Πώς συντάσσεται ορθά ένα καλό ερευνητικό άρθρο; Χρήσιμο για Διπλωματικές εργασίες Μεταπτυχιακών & Διδακτορικών Σπουδών!

Εάν έχω μάθει ένα πράγμα στη συγγραφή, αυτό είναι ότι, η εισαγωγή είναι το πιο σημαντικό κομμάτι οποιουδήποτε κειμένου. Είναι το σημείο που φτιάχνεις το περίγραμμα των σκέψεών σου και ξεκαθαρίζεις τον σκοπό της έρευνάς σου.

Έχω επίσης μάθει ότι ένα διάγραμμα στην αρχή βοηθά τον αναγνώστη να βάλει τα πράγματα σε μία σειρά. Αφού έχω διαβάσει πολλές διδακτορικές διατριβές, γνωρίζω ότι η κύρια αδυναμία τους είναι το γεγονός ότι η εισαγωγή λέει λίγα πράγματα σχετικά με την εργασία, πράγμα που συχνά κάνει τη διατριβή δύσκολη. Οπότε, ας δούμε μερικές ερευνητικές εργασίες που επαληθεύουν αυτή την προσέγγιση και στις οποίες τα διαγράμματα στην αρχή του εγγράφου βοηθούν στην έγκρισή του κατά τη διαδικασία αξιολόγησης.

Ένα σημαντικό έργο κάθε ακαδημαϊκού, είναι η δημοσίευση άρθρων. Είναι ο τρόπος με τον οποίο συχνά αξιολογούμαστε. Όταν προσλαμβάνουμε ερευνητές, συχνά εστιάζουμε στην ποιότητα παρά στην ποσότητα των ερευνητικών τους εργασιών. Ένα καλό άρθρο με ισχυρή επιστημονική συμβολή θεωρείται συχνά, καλλίτερο από μία πληθώρα άρθρων που προσθέτουν λίγα στοιχεία στα ήδη γνωστά τέτοια. Προσωπικά, ως κριτικός, συνήθως απορρίπτω εργασίες βασιζόμενος στην ακόλουθη λίστα, κατά σειρά:

  1. «Φτωχό» λεξιλόγιο και γραμματική.
  2. Έλλειψη εστίασης και απουσία ορισμού του επικείμενου προβλήματος, και πώς το άρθρο το αντιμετωπίζει.
  3. Μικρή συμβολή στις υπάρχουσες μεθόδους.
  4. Απουσία ορισμού της καίριας συνεισφοράς.
  5. Απουσία συμπερασμάτων.
  6. Απουσία τυπικότητας.
  7. Ελλιπής χρήση σχημάτων και διαγραμμάτων.
  8. Μικρή κάλυψη της υπάρχουσας βιβλιογραφίας.

Αρκετοί κριτικοί μπορούν απλώς να ρίξουν μία γρήγορη ματιά στην εργασία και να αποφασίσουν αν τη θεωρούν καλή ή κακή. Άρα, μπορεί μία μηχανή να μάθει πώς να αναθεωρεί γρήγορα μία εργασία, και να εντοπίζει τους κύριους παράγοντες που ψάχνουν οι κριτικοί; Γι’ αυτό, στρεφόμαστε σε έναν νέο τρόπο κατάταξης, που βασίζεται στην οπτική εμφάνιση του εγγράφου – η ονομαζόμενη μορφή (Gestalt) του εγγράφου, δείτε παρακάτω:

Image for post

Στην εργασία τους, οι συγγραφείς πήραν μία ευρεία γκάμα άρθρων, από τα οποία άλλα έχουν εγκριθεί και άλλα έχουν απορριφθεί, και δημιούργησαν έναν ταξινομητή, ο οποίος απορρίπτει το 50% των μη αποδεκτών άρθρων, απορρίπτοντας ταυτόχρονα, μόνο το 0,4% των καλών άρθρων. Ένα τέτοιο σύστημα – εάν μπορεί να δουλέψει – θα μείωνε σημαντικά τον φόρτο εργασίας των κριτικών.

Οι συγγραφείς του άρθρου εξηγούν τις υπάρχουσες μεθόδους κατάταξης ερευνητικών εργασιών:

