Що робить хорошим науково-дослідним документом? Надання паперу виглядати правильно - гештальт

Якщо я дізнався одне в письмовій формі, це те, що вступ є найважливішою частиною будь-якого письмового виводу. Саме там ви плануєте свої думки і визначаєте, чому ви прикриваєте речі. Я також дізнався, що діаграма на початку дійсно допомагає читачеві розмістити речі в контексті. Прочитавши багато кандидатських дисертацій ”, я знаю, що головна слабкість в них полягає в тому, що Вступ мало говорить про роботу, що потім часто ускладнює тезу. Тож давайте подивимося на деяку дослідницьку роботу, яка, можливо, підтверджує такий підхід, і де діаграми на початку документа допомагають прийняти її в процесі експертної оцінки.

Основною частиною того, щоб бути академіком, є публікація робіт. Це те, на що ми часто вимірюємось. Під час набору ми часто дивимось на якість, а не на кількість результатів досліджень. Один хороший документ, який містить сильний науковий внесок, часто є кращим, ніж цілий ряд робіт, які мало додають до поточної роботи. Особисто я, як рецензент, найчастіше відкидаю документи із таким упорядкованим списком:

  1. Бідна англійська мова та граматика.
  2. Озеро фокусу та відсутність визначення постановки проблеми, і як папір вирішує це.
  3. Невеликий внесок у існуючі методи.
  4. Відсутність визначення ключового внеску.
  5. Відсутність результатів.
  6. Відсутність формальності.
  7. Погане визначення на фігурах та діаграмах.
  8. Погане висвітлення існуючої літератури.

Деякі рецензенти можуть навіть просто швидко переглянути документ і вирішити, що це поганий документ. Тож чи може машина навчитися швидко переглядати папір і, таким чином, нам визначати ключові фактори, які шукають рецензенти? Для цього ми звернемося до нової роботи над класифікатором на основі візуального вигляду паперу - визначеного як гештальт паперу [тут]:

У своїй роботі вони взяли широкий спектр раніше прийнятих та відхилених паперів та створили класифікатор, який міг би відкинути 50% поганих паперів, відкинувши лише 0,4% хороших паперів. Така система - якби вона могла працювати - значно зменшила б навантаження рецензентів.

В рамках роботи автори визначають попередню роботу при класифікації наукових робіт:

  • Адміністрація. Це проаналізувало базовий процес адміністрування навколо подання документів, таких як порушення анонімності, неякісне форматування та чітко виходить із сфери застосування. Кореляція тут полягає в тому, що, ймовірно, може бути, що слабкі дослідницькі групи матимуть поганий досвід процесу експертної оцінки та помиляться у своїх поданнях. Однак сильна дослідницька команда, ймовірно, матиме хороші процеси для забезпечення належного перегляду робіт, а також відповідності вимогам системи подання заявок. Як редактор, я можу побачити деякі слабкі матеріали, які мало шансів коли-небудь прийняти. Однохвилинний погляд на папір може сказати вам, чи мало шансів на успіх, і погані папери часто будуть відхилятися на цьому етапі за їх поганого дотримання системи подання.
  • Текстові методи. Вони включають автоматизовані способи оцінювання документа та можуть включати перевірки граматичних оцінок, орфографічні помилки, використання математики, використання ключових слів тощо. Я особисто бачив багато відгуків, де рецензент виправдовує своє відхилення на основі поганої граматики та / або помилок друку, я думаю, що цей тип методів має міцну базу в класифікаційних статтях. Редактор, який бачить цілу серію друкарських помилок у коментарях до огляду, часто вважає найгірше з статті.
  • Візуально засновані методи. Вони включають методи, які аналізують зовнішній вигляд паперу.

У методології нового методу використовуються документи, прийняті на дев'ять конференціях, організованих Фондом комп'ютерного зору (CVF). На жаль, вони не отримали доступу до відхиленого документа, але використовували ті, які не з’явились на головній конференції, але були прийняті на семінари.

Для їх методу використана програма PDF2Image для перетворення документів у зображення для сітки 2x4 (для перших восьми сторінок), а потім порівняння макетів паперу на семінарі з конференційними [набором даних]:

Після навчання Res-net-18 [тут] для паперів з 2013 по 2017 рік вони передбачили прийняття / відхилення ставок на 2018 рік і виявили, що вони змогли правильно відхилити 1115 поганих паперів і лише пропустили чотири хороших документи (з 979 хороших папери). У роботі поганий папір виглядає так:

і хороший папір:

В цілому розміщення діаграм часто було ключовим у класифікації, і особливо це стосується загального графіка внеску на початок статті. Використання таблиць / сюжетів значно допомагає успіху роботи. Далі ми бачимо використання оглядової діаграми на першій сторінці:

Автори статті визначають, що документ може бути важким для читання, якщо на перших кількох сторінках немає ілюстрованої схеми.

Висновки

Кількість робіт, що надсилаються до якісних журналів та конференцій, часто збільшується з кожним роком і не може йти в ногу з кількістю хороших рецензентів. І тому ми можемо побачити зростання автоматизованих систем, які відкидають документи, навіть не збираючись переглядати. Для поганої англійської та граматики це може бути легко, але для візуального вигляду паперу це може бути важко виправдати, особливо якщо ми пропустимо дивовижний прорив. Одним з найкращих прикладів цього було те, коли документ Ральфа Меркле про шифрування відкритого ключа був відхилений, оскільки він не мав жодних посилань [тут], оскільки не було інших паперів, які б насправді мали посилання.

І так, правильно знайдіть ці вступи та намалюйте малюнок, який спрямовує читача у вашу роботу. Ось мої 25 найкращих порад щодо кандидатської дисертації: