Как понять, достаточно ли я умен (умна), чтобы заниматься исследованиями?

В блоге математика Кейт О’Нил есть прекрасный пост, в котором она отвечает на вопрос читателя «How do I know if I’m good enough to go into math?» («Как понять, достаточно ли я хорош (а), чтобы заниматься математикой?»). Этот вопрос и ответ на него относятся не только к математике.

Студенты часто переживают о том, достаточно ли они умны/трудоспособны/активны/you-name-it, чтобы заниматься исследованиями. При этом интересно, что чаще всего переживают как раз те, у кого причин для переживаний вроде не должно быть — это следствие проклятья знаний, и про это мы поговорим как-нибудь в другой раз. Советуем прочитать ответы Кейт полностью, но наиболее важных моментов в нем два.

Во-первых, воспринимайте то, как вы работаете, как стиль, а не как недостаток. Те, кто работают медленнее (slow mathematicians), привносят в науку то, что не дается работающим быстро (fast mathematicians). Это, конечно, не значит, что сидеть по двадцать часов в фейсбуке или напиваться в хлам каждый вечер, это такая стилистическая особенность, которая придаст вашим исследованиям изюминку (разве что вашим отношениям с руководителями и коллегами). Но более мягко выраженные индивидуальные особенности, например, тенденция к параллельной работе над многими вещами или, наоборот, способность работать только над одним проектом, или та же скорость работы, это то, что создает ваш стиль, и не стоит на эту тему переживать.

Вторая важная вещь еще более проста. Как и во многих других областях то, насколько вы хороши в математике (и в науке), определяется тем, сколько вы готовы тратить на то, чтобы заниматься математикой (и наукой). К сожалению, печальная правда жизни в том, что стать лучше в чем-то можно только занимаясь этим чем-то. Хотите научиться играть на скрипке — вперед, но будьте добры тратить на это хотя бы по несколько часов в день. То же с математикой и наукой — без постоянных вложений своего времени достигнуть чего-то вам не удастся. Светлая сторона в том, что от вас не требуется каких-то сверхспособностей. Простой ежедневный труд, как в любой другой профессии.

В общем, наука — это не про суперменов, и нет каких-то уникальных качеств, которые делают вас хорошим ученым. Ученые разные, их объединяет любовь к науке и готовность работать.

JO Crawl 4

Мини-парад ссылок

Сегодня у нас в программе небольшая подборка ссылок на полезный в науке и преподавании софт.

1) OpenSesame
http://osdoc.cogsci.nl/
Простая удобная программа для создания экспериментов с интуитивным интерфейсом. Открытый досттуп, поддержка большого количества внешней аппаратуры (ээг, кнопки, айтрекеры). Все, для чего нет готовой функции, можно дописать в Python. Студенты без специальной подготовки осваивают быстро и без особенных проблем.

2) GPower
www.gpower.hhu.de/en.html
Простой удобный калькулятор для анализа статистической мощности. Хорош кнопочным интерфейом и подробной инструкцией, идеален в случае расчетов для простых тестов (one-way ANOVA, корреляции и т. д.).

3) Ecли вас заинтересовала недавняя дискуссия о доверительных интервалах, вам могут быть интересны следующие симуляции:

ESCI
www.latrobe.edu.au/psy/research/cognitive-and-developmental-psychology/esci/2001-to-2010
Cвободно распространяемый макрос-симулятор для Excel, созданный Джоффом Каммингзом (автором учебника «Understanding the New Statistics»). Рассчитывает и графически демонстрирует размеры эффекта, доверительные интвервалы, статистическую мощность, и даже визуализирует знаменитый «танец p-значений» (https://www.youtube.com/watch?v=ez4DgdurRPg, обязательно загляните на 6'25''и далее;))

Очень красивые и ясные браузерные визуализации:
http://rpsychologist.com/d3/CI/
rpsychologist.com/d3/NHST/
rpsychologist.com/d3/correlation/
Если вам недавно попадались полезные в работе материалы или программы, мы будем рады о них узнать! Как известно научным работникам, автоматизация труда освобождает ценные часы и минуты для другого труда=)

Умный глаз

Интересующимся зрением советуем почитать прекрасную статью «Eye smarter than scientists believed: neural computations in circuits of the retina». Авторы — Tim Gollisch и Markus Meister — рассказывают о том, что сетчатка глаза сама по себе оказывается сложнейшей вычислительной системой, отслеживающей и экстраполирующей передвижения объектов (объектов!), предсказывающей сигналы из внешней среды, адаптирующейся к сложным паттернам, и т. д. И что самое страшное — нейроученые даже близко пока не подошли к ее полному пониманию. Статья читается как детектив, вот вам завязка:

