skip to main |
skip to sidebar
Завзяті дослідники з Нью-Йоркського медичного коледжу провели масштабний огляд літератури: проаналізували понад 900 джерел, відфільтрували 56 найрелевантніших досліджень і систематизували все, що нині відомо про закупівлю підручників в академічних бібліотеках. У результаті вийшла дорожня карта, яка допомагає зрозуміти: чи варто бібліотекам купувати підручники, у якому форматі і як робити це найефективніше.
Мій попередній допис про GAIDeT (Generative AI Delegation Taxonomy) безумовно був інформативним та структурованим, однак виявилося, що для багатьох ще не зовсім зрозуміло, як цю таксономію застосовувати на практиці для розкриття того, які саме завдання були делеговані генеративному ШІ в науковій роботі. Тепер ситуація змінилася. У відкритому доступі з’явився лінивчик від Бердянського державного педагогічного університету з готовими рекомендаціями для авторів, редакторів журналів та адміністраторів репозиторіїв.
Закон Меткалфа походить із телекомунікацій і стверджує: цінність мережі зростає пропорційно до квадрата кількості її учасників. Якщо в мережі є 10 користувачів – можливих зв’язків між ними приблизно 100, а якщо 1000 – уже мільйон. Іншими словами, що більше учасників, то швидше зростає цінність мережі. У нещодавніх наукових публікаціях цей принцип цікаво застосували до бібліографічних баз даних, які можна уявити як мережі наукових статей і цитувань між ними.
Поки ChatGPT і його родичі пишуть “унікальні” курсові та дипломні, у світі намагаються розв'язати просте питання: як чесно сказати, що до вашої наукової роботи доклав руку штучний інтелект? Генеративний ШІ уже став повсякденним інструментом для науковців, авторів, редакторів, бібліотекарів. Він допомагає планувати дослідження, аналізувати дані, писати тексти, редагувати та створювати візуалізації. Але як зрозуміти, хто, коли та для чого застосовував ШІ? Як забезпечити прозорість і чесність наукових публікацій?
Нова тривожна робота в PNAS про наукове шахрайство, мережі горе-авторів і редакторів, працівників так званих “паперових фабрик”, які спільно продукують та публікують фейкові наукові роботи у величезному масштабі. Найбільше вражає динаміка зростання фальсифікованих публікацій. Кількість підозрілих робіт подвоюється кожні півтора року – у десять разів швидше, ніж зростає сама наукова література. Водночас наявні інструменти боротьби, як-от відкликання статей або деіндексація журналів у реферативних базах даних, не встигають за цим зростанням. У результаті тисячі сумнівних публікацій залишаються частиною наукового обігу.
Сьогодні у нас модно рахувати “відкриті” й “FAIR” дані – для атестацій, грантодавців, чи просто, щоб тримати бібліотекарів у тонусі. В результаті часто маємо комічну ситуацію: наукова установа гордо звітує, що її дані fair-преfair, але чи можна відтворити ці дослідження – знають лише боги та домовички Zenodo. Тому, якщо ви хочете, щоб ваші дослідницькі дані справді довго жили й слугували відтворюваності, варто підійти до цього завдання серйозніше. Журнал Nature опублікував 5 порад, що допоможуть оновлювати дані й залишатись у добрих відносинах із відтворюваністю та здоровим глуздом.
I log into the journal’s website, enter my credentials, and navigate to the Submissions Being Processed tab. It’s been three weeks, and my manuscript’s status hasn’t changed. Undergoing Initial Checking. Again. And again. I sigh and close the tab. But, of course, I’ll check again tomorrow. Nine months ago, I found myself in the same situation – my manuscript sat Under Review for months, only for me to receive a formal rejection with no explanation. Now, every time my submission lingers in editorial limbo, a familiar sense of unease creeps in: What if it happens again?
