет четко видеть взаимосвязи между ключевыми словами и синонимами, облегчая процесс поиска.

Что такое диаграммы Эйлера? Диаграммы Эйлера используются для отображения множества данных и их пересечений.

⭐️ В контексте поисковых запросов они помогают визуализировать, как разные ключевые слова и фразы могут пересекаться, дополнять друг друга или существовать независимо. Это позволяет понять, какие термины будут исключать ненужные результаты или, наоборот, сужать область поиска для более точных результатов.

❕Как использовать диаграммы Эйлера для поиска?

Определите ключевые концепты. Начните с основных терминов, которые описывают вашу тему. Например, если вы ищете исследования по "инновациям в пищевой промышленности", ключевыми концептами будут "инновации" и "пищевая промышленность".

Найдите синонимы и связанные термины. Для каждого ключевого слова придумайте несколько альтернативных вариантов, включая синонимы, связанные термины и возможные специфичные подкатегории. Для "инноваций" это могут быть "технологии", "разработки", а для "пищевой промышленности" – "продовольствие", "еда" и т.д.

Постройте диаграмму. Нарисуйте круги для каждого концепта и пересечения между ними. Это поможет увидеть, какие термины могут использоваться совместно для узкой фокусировки запроса, а какие – для расширения поиска.

Примените к поисковым системам. Используя операторы поиска (например, кавычки для точного поиска, знак минуса для исключения результатов), можно сконструировать запросы, отражающие пересечения из диаграммы. Например, запрос может звучать как "инновации в пищевой промышленности" -"еда" для исключения ненужных общих результатов.

Преимущества визуализации концептов:

🖇 Вы видите, какие термины могут сужать поиск или пересекаться с другими.
🖇Вы создаете более сложные запросы с учетом комбинаций ключевых слов.
🖇Визуализация помогает избежать дублирования или лишних данных, структурируя поиск.

Что такое пиратство? Это когда с плохими дядями и тётями, которые бесплатно качают книги и музыку борются хорошие дяди и тёти, которые бесплатно качают нефть и газ (с)

Спасибо Флибусте, что она есть, и спасибо Stiverу за то, что он был. Честно говоря я не могу (и слава богу) даже близко себе представить, что испытывает человек, которому настолько больно и плохо. Мне кажется, что это очень здорово, что ему дали возможность достойно уйти из жизни.

И мне, если честно, вообще становится дурно от мысли, что сейчас, в 21 веке люди вынуждены испытывать такие мучения и не иметь возможности достойно уйти. В общем, пожалуй, отмечу что (с моей точки зрения) право на медицинскую эвтанизию это, конечно, штука необходимая.

Право на смерть — как часть права на жизнь. Хочется ещё доскрипеть до того момента, когда оба эти права станут полностью правами человека, а не государства.

R.I.P.

Использование поисковых операторов для улучшения результатов

Поисковые операторы — это мощный инструмент, который сделает ваш поиск точнее и эффективнее. Вот основные из них:

🖇 Кавычки (""): Ищут точное соответствие фразы. Пример: "искусственный интеллект".

🖇 Минус (-): Исключает слова из поиска. Пример: питон -python (исключит результаты о языке программирования).

🖇 OR: Ищет страницы, содержащие любое из указанных слов. Пример: кофе OR чай.

🖇 site: Ограничивает поиск определённым сайтом. Пример: искусственный интеллект site
.org.

🖇Диапазон (..): Ищет числа в заданном диапазоне. Пример: смартфоны 2019..2022.

🖇 intitle: Ищет слова в заголовках страниц. Пример: intitle:новости.

🖇 Исключение сайтов (-site:): Исключает результаты с определённых сайтов. Пример: технологии -site
.com.

📌 Совет: Не забывайте использовать фильтры поиска по дате, языку и типу контента для ещё более точных результатов.

👏 В пятницу аналитик Dsight Елена Каганова выступила на митапе факультета журналистики СПбГУ, посвященном генеративному искусственному интеллекту и его применению в работе журналистов и медийщиков.

👾 Елена подробно рассказала о том, как писать эффективные промпты для генеративного ИИ: профессиональные, подробные, развернутые. Она поделилась примерами промптов, которые мы используем в Dsight, и уделила особое внимание механизмам и процессам работы с ИИ, позволяющим избежать недостоверных данных и защитить аналитика или журналиста от ошибок при составлении отчетов, написании текстов и анализе информации.

👀 Кроме того, на митапе выступили представители компаний-разработчиков чат-ботов на основе генеративного ИИ, а издание «Деловой Петербург» поделилось опытом внедрения генеративного ИИ в свою SMM-стратегию. Проектный менеджер в редакции Поиска Яндекса Анастасия Доценко раскрыла некоторые детали о последних нейро-разработках компании.

Моё место приложений знаний и навыков в области Desk Research ♥️

🐟 Как мертвый лосось помог совершить прорыв в нейронауке?

Посмотрите видео в этом посте и узнаете историю, как простой лосось с помощью ученого сделал большое открытие

⚡️Но это еще не все. Этим видео мы в Blastim открываем «НЕДЕЛЮ СТАТИСТИКИ», где мы осветим разные нетривиальные вещи, связанные с ней!

А еще расскажем, как Иван Поздняков и К⁰ в рамках нашего предстоящего курса по анализу данных на R научат вас не попадаться на уловки и манипуляции с данными!

👉 Подписывайтесь на канал и следите за новыми постами. Обещаем, будет интересно

Реклама. ООО “Бластим”. ИНН 7716966359, erid: 2VtzqxMP2M1

💕 Запись занятия "Как составить поисковый запрос" доступна на Бусти по подписке "А запись будет?"

Обсудили теорию поисковых запросов и много примеров из работы и учебы. Посмотреть тут: https://boosty.to/newsinserity/posts/7c721bd7-96cb-460f-902f-91d0da668eac?share=post_link

💌 Ниже прикрепляю презентацию и конспект.

Переход от вопроса к данным

В предыдущем посте мы разобрали, как правильно сформулировать вопрос из темы. Теперь наша задача - получить данные, которые помогут нам на него ответить.

На этом этапе мы переводим наш вопрос с человеческого языка на язык, который поймут поисковые машины. Это не просто переформатирование запроса, а ряд действий, которые помогут оптимизировать поиск.

Сначала мы определяем ключевые слова, которые описывают самое важное в нашем запросе.

Поисковые системы позволяют сузить область поиска. В Google это можно сделать с помощью фильтров по времени (например, за последние полгода) и географии (страна или язык).

Важно задать себе вопрос: какой источник информации нам нужен? В Google можно переключаться между разными источниками.

Например, для поиска новостей о экологических катастрофах в России лучше использовать новостные агрегаторы.

Если же нужна информация о накопленном ущербе от разливов нефти, то лучше использовать классический поиск, так как эта информация скорее всего содержится в отчетах и исследованиях.

Для получения конкретных цифр о количестве разливов нефти в России за последние 5 лет с динамикой по годам, лучше обратиться к статистическим агрегаторам, например, к открытым данным Росстата.

Переход от темы к вопросу

Первая проблема, с которой мы сталкиваемся, - это слишком широкие концепции. Например, "инновации в сфере продуктов питания", "состояние рынка онлайн-образования", "лучшие практики в фитнес-приложениях для корпоративных клиентов" - все это слишком общие понятия.

Формулирование конкретных вопросов помогает нам сузить фокус исследования, понять, какие аспекты объекта исследования нужно изучать отдельно, а какие можно интегрировать на более позднем этапе.
Например, мы можем понять, что не нужно охватывать все аспекты темы, а достаточно сосредоточиться на каком-то конкретном аспекте. Это позволит нам сэкономить время и ресурсы.

В коллективах часто возникает проблема неясности или неопределенности понятий. Например, "развитие", "динамика рынка", "состояние рынка", "тренды" - все эти понятия могут интерпретироваться по-разному.
Важно понимать, что ваш коллега или клиент может иметь в виду что-то другое, чем вы.

Например, "прорывная компания" может пониматься по-разному: кто-то может считать такой компанию, которая заработала много денег, а кто-то - компанию, которая получила широкую известность благодаря пиару.

Чтобы избежать путаницы, необходимо согласовать определения ключевых терминов до начала исследования.

На ранних стадиях исследования может быть неясно, какой именно результат ожидается. Это приводит к формулированию вопросов, которые не приводят к полезным данным или ответам.

Чтобы решить эту проблему, важно заранее согласовать цели исследования и сформулировать вопросы таким образом, чтобы они вели к конкретным результатам.

Часто сложность этого этапа связана с тем, что мы не знаем, что именно хотим понять. Это нормальная ситуация, не стоит ее бояться.