Многие исследователи зрения могли бы сказать, что основная функция сетчатки это передача визуальной информации по оптическому нерву в мозгу, где кора может заняться ее обработкой с использованием множества сложных методов. Они могут признать, что важной функцией сетчатки является световая адаптация, похожая на автоматическое ограничение поступающей стимуляции. Если поразбираться еще немного, сетчатка также осуществляет какую-то часть латерального подавления, создаваемого за счет противодействия центральной части рецептивного поля и его периферии, для того, чтобы сделать изображение более четким. Эта идея сетчатки как простого пространственно-временного фильтра поддерживается практически всеми учебниками и обзорными статьями. И она принимается практически всеми нейроучеными, исследующими другие части зрительной системы — т. е. те, где предположительно и происходит вся сложная обработка. Однако тут возникает парадокс: для простых задач, типа световой адаптации или повышения четкости изображения, нет нужды в 50 типах нейронов с фантастически сложной системой связей. Уже сетчатка мечехвостов прекрасно решает эти проблему внутри слоя фоторецепторов. Что делают в сетчатке позвоночных оставшиеся 49 типов клеток?

Скачать статью можно тут: http://hebb.mit.edu/courses/connectomics/Gollisch%20Meister%20eye%20smarter%20scientists%20believed%20neural%20computations%20circuits%20retina%2010.pdf.

Картинка из статьи показывает связи между уровнями, полученные с помощью подкрашивания двух белков — Calbindin и Calretinin. Обратите внимание, насколько сложные, точные, и многоуровневые связи присутствуют на 20 микрометрах сетчатки.

eye_smarter

Выживание в науке

Хороший совет от Нобелевского лауреата: если вам не нравится заниматься вашей темой исследований — подойдите к научному руководителю и попросите его дать вам другую задачу. Если он не может дать вам другую задачу — попробуйте найти другого руководителя. Если же вы вдруг обнаружите, что вам не нравится заниматься наукой — не занимайтесь ей. И это относится не только к тем, кто сейчас в аспирантуре, это про науку вообще.

ПС. Что, конечно, не отменяет того факта, что в любом занятии есть более приятные и менее приятные стороны, здесь вопрос их соотношения.

Oliver Smithies, geneticist, Nobel laureate-2007. At Lindau Nobel Laureates Meeting-2014:
«When doing your PhD — no matter what you do to get a PhD, but you have to enjoy it, because you just learn to do good science. If you don’t enjoy it, go to your adviser and say „I am not enjoying what I’m doing“. I’m serious. And then, if your adviser can’t give you another problem, change your adviser. The secret of scientific life is do something that you enjoy. And if you find you don’t like science — go and play the guitar, or go and write a book or go climbing».
http://www.mediatheque.lindau-nobel.org/videos/33 668/.
Oliver Smithies, geneticist, Nobel laureate-2007
Спасибо за ссылку Янине Ледовой: vk.com/wall762881_10 280

Online Workshop: Introduction to Power Analyses

Завтра, 24 октября, на платформе Centre for Open Science пройдет первая онлайн-мастерская по анализу статистической мощности.

Ребята будут рассказывать о том, зачем нужен анализ мощности, какие проблемы могут возникать у исследователей при оценке размера эффекта, а также покажут базовые способы расчета мощности в R и в G*Power. Это занятие базового уровня, на дальнейших встречах будут разбираться более сложные вопросы. Очень рекомендуем тем, кто хочет осваивать расчеты подобного рода, но не знает, с чего начать.

Для записи необходимо открыть календарь COS, выбрать интересующее время занятия 24 октября (внимание, GMT-5!) и перейти по ссылке, открывающейся в описании проекта. И да пребудет с вами мощность.

StatPower

Nature открывает доступ к статьям Нобелевских лауреатов

В честь Нобелевской премии по медицине и физиологии, полученной Джоном О’Кифом, Мэй-Бритт Мозер и Эдвардом Мозером, Nature на месяц открывает доступ к основным их статьям о позиционной системе мозга.

Открытия Нобелевских лауреатов значительно повлияли на развитие нейронауки и на понимание связи работы нейронов с поведением. Фактически, благодаря им мы получили надежду познать вычислительные принципы, лежащие в основе функционирования мозга. Эту литературу хотя бы в общих чертах нужно знать обязательно.

Productive stupidity

Науку в качестве профессии часто выбирают люди, которым было легко и интересно учиться в школе и в университете, которые привыкли каждый день узнавать новое и получают от этого колоссальное удовольствие. Однако, делая этот выбор, лишь немногие отчетливо представляют, что одним из побочных эффектов нахождения на переднем крае науки является ежедневное осознание собственной глупости. Биолог Мартин Шварц написал об этом ощущении замечательное эссе, опубликованное в Jounal of Cell Science.

