Поздравляем!

На прошлой неделе в Московской области проходила Летняя школа по когнитивной психологии, посвященная памяти Карла Дункера. В программу школы помимо интересных лекций и воркшопов традиционно входит постерная сессия, на которой участники представляют свои исследовательские проекты.

Мы в TCTS любим постеры, и не только потому, что постерные инструкции это самый читаемый контент нашего блога. Мы любим постеры, потому что внимание к деталям, которое нужно для создания по-настоящему хорошего постера, это одно из самых необходимых качеств для молодых учёных. Для того, чтобы сделать хороший постер, нужно хорошо понимать, что в твоём исследовательском проекте самое важное и сложное, знать стандарты оформления результатов, уметь видеть свой материал чужими глазами и в целом очень хотеть, чтобы окружающие прониклись твоей наукой. Поэтому вот уже который год мы проводим конкурс среди участников Школы имени Дункера -- мы безжалостно оцениваем их постеры, и даём приз самому, на наш взгляд, профессионально выполненному.

В этом году наш выбор пал на работу «Выборочная и параллельная исчерпывающая оценка в восприятии ансамблей» Алексея Яковлева из ВШЭ. Поздравляем Алексея и его научного руководителя И. С. Уточкина! Познакомиться с работой Алексея можно здесь.

Все участники Школы получили от нас обратную связь (а Алексей -- еще и разборный мозг), но общие наши советы сводятся к следующему:

  • Формат постера предполагает возможность представить максимум информации в графическом виде -- не игнорируйте это:
    • В небольших текстовых вставках практически не должно быть признаков «прозаического» текста (вводных слов, сложноподчинённых предложений).
    • На постере должны быть ярко выделены выводы -- промежуточные и итоговые. Что вы хотите, чтобы проходящий мимо коллега запомнил из вашей работы, не вдаваясь в детали?
    • У постера должны быть внутренние поля, и вся текстовая информация должна располагаться компактно -- без нарушения границ и разрежения текста в ширину
  • Барчарты (столбики) это не самый правильный тип визуализации для средних. Выбирайте графики в зависимости от типа данных.
  • Статистические выводы на постере должны быть оформлены так же, как в любом другом академическом жанре: точки (а не запятые) после целой части, без указания 0 целых если значение не может быть больше 1 (например, p) и т. д.
  • Не забывайте указывать на постере своё полное имя и контактный email.
  • После того, как вы послушались совета № 1 и в вашем постере стало меньше текста, сократите его еще наполовину. Честно!

Большое спасибо организаторам Школы имени Дункера за возможность распространения нашей выстраданной постерной мудрости. Всем удачных конференций!


Про шрифты на постерах

Для тех, кто сейчас готовит постеры на дункеровскую школу (и к нам на конкурс постеров), ECVP, или еще какие конференции. Когда я делаю постеры, я всегда задаюсь вопросом, каким должен быть минимальный размер шрифтов.

Вот несколько рекомендаций, найденных на просторах сети:
http://www.makesigns.com/tutorials/poster-design-layout.aspx
https://blogs.it.ox.ac.uk/itlp/2009/10/21/font-sizes-for-academic-posters/
http://www.the-scientist.com/?articles.view/articleNo/31 071/title/Poster-Perfect/
https://courses.physics.illinois.edu/phys596/fa2013/Lectures/ScientificPosterTips_FA12.pdf
http://www.ucl.ac.uk/isd/services/creative-media/design/poster_guide

Как видно, советы различаются. Кто-то предлагает не использовать шрифтов с размером меньше 36-го кегля, кто-то предлагает не меньше 20-го. На мой вкус, 36ой кегль вполне подходит для основного текста, при этом можно использовать меньший шрифт (~20−24) для второстепенных вещей, например, для меток на осях графиков. Важно, чтобы используемых вариаций было мало (напр., разные размеры для названия постера, заголовков секций, основного текста, и графиков), и они использовались единообразно.

Пара слов про сам шрифт. Разумная рекомендация тут также использовать единообразные шрифты, не больше двух на постер. Часто для заголовков используются шрифты с засечками (serif), а для основного текста — без (sans) из одного и того же семейства, либо наоборот. Например, на Google Fonts (https://fonts.google.com) можно бесплатно скачать комбинацию PT Sans + PT Serif студии ParaType, поддерживающей киррилицу (также обратите внимание на PT Sans/Serif Caption). Лучше избегать рукописных и чересчур экзотических шрифтов, типа Monoton (https://fonts.google.com/specimen/Monoton), если вы не на 100% уверены в том, что вы делаете.

