Своевременное написание научных работ и отчетов о проделанной работе, взывает трудности у молодых ученых и аспирантов.
Об этом в своей статье на форуме ScienceNet пишет Лю Циншэн. Обсуждая с коллегой причины возникновения затруднений в процессе написания научных работ у молодых учёных и аспирантов, Лю Циншэн отмечает факт недостаточного внимания к вопросам письма и работы с текстом в процессе обучения в школе и университете. Также автор отмечает, что для молодых учёных и аспирантов активная социальная позиция может стать серьёзным барьером на пути их научного роста и развития науки в Китае в целом.
Лю Циншэн считает важным не забывать о необходимости поддерживать и улучшать навыки письма молодым учёным и аспирантам. Начиная со школьной скамьи и вплоть до получения магистерской степени, молодые учёные должны уделять особое внимание работе с текстом. Даже выпускники, закончившие школу с отличием и получившие высокий вступительный балл, могут столкнуться с трудностями в написании текстов научных работ. Отметившись высокими показателями по предметам, относящимся к области точных наук (физика, математика, химия), такие студенты могут получить плохую оценку за сочинение. Однако общий балл всё равно позволит им поступить в престижный вуз.
Для повышения своего уровня работы с текстом и улучшения манеры письма Лю Циншэн предлагает принимать активное участие в жизни университета, писать доклады, посещать тематические кружки и участвовать в мероприятиях, требующих подготовки текстов. Это может стать отличной тренировкой навыка письма.
Качество научных работ, по мнению автора, зависит не только от качества написания, но и от уровня результатов исследований. Высококачественные научные результаты станут высококачественной научной статьёй, которую можно опубликовать в авторитетном издании. Результаты, которые являются хорошими, могут быть опубликованы в качестве статьи в обычном журнале. Однако аспиранты и молодые учёные, выбирая путь свободы взамен пути обязательств, перестали переживать о публикации научных работ и, естественно, они не беспокоятся о показателях своих статей в оценке эффективности работы подразделения.
Пагубное влияние социальных сетей и потока «сплетен», которые увлекают молодёжь, по мнению автора является серьёзной проблемой, которая мешает молодым учёным сконцентрироваться на их карьере учёных. Лю Циншэн считает, что аспиранты и молодые учёные должны полностью посвятить себя учёбе (об этом он написал в своём блоге на ScienceWeb ещё в 2013 году). Только преданность своему делу позволит добиться значительных результатов в научной работе.
Описывая бурную научную жизнь пяти успешных учёных, занимающих высокие государственные позиции, Лю Циншэн отмечает, что все они не очень общительны и немногословны. Их «полем боя» стали полевые научные исследования, зарубежные визиты, научные конференции. Даже при личной встрече они стараются говорить только по делу и обсуждать вопросы, связанные исключительно с наукой.
«Семь потов сойдёт, один результат придёт», — каждый разумный учёный должен хорошо понимать, что время является самым важным и основным фактором стоимости успеха любого учёного.
Если аспиранты и молодые учёные направят свои силы и время на учёбу, будут уделять внимание тренировкам в написании текстов и будут стремиться опубликовать статьи высокого уровня, это будет способствовать свободному росту науки в Китае, заключает Лю Циншэн.
---
Оригинальная статья на китайском языке доступна на платформе ScienceNet - ссылка
Автор оригинальной статьи: Лю Циншэн - Китайский университет наук о земле, Ухань
Были добавлена возможность редактирования правил для сообществ.
Правила сообщества – удобный инструмент модерации контента. Заявив для участников правила, по которым контент будет модерироваться можно обозначить границы дозволенного в вашем сообществе, в том числе и для комментариев.
Каждое правило состоит из двух блоков: Заголовок и Описание. В заголовке правила следует указать краткое описание, основу вашего правила. В блоке описания следует подробно, но емко изложить суть данного правила. Если правило можно трактовать двояко, то в описании нужно указать, в каких именно случаях его могут применять модераторы.
Надеемся, это нововведение поможет вам повысить уровень порядка и прозрачности в ваших сообществах.
С уважением, команда проекта Голос Науки
В связи с объявленным переходом на отечественное программное обеспечение у разработчиков появилось больше смысла в создании и развитии собственных приложений.
Автор занимается созданием и совершенствованием программы, необходимость которой возникла на рубеже 2000-х для разработки имитационных моделей аспирантами.
Stamm это сверхкомпактная программа для первоначальной обработки исходных данных и имитационного моделирования, распространяемая бесплатно для учебных и научно-исследовательских заведений!
Программное обеспечение, имеющее стандартный интерфейс, простую и доступную систему организации имитационных моделей для неквалифицированных пользователей, позволит вам использовать главное преимущество использования персонального компьютера - решать прикладную задачу прямо на рабочем месте. Система первичной обработки и моделирования данных "Stamm", имеющая встроенные средства управления данными и моделирования, в том числе имитационного, и имеющая интуитивно понятный интерфейс, аналогичный популярному "Microsoft Excel", не претендует на универсальность, но в какой-то степени делает разработку имитационных моделей доступной для обычных пользователей. Программа создана с использованием библиотек Stingray ® "Objective Studio" и GSL.
Хранение данных и результатов их обработки организовано в виде рабочих книг а-ля Excel
Но помимо обычных таблиц с разнообразным форматированием ячеек, доступны специализированные листы...
Например, можно получить параметры и визуальные графики регрессионных зависимостей...
Можно оценить многофакторные зависимости методом Левенберга-Марквадта
Часто какие либо полезные данные "испорчены" влиянием внешних факторов. Восстановление таких данных непростая задача, которая решается на основе цифровых фильтров. Ранее эта технология использовалась при обработке фото и видеоизображений, но область использования фильтров гораздо шире.
Stamm теперь поддерживает линейные и нелинейные фильтры для "исправления" некорректных данных.
В программе используется кластерный анализ данных по методу K-средних.
В последних версиях в систему добавлены функции аппроксимации экспериментальных данных различными методами, в том числе, Base Spline (B-Spline) c варьированием пятью порядками интерполяции.