Когда мы начинаем исследовать новую тему или рынок, мы можем не понимать, что именно хотим найти на данном этапе. В этом случае просто нужно обратиться к Google или другим ресурсам, чтобы найти свежие обзоры по теме.

Логика исследовательского поиска: от темы к данным

В исследовательской работе поиск информации — это не просто сбор фактов, а целенаправленный процесс, требующий осмысления и анализа. Он отличается от простого сбора данных тем, что мы ищем ответы на конкретные вопросы, а не просто случайные фрагменты информации. Как же эффективно организовать этот процесс?

Ключевыми этапами исследовательского поиска являются:

Тема: Общая область исследования. Например, "развитие инноваций в сфере производства продуктов питания". Тема задает направление, но слишком широка для практической работы.

Вопрос (запрос): Конкретизация темы. Например, "Какова динамика патентов на инновации в пищевой промышленности России в 2024 году?". Запрос фокусирует поиск и определяет, какую информацию нужно искать.

Данные: Информация, собранная для ответа на запросы. Это могут быть статистические отчеты, патенты, научные статьи, и т.д. Данные анализируются и интерпретируются для получения ответов.

📎 Пример:

Тема: Влияние социальных сетей на политические предпочтения.

Вопрос: Как использование Twitter влияет на формирование политических взглядов у молодых избирателей в США?

Данные: Статистика использования Twitter, результаты опросов молодых избирателей, аналитические статьи о влиянии социальных сетей на политику.

Переход от общей темы к конкретным вопросам и далее к сбору и анализу данных — основа эффективного исследовательского поиска.

Может ли искусственный интеллект победить теории заговора?

Многие из нас сталкивались с людьми, которые верят в то, что высадка на Луну была подстроена или что вакцины от COVID-19 содержат микрочипы. Подобные теории заговора, несмотря на отсутствие реальных оснований, упорно держатся в умах некоторых людей, даже при наличии опровергающих доказательств. Однако, согласно новому исследованию, опубликованному в журнале Science, некоторые люди всё же меняют своё мнение, когда аргументы, основанные на фактах, преподносит им искусственный интеллект (ИИ) в виде чат-бота, а не другой человек.

Исследователи обнаружили, что персонализированные беседы с таким "дебанкером-ботом" могут превратить даже ярых сторонников теорий заговора в начинающих скептиков.

"Очень обнадеживает видеть, как ИИ может играть роль в борьбе с дезинформацией и теориями заговора", – говорит Ян-Виллем ван Прооиен, специалист по поведенческой науке из Амстердамского свободного университета, не принимавший участия в исследовании. Генеративный ИИ печально известен своей способностью распространять ложь, особенно через дипфейки, поэтому ван Прооиен считает "обновляющим" видеть его применение во благо.

По некоторым оценкам, почти половина населения США верит в ту или иную теорию заговора – от убеждения, что ЦРУ убило Джона Кеннеди, до веры в то, что в Зоне 51 хранятся тела инопланетян. Многие психологи считают, что такие убеждения помогают удовлетворить глубинные психологические потребности, например, стремление к безопасности. Однако гипотезы о таких "подпольных мотивах" сложно проверить, говорит Томас Костелло, психолог из Американского университета и ведущий автор нового исследования. Новые результаты дают "одно из первых действительно веских доказательств того, что это не вся история", говорит он, "или, возможно, что они совершенно неверны".

Как работает "дебанкер-бот"?

В ходе исследования учёные использовали большие языковые модели (LLM), такие как GPT-4 Turbo, способные обрабатывать и генерировать огромные объёмы информации за считанные секунды. Они хотели узнать, могут ли эти модели опровергать теории заговора с помощью "индивидуализированных убеждений".

В исследовании приняли участие более 2000 человек, которые признали, что верят хотя бы в одну теорию заговора. Участники поделились с чат-ботом своими убеждениями, доказательствами, которые, по их мнению, их подтверждают, и оценили, насколько они уверены в правдивости теории. Чат-бот, обученный на широком спектре общедоступной информации из книг, онлайн-дискуссий и других источников, опровергал каждое утверждение конкретными, основанными на фактах контраргументами.

Результаты исследования:

В результате бесед с чат-ботом уверенность людей в своих теориях заговора в среднем снизилась на 20%. Это снижение было удивительно устойчивым, сохраняясь до 2 месяцев, и, похоже, работало для широкого спектра теорий.