На этом оставляю вас с этой прекрасной схемой по выбору шрифта.

(отсюда: https://inspirationlab.wordpress.com/2010/04/16/so-you-need-a-typeface/)


Четыре полезных академических плагина для чтения статей

Одно из основных развлечений исследователей — поиск и чтение научной литературы. Чтобы слегка облегчить этот процесс, можно воспользоваться одним из этих плагинов для браузеров.

  1. PubPeer (http://blog.pubpeer.com/?p=133). Вообще, PubPeer это система post-publication peer-review, т. е. место, где ученые могут оставить комментарии к уже вышедшим статьям. Регистрация в системе ограничена, публиковать комментарии могут только те, кто уже был автором хотя бы одной статьи. Это дает некоторый фильтр на входе и периодически в PubPeer можно встретить действительно полезные обсуждения. Кроме того, там же оставляет свои комментарии бот StatCheck, проверяющий правильность статистики в уже опубликованных статьях. Проблема в том, что чтобы узнать о наличии комментариев в PubPeer, нужно зайти на сайт PubPeer, вбить там имя статьи и т. д. Это тяжело. Расширение для браузера эту проблему решает. Плагин отлавливает DOI (идентификаторы статей), и, если для них есть комментарии, выводит информацию о комментариях рядом с DOI.
  2. Sci-hub it / scihubify / sci-hub-fy (https://addons.mozilla.org/en-US/firefox/addon/sci-hub-it, https://addons.mozilla.org/en-US/firefox/addon/scihubify). Про Sci-hub знают все. Эти плагины позволяют сократить время на копирование адреса статьи в sci-hub. Просто нажимаете кнопку и получаете статью. Аналогичный плагин для Chrome: https://github.com/allanino/sci-hub-fy
  3. Google Scholar Button (https://addons.mozilla.org/en-US/firefox/addon/google-scholar-button, https://chrome.google.com/webstore/detail/google-scholar-button). По сути, это быстрый поиск в Google Scholar. Выделяете текст, нажимаете кнопку, получаете информацию о статье из Google Scholar, включая ссылку на pdf при наличии.
  4. Lazy Scholar (http://www.lazyscholar.org/, временно доступен только для Chrome) — такой мастодонт, выдающий вам информацию о количестве цитирований, импакт-факторе журнала, предлагающий схожие статьи, проверяющий комментарии на PubPeer и т. п. Некоторым нравится, некоторым кажется чересчур громоздким.
    © http://www.phdcomics.com/comics/archive/phd102816s.gif

Про платные статьи

Иногда студенты и преподаватели российских вузов высказывают очень странную мысль — публиковаться в западных журналах невозможно, потому что за это надо платить. На чем основана идея, что за публикации надо платить, достоверно неизвестно. Основная масса когнитивных журналов (в том числе «высокостатусные», типа Nature Neuroscience) не требует абсолютно никаких денег за публикацию статьи. За что нужно платить: открытый доступ и цветные картинки в печатных версиях статей (цвет в онлайн-версиях журналов по понятным причинам никого не волнует). Кроме того большинство издательств предлагает услуги по корректуре рукописей, но пользоваться ими абсолютно не обязательно. Кстати если вы публикуете первые статьи, английский для вас неродной, и под рукой нет хорошо знающих язык коллег, можно воспользоваться услугами англоязычных фрилансеров — это значительно дешевле, чем официальные пруфрид-агенства. Также есть журналы, статьи в которых публикуются исключительно в открытом доступе, например, PLOS One (http://journals.plos.org/plosone/) или i-Perception (http://journals.sagepub.com/home/ipe). Такие журналы всегда предполагают оплату публикации, однако часто есть возможность получить полную или частичную отмену оплаты, если денег нет (например, https://www.plos.org/fee-assistance#loc-fee-assistance-programs).

Отсутствие платы за публикации во многом обусловлено тем, что авторы, редакторы и рецензенты работают бесплатно, но доступ к публикуемым статьям платный (за исключением статей с открытым доступом — поэтому за них и требуют платы). Таким образом, бизнес-модель современных академических издательств чаще всего строится на продаже доступа к статьям университетам, библиотекам и отдельным читателям. За это издательства серьезно критикуют, и в целом академический мир движется в сторону открытого доступа, что, вероятно, приведет к включению в гранты расходов на публикации. Но пока этого не произошло.