«В науке сталкиваешься лицом к лицу с собственной „абсолютной глупостью“. Эта глупость — экзистенциальный факт, неотъемлемая часть попыток проникнуть в неизведанное. <…> Одним из прекраснейших качеств науки является то, что она позволяет делать неуклюжие шаги, и нам вполне можно время от времени ошибаться, если на этих ошибках мы учимся. Безусловно, для студентов, привыкших правильно отвечать на вопросы, это сложно. Безусловно, разумная уверенность и эмоциональная устойчивость помогают с этим справиться, но мне кажется, что образование в сфере науки могло бы делать больше для облегчения этого большого перехода: от познания того, что когда-то открыли другие люди, к своим собственным открытиям. Чем проще нам принять собственную глупость, тем глубже мы погружаемся в неизвестное и тем больше вероятность совершить большие открытия.»

По мнению Мартина, умение быть «продуктивно глупым» -- качество, которое должны воспитывать в себе студенты, планирующие академическую карьеру. Не бойтесь быть глупыми, учитесь извлекать из этого пользу.

The best of TCTS

Дорогие друзья!

Спешим сообщить вам, что на сайте TCTS — tcts.cogitoergo.ru — появился раздел «Блог», где наши новости публикуются в первую очередь.
Благодаря слаженной и оперативной работе наших волонтеров — Алины Лушниковой, Тимура Сурхаева и Оксаны Дьяковой — на этом сайте есть полный архив наших постов за 2014 год. Посты можно фильтровать по тегам и разделам, читать на сайте или через любимую читалку, а также искать с помощью полнотекстового поиска. Большое спасибо и ура нашим помощникам — без них мы бы ни за что не справились с объемом работ!

А самые ценные, на наш взгляд, архивные материалы мы решили собрать в верхний пост, чтобы они всегда были под рукой.

Цикл о постерах:
Программы для создания постеров
Примеры плохих и хороших постеров
Библиотека полезных материалов по созданию научных постеров

Цикл о статистике от Филиппа Управителева:
Обзор учебников по статистике и мат. методам анализа данных ,
Инструментарий аналитика: R
R: учебники
Инструментарий аналиика: SPSS
Инструментарий аналитика: софт

Где искать литературу и как на нее ссылаться:
Поиск полнотекстовых версий статей
Proxy СПбГУ
Поиск научной литературы
Оформление списка литературы с помощью Mendeley/Zotero
Отличительные признаки не очень хороших статей от CompoundChem

Tips and Tricks:
Правила описания данных и составления графиков в психологии
10 бесплатных программ, которые сделают вашу научную жизнь продуктивнее ,
Смотри таблица пять
Как написать хорошее эссе
Кейс по систематизации работы с информацией-1,2

Разное:
Слайды Science™
Рабочая память: модели и подходы к изучению

Консультации по статистике и методологии от COS

Сenter for Open Science предлагает бесплатные консультации по статистике и методологии исследований.

COS -- это организация, занимающаяся поддержкой и распространением новых полезных исследовательских практик с целью сделать науку (в частности, психологию) реплицируемой. Новый проект COS -- консультации по статистике и методологии. Их консультанты могут, в частности, посоветовать корректную стратегию анализа и интерпретации данных, а также помочь с расчетами размера эффекта и планируемой выборки. Спектр вопросов, с которыми к ним можно обращаться, довольно широк -- от помощи с конкретным кодом до советов по поводу хранения данных и экспериментальных протоколов. Консультации бесплатны, и проводятся как по почте, так и в живом общении. Попробуйте open science, вам понравится;)

http://centerforopenscience.org/stats_consulting/

COS

HarvardX Fundamentals of Neuroscience

В новый учебный год — с новыми онлайн-курсами!

Коллеги из Гарварда уже через два дня запускают вторую часть своего онлайн-курса Fundamentals of Neuroscience: Neurons and Networks. Записаться на курс можно через EdX или напрямую через их сайт: http://www.mcb80x.org/. Торопиться необязательно — присоединиться к курсу можно в любое время. Уже сейчас на сайте есть все материалы первой части курса, посвященной электрическим свойствам нейронов, а в течение года обещают еще две части — The Brain и The Mind.
Именно этот курс хорош по трем причинам. Во-первых, он спокойный. В нем нет навязчивости, свойственной некоторым MOOC. Весь материал открыт, можно работать с темами в любом порядке и объеме. Во-вторых, он забавный. В курс входят опциональные лабораторные работы на базе замечательного прибора SpikerBox, которые если и не сделать, то посмотреть очень полезно. Ну, а в-третьих, он качественный. Курс состоит из красивых наглядных видео, интересных интерактивных заданий и прочих очень продуманных материалов. Никаких говорящих голов.

В общем, присоединяйтесь. Это хорошая база для когнитивистов и других психологов, которые хотят знать, что они делают.

neuro_608x211