skip to main |
skip to sidebar
За останні роки ми звикли, що штучний інтелект працює у форматі чату. Ми ставимо запитання – система відповідає. Для багатьох повсякденних задач цього достатньо, але академічна робота влаштована інакше. Дослідження потребує не одного запитання, а прочитання десятків або навіть сотень наукових статей, між якими потрібно знайти зв'язки, порівняти результати й поступово сформувати власне бачення проблеми. Щоразу завантажувати всі свої документи у віконечко чату незручно, тому варто придивитися до сервісів на кшталт Anara. На відміну від більшості сучасних ШІ-асистентів, Anara – це не просто чат-бот, а персональна наукова бібліотека, всередині якої працює штучний інтелект.
У наукометрії ми дуже любимо аналізувати авторів, статті, цитування, країни та університети. А ось редакційні колегії досі залишаються відносно недослідженим об'єктом, хоча саме вони значною мірою визначають, які теми, методи й підходи отримують шанс стати частиною канонічної науки. Тому, дивитися на мережі редакторів наукових журналів іноді навіть цікавіше, ніж на мережі співавторства.
Один із найцікавіших звітів про майбутнє наукової комунікації “The Future of Peer Review” представив Research on Research Institute (RoRI). Автори не намагаються вкотре придумати черговий різновид відкритого чи подвійно сліпого рецензування. Натомість вони ставлять значно незручніше питання: а чи не є криза peer review наслідком того, як організована сучасна наука загалом?
МОН оприлюднило новий Перелік наукових фахових видань категорії Б. Якщо я правильно порахував, до нього увійшло 1298 журналів. Якщо додати ще близько 220 українських журналів, що індексуються у Scopus або Web of Science та автоматично належать до категорії А, то отримаємо понад 1500 фахових видань! І ось тут мені знову хочеться повернутися до простого запитання – Що таке науковий фаховий журнал? Не в сенсі чергового наказу МОН, критерію оцінювання НАН України чи пункту в постанові Кабміну… а навіщо взагалі була придумана ця категорія?
Часто бачу одну й ту саму ситуацію. Молодий дослідник за вечір вигадує кілька запитань, переносить їх у Google Forms, розсилає анкету колегам, а вже через кілька днів аналізує відповіді та пише висновки. Усе виглядає майже як справжнє дослідження. Але найважливіше питання так і залишається без відповіді: звідки ми знаємо, що ця анкета взагалі працює?
Зазвичай про людську природу знання говорять філософи, історики чи гуманітарії. Однак, цього разу про це заговорили математики. У червні група провідних математиків опублікувала Leiden Declaration on Artificial Intelligence and Mathematics. Підписанти декларації не виступають проти ШІ як такого, але закликають математичну спільноту не втрачати контроль над розвитком власної дисципліни в умовах стрімкої автоматизації. Найбільше мене вразила їхня головна теза – метою математичних досліджень є не просто отримання правильних відповідей.
У новому номері Scientometrics вийшла стаття Чінції Дарайо, Вольфганга Гленцеля та Хуана Горрайса про відповідальне використання бібліометрії в оцінюванні досліджень. Якщо коротко, то жодних революцій чи проривів тут немає. Автори не відкрили нову метрику і не знайшли спосіб оцінити вченого одним чарівним числом. Навпаки – вони вкотре нагадують речі, які багатьом фахівцям давно відомі: метрики потрібно використовувати обережно, з урахуванням контексту, цілей оцінювання, дисциплінарних особливостей та рівня аналізу. І саме тому ця стаття є важливою.