From: phdcomics.com/comics/archive.php?comicid=1200
Обобщая: если вам говорят, что публиковаться в англоязычных журналах тяжело, так как нет денег, знайте, что говорящий понятия не имеет, о чем говорит. А если вам предлагают «задешево опубликовать статью» — это мошенничество (http://thinkcognitive.org/ru/blog/academic-scam-spam).


Инструменты публикации кода в научных исследованиях

Алена Беглер, лаб-менеджер небезызвестной «семерки» на факультете психологии СПбГУ, написала для #горячихюныхкогнитивных большой и очень полезный материал по инструментам публикации кода в научных исследованиях. Особенно полезно будет тем, кто участвует в нашем конкурсе экспериментальных программ MARVIN (http://thinkcognitive.org/ru/nerd).

***

Сейчас существует более семидесяти специализированных хранилищ научного кода (по данным Регистра научных репозиториев), не считая университетских хранилищ и инструментов для совместной работы с кодом, ориентированных на разработчиков. Эти хранилища отличаются по дисциплинам (например, для биохимиков), типам данных (например, только для массивов сырых данных), странам и предназначению (например, для публикации данных определённого проекта). Хранилищ общего назначения для публикации кода научных исследований в открытом доступе есть минимум четыре: figshare (https://figshare.com/), Zenodo (https://zenodo.org/), OSF (https://osf.io/) и GitHub (https://github.com/). Про них дальше и пойдёт речь.

Что это такое?

По сути, это хранилища данных в широком смысле: результатов экспериментов, постеров, исходного кода и так далее. OSF, figshare и Zenodo изначально создавались для научных исследований; GitHub позиционировался как инструмент для совместной работы над кодом и в последние несколько лет добавил функционал, делающий его полностью подходящим для хранения исследовательского кода. У этих четырёх систем много общего (по крайней мере, на уровне пользователя). Все они:

  1. хранят данные и имеют систему контроля версий;
  2. допускают создание как публичных, так и приватных проектов;
  3. позволяют организовать совместную работу над проектом;
  4. реализуют поиск по проектам;
  5. позволяют присвоить каждому объекту уникальный цифровой идентификатор (doi или ARK), с помощью которого можно цитировать объект (например, конкретный кусок кода);
  6. бесплатные (или в основном бесплатные) для пользователя.

Общие минусы всех проектов такого типа: слабый редактор кода (или его отсутствие) и некоторый порог вхождения — на них нужно как минимум зарегистрироваться в английском интерфейсе, а для некоторых платформ и посмотреть краткий мануал.

Как этим пользоваться?

Если кратко: зарегистрироваться — залить данные/код/итд — добавить метаданные — опубликовать. Два момента, которые важны при выкладке своих материалов в открытый доступ. Первый — упомянутые метаданные. Это, по сути, описание проекта: название, краткая характеристика, информация об авторах и так далее. В большинстве хранилищ наличие минимума метаданных — обязательное условие добавления файлов, но чем они полнее, тем, во-первых, проще другим будет получить информацию о проекте (и вообще найти его), во-вторых, вспомнить детали через пару лет после его завершения. Второй — лицензия. Всё, что выложено в открытый доступ обязательно нужно лицензировать — без этого ваши данные или код будут фактически недоступны для других исследователей, ведь по умолчанию отсутствие лицензии означает, что автор не разрешил использование. Лицензия — это способ его разрешить и заодно проконтролировать то, какие права вы готовы предоставить пользователям. По умолчанию большинство репозиториев предлагает лицензию Creative Commons CC-BY, которая позволяет использовать и изменять материалы как угодно (в том числе и для коммерческого использования) при указании авторства. Больше информации — по ссылкам внизу поста. А теперь немного про сами репозитории.

figshare (https://figshare.com/) создан в январе 2012 года, основатель — Mark Hahnel (PhD по клеточной биологии), позиционируется как «репозиторий для любых результатов исследований». По умолчанию на бесплатном аккаунте можно хранить любое количество публичных данных и до 20 Гб приватных (максимальный размер одного файла — 5 Гб). Файлы загружаются простым перетаскиванием мышью в окно в браузере (на вкладке «My data»), после загрузки появляется окно для ввода метаданных с краткими инструкциями по заполнению для каждого поля. Чтобы данные появились в открытом доступе нужно поставить галочку «Publish». Добавленные файлы могут храниться сами по себе, а могут быть организованы в проекты (на вкладке «Projects»). Интересная особенность figshare — в нём можно составлять коллекции данных (вкладка «Collections»), добавляя туда не только свои собственные, но и выложенные в открытый доступ другими исследователями. Это удобно, например, при поиске массивов данных по определённому типу задач.