Почему "дебанкер-бот" так эффективен?

По мнению ван Прооиена, одной из причин успеха чат-бота является его "вежливость". В отличие от реальных разговоров на подобные темы, которые часто становятся "напряжёнными и неуважительными", общение с ИИ не вызывает дискомфорта. Кроме того, люди не боятся "потерять лицо" перед искусственным интеллектом, в отличие от общения с друзьями или родственниками.

Критика и дальнейшие перспективы:

Некоторые исследователи, например, Федерико Джермани из Цюрихского университета, предполагают, что ИИ может использовать скрытые риторические приёмы, которые делают его аргументы более убедительными, даже если он запрограммирован полагаться исключительно на факты.

Другие учёные ставят под сомнение, опровергают ли полученные результаты идею о том, что теории заговора удовлетворяют неудовлетворённые психологические потребности. Они отмечают, что в исследовании не измерялось, чувствовали ли участники удовлетворение своих потребностей после общения с чат-ботом.

💕 Запись занятия "Логика поиска" доступна на Бусти по подписке "А запись будет?"

https://boosty.to/newsinserity/posts/729748b8-a09f-4159-addc-2caa1fbf7994?share=post_link

💌 Ниже прикрепляю презентацию и конспект.

Курс какой-то библиотеки стартует с темы "Логика поиска в интернете"

📍 10 октября в 20:00 по Москве
📍Ссылка доступна в чате курса. Попасть на курс можно тут за символический донат (придется ходить на занятия, да!).
✨ Запись урока будет опубликована на Бусти. На занятия можно не ходить, а записи будут в доступе по мере выхода семинаров.

О чем занятие?

Вместе разберем, как строить запросы так, чтобы получать нужную информацию быстро и точно. Я расскажу, с чего лучше начинать поиск, когда стоит остановиться, и что делать, если ничего не находится.

Это не будет сухой инструктаж по операторам поиска — мы поговорим о логике и подходах, которые помогут вам ориентироваться в интернете осознанно.

Лекция пройдет в формате размышлений и обмена опытом. Поделюсь байками, опытом и лайфхаками на примере кабинетных исследований, которые провожу.

🍽

Если возникли проблемы со ссылками и доступами — пишите мне @eak_ka

🐍 А вы готовы научиться укрощать питона?

Вы знали, что Python - второй по популярности язык программирования в мире? На нем можно делать почти что-угодно в программировании: писать нейросетки, обрабатывать большие массивы данных и писать бэкенд и фронтенд программ, если потребуется.

Освоить этот универсальный инструмент можно на нашем курсе «Машинное обучение на Python для решения биоинформатических задач». Он пройдет с 15 октября по 30 ноября!

🍋Зачем стоит идти на курс:

- Вы увеличите свою конкурентоспособность на рынке труда, ведь вы узнаете, как на практике обращаться с новым инструментом.
- Откроете новые варианты развития карьеры, ведь Python можно применять в огромном количестве сфер.
- Сможете продолжать заниматься любимой наукой, только с более прокачанными навыками.

⭐️Что будем изучать:

- Научимся работать с библиотеками для анализа данных в Python: Pandas и Numpy
- Освоим классические инструменты машинного обучения и азы работы с нейросетками
- Научимся подбирать гиперпараметры и оценивать качество моделей
- Пройдем методы кластеризации и снижения размерности
- Поймем, зачем брать производную и что такое градиентный спуск
- Повторим статистику, но в этот раз на питоне.

🕸 Но это еще не все. Вот, что останется с вами после курса Blastim:

- Постоянные встречи в формате рандом-кофе с такими же студентами, как и вы. Вы узнаете, кто учился вместе с вами и заведете несколько полезных знакомств. Кто знает, может это ваш будущий коллега?
- Устроим онлайн-встречу с преподавателями курса.
- Встреча с карьерным консультантом. Он обьяснит, где можно наиболее выгодно применить новые полученные навыки.
- Онлайн-сообщество в Telegram. Если будут трудности, то сразу можно задать вопрос в беседе и у кого-нибудь обязательно найдется ответ.

Кстати, по промокоду 📌PYTHON5📌 вам доступна скидка 5000 рублей при оплате до 10 октября.

👉 Переходите по ссылке. Здесь будет самая подробная информация о курсе. Ждем всех :)

Реклама. ООО “Бластим”. ИНН 7716966359, erid: 2VtzqxWWmNH

Пошли учиться

С 10 октября я запускаю серию семинаров и лекций, посвящённых поиску научной информации и применению искусственного интеллекта в исследованиях. Этот курс — это скорее эксперимент, посвящённый кабинетным исследованиям, так как я отошла от академической науки. Тем не менее, мы будем объединять научные знания, полученные в университете, с их практическим применением — в работе, активизме или для личных целей.

👍 Примерная программа курса

- Основы поиска информации: научный и прикладной подходы.
- Практика использования библиографических менеджеров: регистрация, настройка, работа с инструментами.
- Искусственный интеллект в научных исследованиях:
- Автоматизация поиска и анализ документов.
- Реферирование текстов вручную и с помощью ИИ.
- Создание своего "инженера" ИИ, варианты применения.
- Разбор кейсов: удачные и неудачные примеры использования ИИ.

Это примерная программа, и в процессе курса мы будем корректировать её в зависимости от ваших интересов и запросов.

❔ Детали проведения

- Старт курса — 10 октября.
- Занятия проходят по четвергам с 20:00 до 21:00 (по московскому времени).
- Для участия необходимо вступить в чат. Доступ можно получить за любой донат от 10 рублей через Boosty. Поддержка помогает мне регулярно вести блог и создавать новый контент.

👾 Ссылка на подписку, через которую вы получите доступ к чату с курсом.

🙂 А будет ли запись?

Онлайн занятия проходят в живом формате, что даёт возможность свободного общения и обсуждения тем. Если вы не сможете присутствовать, все записи будут доступны по подписке. Их можно будет просматривать и сохранять для дальнейшего использования. Стоимость подписки на записи немного выше, так как для меня приоритетны живые встречи, а не монтаж и обработка видео.

Кроме видео, на Бусти также будут размещаться конспекты и методические материалы. У вас не будет доступа к чату, но записи — на руках.

Ссылка для подписки "А запись будет?"

Если возникнут вопросы или проблемы с доступом, пишите в комментариях или в личные сообщения @eak_ka

коллеги, спасибо, делаем! спрос есть — я обязана дать предложение.

завтра сделаю анонс с регистрацией и начнем. не буду долго готовиться и страдать перфекционизмом. думаю, так полезнее и приятнее нам всем.

спасибо за интерес с вашей стороны ❤️

поддержать канал: https://taplink.cc/ekaganova

коллеги

в чате высказали пожелание провести какой-то курс про научные источники и автоматизацию (т.е. ИИ, хотя, пожалуй, и не только).

давайте так — если в комментариях откликнется хотя бы 10 желающих, я организую набор на закрытый курс. он будет бесплатный, приму всех, но все-таки это не будут изначально открытые вебинары. мне кажется, так больше пользы, мотивации и общения.

обсудим поиск (научный и не очень), хранение статей, промты, ИИ и что-нибудь еще по желанию аудитории.

Автоматизация научных обзоров с помощью больших языковых моделей: систематический обзор

Большие языковые модели (LLM) недавно стали одним из самых мощных инструментов обработки естественного языка (NLP) для решения различных задач. В этом систематическом обзоре мы стремились оценить естественное расширение использования LLM для управления и направления процесса обзора.

Методы

Исследование проводилось в июне 2024 года в базах данных PubMed, Scopus, Dimensions и Google Scholar. В обзор были включены только англоязычные публикации, посвященные использованию LLM для автоматизации различных этапов систематического обзора.

Скрининг и извлечение данных проводились в Covidence с помощью разработанного командой плагина LLM для Covidence. Этот плагин использует модель OpenAI gpt-4o и автоматизирует действия в Covidence, такие как нажатие кнопок «Включить/Исключить» или оставление заметок.

Результаты

В общей сложности было найдено 3788 статей, из которых 172 были признаны подходящими для окончательного обзора. ChatGPT и LLM на основе GPT стали наиболее распространенной архитектурой для автоматизации обзора (n=126, 73,2%). Значительное количество проектов по автоматизации обзора было найдено, но лишь ограниченное число статей (n=26, 15,1%) представляли собой фактические обзоры, в которых LLM использовались при их создании.