Zenodo (https://zenodo.org/) открылся для публикации данных в мае 2013 (основан CERN) и предназначен для хранения «всех результатов исследований любого направления науки». Ограничение по количеству данных — 50 Гб на датасет (но у пользователя может быть несколько датасетов). По организации загрузки данных очень похож на figshare — сначала файл добавляется кнопкой «Upload» на главной странице, потом по стандартной форме вводятся метаданные, после этого можно публиковать (кнопка «Publish»). Чтобы данные опубликовались в открытом доступе в пункте «Access right» нужно выбрать «Open Access». Отличительная черта Zenodo — сообщества («Communities»). Это нечто среднее между группами в социальных сетях и коллекциями figshare — подборки данных по теме сообщества, которые загружаются пользователями.

Open Science Framework (OSF) (https://osf.io/) начала работу в 2013 году, основатель — Brian Nosek (профессор психологии), предназначена для «интеграции и объединения процесса работы над исследованием». Размер приватного хранилища не ограничен (размер одного файла — максимум 5 Гб). Эта платформа отличается от остальных тем, что её основная цель — не расшаривание данных, а интеграция всех инструментов, используемых в процессе исследования. Поэтому и принцип организации файлов у неё немного другой — от проекта. То есть, чтобы добавить файл, нужно создать проект, а уже в него загружать куски кода, данные и так далее. Этим объясняются и особенности навигации по платформе — пользовательский интерфейс может сначала показаться не совсем понятным, поэтому лучше перед началом работы с платформой посмотреть введение (в ссылках внизу поста). Приятные особенности OSF — интегрированная wiki-система и интеграция с большинством инструментов, использующихся в научных исследованиях, что делает её отличным инструментом для организации научного проекта.

GitHub (https://github.com/) — самый старый из описанных проектов, стартовал в 2007 году. В отличие от предыдущих описанных проектов — коммерческий продукт и предназначен в первую очередь для совместной разработки. Бесплатно на нём можно создать только публичный проект, но размер хранилища не ограничен. Основное преимущество перед описанными репозиториями — создан специально для размещения кода; ещё один плюс — большое русскоязычное сообщество. Но GitHub (в отличие от остальных) — не хранилище, а, в первую очередь, система контроля версий и совместной работы с кодом.

Где узнать больше?

Про метаданные:

Про лицензирование:

Про репозитории:


Бродман умер, да здравствует Бродман

Эта неделя ознаменовалась выходом нового детального атласа коры головного мозга человека, основанного на данных Human Connectome Project.

Можно долго спорить о том, ведет ли все более подробная детализация к лучшему пониманию собственно работы мозга (spoiler alert -- по большому счету, не ведет), но уточнение карт -- это несомненно большой шаг в сторону более прицельных гипотез и осмысленных выводов из когнитивных нейронаучных исследований, не говоря уже о более прикладном использовании, например, в нейрохирургии.
Карта, созданная под руководством Мэтью Глассера и Дэвида ван Эссена, основана на комбинации структурных и функциональных снимков мозга 210 испытуемых, и проверена на еще 210. В анализе использовался новый алгоритм выравнивания (alignment) индивидуальных изображений и полуавтоматизированный алгоритм разделения коры по границам, присутствующим в более чем одной метрике (например, миелинизация + фМРТ состояния покоя). В результате каждое полушарие оказалось разделено на 180 зон.

Широкое обсуждение этих данных также возбудило интерес к другому атласу, опубликованному этой весной китайским проектом Brainnetome (не самое лучшее название, но работа очень интересная). В отличие от Глассера и коллег, команда Лижона Фанга создала карту на основе диффузионной МРТ (техники, измеряющей геометрическое строение пучков нервных волокон) и алгоритмов вероятностной трактографии. На их карте коры получилось 210 зон, часть из которых совпадает с картой Глассера, но часть -- особенно во фронтальной коре -- представляют более мелкое деление. Теперь, безусловно, интересно, что получится, если совместить данные фМРТ и данные трактографии в одной модели (если такие совмещенные данные существуют).

Конечно, с улучшением качества данных и алгоритмов анализа число стабильно и достоверно выделяемых зон коры будет возрастать. Осталось только понять, что в них происходит;)

А для тех, кто хочет попробовать разделить усредненный мозг на новые зоны в среде FreeSurfer, есть инструкция здесь


Где искать научные новости?

*Для тех, кто недавно пришел, а также для тех, кто давно с нами, но внезапно озаботился проблемой формирования научной новостной ленты, мы решили поднять и дописать/переписать один из наших ранних материалов*.

Ни для кого не секрет, что чтение научной литературы — один из основных видов деятельности ученых. Когда-то для того, чтобы оставаться в курсе всех текущих дел, достаточно было получать пару журналов в месяц, но эти времена давно прошли. Сначала журналов стало больше, потом они стали электронными, а вскоре научная информация проникла и в более разнообразные Интернет-каналы. Следить за всем этим потоком стоит по-разным причинам. Во-первых, даже в консервативном варианте, просматривать последние выпуски журналов своей отрасли нужно всем ученым. Во-вторых, блоги и Твиттер позволяют «подслушивать» дискуссии и учиться анализировать информацию. Вы же не хотите узнавать о научных новостях от журналистов? В-третьих, окунувшись в научный Интернет, вы поймете, что вы не одни в своих исследовательских страданиях, что вполне поддерживает в трудную минуту. В общем, мы очень рекомендуем найти и подписаться на научные новости, соответствующие вашим интересам. Чтобы показать, как это примерно выглядит, мы решили поделиться некоторыми своими подписками.

В настоящий момент наши новостные ленты состоят из следующих элементов (в списке — примеры из наших подписок, не все, только самые важные или яркие примеры). Естественно, поток информации большой, поэтому многие вещи получается только пролистывать или вообще пропускать.

Социальные сети плохо обрабатывают гиперссылки, поэтому полноценный список ссылок смотрите в посте на нашем сайте.

1. Гугл-группы и email-рассылки (listservs). Посвящены распространению информации о конференциях, мероприятиях, магистерских программах и PhD/Postdoc/job-позициях, и обсуждению вопросов, интересующих конкретное сообщество.

  1. Ф:
    • Stan-users — для тех, кто занимается байесовским анализом и использует Stan
    • Mosling — группа для лингвистов, информация о конференциях, докладах, можно спросить какую-нибудь статью или консультацию коллег по спорному вопросу (после первого ответа переписку следует переводить в приват)
    • aaa_statgeeks — сообщество питерских и московских психологов, где можно спросить совета по анализу данных. Не очень активно.
    • LinguistLists — логово лингвистов, но временами встречаются материалы, связанные с psycholinguistics
    • Maths-neuronet — материалы, связанные с computational neuroscience
    • Comp-neuro — еще один дайджест по computational neuroscience
    • CogSeminar — рассылка Московского семинара по когнитивной науке, в первую очередь, информация о докладах
  2. Н:
    • Visionlist & CVNET — основные рассылки в сообществе исследователей зрения. Информация о конференциях, курсах, вакансиях. Содержание двух рассылок часто (но не всегда) пересекается.
    • Группы, связанные с интересными мне сообществами и инструментами, которыми я пользуюсь: SoftwareCarpentry, Fieldtrip etc.
    • Еще иногда существуют локальные подписки научного центра/университета/объединения. У меня их довольно много, для российских ученых эту роль может выполнять Cogito Ergo.
  3. А:
    • В дополнение к уже вышеописанному — московская фМРТ-рассылка Fmri-all
    • Плюс я зачем-то подписан на два листа Society for Philosophy & Psychology: spp-announce и spp-misc. Ближе к философии, редко что-то пишут, но для интересующихся темой могут быть полезные объявления.

Pro Tip: чтобы не отвлекаться на каждое входящее письмо из этих групп, рекомендуем автоматически фильтровать их в отдельную папку и читать, когда есть время. Однако, если читать реже раза в неделю-две, высок риск устаревания информации. Pro Tip2: Google Mail автоматически отправляет все во вкладку форумы.

2. Twitter. Не очень популярный в России и, на наш взгляд, сильно недооцененный инструмент. Между тем, в твиттере можно читать горячие новости с конференций
Читать далее Где искать научные новости?