Большинство статей были сосредоточены на автоматизации определенного этапа обзора, например, на поиске публикаций (n=60, 34,9%) и извлечении данных (n=54, 31,4%). При сравнении совокупной производительности моделей на основе GPT и BERT первые показали лучшие результаты в извлечении данных со средней точностью 83,0% (SD=10,4) и полнотой 86,0% (SD=9,8), в то время как вторые были немного менее точными на этапе скрининга заголовков и рефератов (Maccuracy=77,3%, SD=13,0 против Maccuracy=80,9% SD=11,8).

Примеры использования LLM

- Поиск публикаций: LLM могут использоваться для автоматического поиска релевантных публикаций в базах данных, таких как PubMed, Scopus и Web of Science.

- Скрининг заголовков и рефератов: LLM могут использоваться для автоматического скрининга заголовков и рефератов на предмет релевантности, что позволяет рецензентам сосредоточиться на полнотекстовом скрининге.

- Извлечение данных: LLM могут использоваться для автоматического извлечения данных из полнотекстовых статей, таких как характеристики участников, вмешательства и результаты.

- Синтез данных: LLM могут использоваться для автоматического синтеза данных из нескольких статей, что позволяет рецензентам получить более полное представление о состоянии исследований.

Ограничения

- Точность: Хотя LLM достигли значительных успехов в точности, они все еще могут допускать ошибки, особенно при извлечении данных из сложных или неоднозначных текстов.

- Предвзятость: LLM могут быть подвержены предвзятости, основанной на данных, на которых они были обучены.

- Этика: Использование LLM в автоматизации обзора поднимает этические вопросы, такие как прозрачность, подотчетность и потенциальное смещение.

Научно обоснованная политика: создание "банков доказательств"

В настоящее время правительства сталкиваются с необходимостью принимать решения по сложным вопросам, таким как изменение климата, здравоохранение и образование, опираясь на научные данные. Однако объем исследований огромен, и синтез информации для принятия обоснованных решений зачастую затруднен.

Проблема

Традиционно синтез научных данных – процесс трудоемкий и длительный. Исследователям приходится вручную просматривать множество публикаций, оценивать их качество, извлекать данные и обобщать результаты. Это может занимать месяцы или даже годы, что делает информацию устаревшей к моменту ее использования. Кроме того, в разных областях науки количество доступных синтезов сильно различается. Например, в медицине широко используются систематические обзоры, обобщающие результаты клинических испытаний, в то время как в социальных науках таких обзоров значительно меньше.

Решение

"Банки доказательств" представляют собой базы данных, содержащие предварительно отобранные и проанализированные исследования, помеченные метаданными, такими как методология, географическое положение и другие. Это позволяет исследователям и политикам быстро находить нужную информацию и проводить синтез данных с помощью специальных инструментов.

Преимущества

Ускорение процесса синтеза: Использование "банков доказательств" и инструментов на основе искусственного интеллекта (ИИ) позволяет значительно сократить время, необходимое для обобщения научных данных.

Повышение качества синтеза: Стандартизация данных и использование проверенных методов анализа повышают надежность и достоверность результатов.

Доступность информации: "Банки доказательств" делают научную информацию доступной для широкого круга пользователей, включая политиков, исследователей и общественность.

Постоянное обновление: "Живые" синтезы, которые постоянно обновляются по мере появления новых данных, позволяют политикам принимать решения на основе самой актуальной информации.

Примеры

Образование: Фонд Education Endowment Foundation (EEF) в Лондоне создал базу данных, содержащую более 3500 исследований в области образования. На основе этой базы были разработаны систематические обзоры, показывающие влияние различных факторов, таких как репетиторство, домашние задания и размер класса, на успеваемость учащихся.

Здравоохранение: В период пандемии COVID-19 возникла острая необходимость в быстрых синтезах данных для принятия решений о лекарствах, масках и карантинных мерах. Это привело к развитию инструментов и методов для ускорения процесса синтеза.

Перспективы

В настоящее время фонды, такие как Wellcome и ESRC, инвестируют значительные средства в разработку "банков доказательств" и инструментов для синтеза данных. Цель – создать систему, которая позволит политикам во всем мире получать быстрый доступ к актуальной научной информации и принимать обоснованные решения по важнейшим вопросам.

какая-то библиотека pinned «В связи с переездом из ноушна дублирую ссылки на методички и сборники статей. ✨Методичка по академической библиографии, поиску научной литературы и Zotero: ссылка ✨Методичка по промт-инжинирингу: ссылка ✨Сборник промтов для кабинетных исследований и социальных…»