  • Διαχείριση εγγράφων. Αυτή αναλύει τη βασική διαδικασία διαχείρισης μεταξύ των υποβληθείσων εργασιών, όπως η παραβίαση της ανωνυμίας, η ελλιπής μορφοποίηση και ο σαφής εκτροχιασμός από το θέμα. Ο συσχετισμός εδώ είναι ότι πιθανότατα, αδύναμες ομάδες ερευνητών έχοντας μικρή εμπειρία από τη διαδικασία να κάνουν απλά λάθη στην υποβολή αυτής. Μία δυνατή ομάδα κριτικών, ωστόσο, είναι πιθανό να διαθέτει αξιόπιστες διαδικασίες που εξασφαλίζουν ότι τα άρθρα αξιολογούνται σωστά και πληρούν τις προϋποθέσεις του συστήματος υποβολών. Ως επιμελητής, συχνά βλέπω «αδύναμες» υποβολές ερευνητικών εργασιών, οι οποίες έχουν μικρή πιθανότητα να εγκριθούν σε κάθε περίπτωση. Μία ματιά του ενός λεπτού αρκεί για να καταλάβεις αν το άρθρο έχει μικρές πιθανότητες επιτυχίας, τα «αδύναμα» άρθρα συνήθως απορρίπτονται σε αυτό το στάδιο λόγω της ελλιπούς συμμόρφωσής τους με την επιτροπή έγκρισης.
  • Μέθοδοι που βασίζονται στο κείμενο. Αυτές περιλαμβάνουν αυτοματοποιημένους τρόπους βαθμολόγησης μιας εργασίας και αποτελούνται από ελέγχους γραμματικής, ορθογραφίας, χρήσης των μαθηματικών, χρήσης λέξεων-κλειδιών και ούτω καθεξής. Προσωπικά, έχω δει πολλές κριτικές, όπου ο ερευνητής-κριτικός δικαιολογεί την απόρριψή του βάσει της ελλιπούς γραμματικής και/ή των τυπογραφικών σφαλμάτων και πιστεύω ότι, αυτή η μέθοδος έχει μία στέρεα βάση στην κατάταξη εργασιών. Ένας κριτικός-ερευνητής που θα δει μία σειρά τυπογραφικών σφαλμάτων στα σχόλια των κριτικών, συχνά θα σκεφτεί τα χειρότερα για την εργασία.
  • Μέθοδοι που βασίζονται στην οπτική εμφάνιση. Αυτές περιλαμβάνουν μεθόδους που αναλύουν την εμφάνιση και την αίσθηση του άρθρου.

Για τη νέα μέθοδο χρησιμοποιήθηκαν άρθρα που έχουν εγκριθεί για εννέα συνέδρια που διοργανώθηκαν από το Computer Vision Foundation (CVF). Δυστυχώς, οι ερευνητές δεν απέκτησαν πρόσβαση στο άρθρο που απορρίφθηκε, αλλά χρησιμοποίησαν αυτά που δεν παρουσιάστηκαν μεν στο κυρίως συνέδριο, αλλά εγκρίθηκαν για τα εργαστήρια.

Για τη μέθοδό τους, χρησιμοποίησαν το πρόγραμμα PDF2Image για να μετατρέψουν έγγραφα σε μία εικόνα της μορφής πλέγματος 2×4 (για τις πρώτες οκτώ σελίδες) και έπειτα συνέκριναν τη δομή των εγγράφων των σεμιναρίων αυτή των συνεδρίων [δείτε εδώ τα δεδομένα]:

Image for post

Έπειτα από την εκπαίδευση του Res-net-18 [δείτε εδώ] για άρθρα από το 2013 έως το 2017, προέβλεψαν τα ποσοστά έγκρισης/απόρριψης για το 2018 και βρήκαν ότι μπορούσαν να απορρίψουν σωστά 1.115 «κακά» άρθρα, χάνοντας μόνο 4 «καλά» άρθρα (μεταξύ των 979 «καλών» άρθρων). Στην έρευνα, ένα «κακό» άρθρο μοιάζει κάπως έτσι:

Image for post

ενώ ένα «καλό» άρθρο:

Image for post

Συνολικά, η τοποθέτηση των διαγραμμάτων ήταν συνήθως σημαντική για την κατάταξη, και ιδίως ένα γράφημα συνολικής συνεισφοράς στην αρχή του άρθρου. Επιπλέον, η χρήση πινάκων / γραφημάτων βοηθά ιδιαίτερα στην επιτυχία του άρθρου. Στην ακόλουθη φωτογραφία βλέπουμε τη χρήση ενός διαγράμματος επισκόπησης στην πρώτη σελίδα:

Image for post

Οι συγγραφείς της εργασίας εξηγούν πως το άρθρο μπορεί να είναι δύσκολο στην ανάγνωση, εάν δεν υπάρχει εικονογραφημένο διάγραμμα στις πρώτες σελίδες.

Συμπεράσματα

Ο αριθμός των άρθρων που υποβάλλονται σε ποιοτικά περιοδικά και συνέδρια συχνά αυξάνεται κάθε χρόνο, και δε συμβαδίζει με τον αριθμό των ικανών αξιολογητών. Έτσι, είναι πιθανό να δούμε αυτοματοποιημένα συστήματα που απορρίπτουν άρθρα χωρίς καν να χρειάζονται αξιολόγηση. Όμως, για «φτωχό» λεξιλόγιο και γραμματική, κάτι τέτοιο μπορεί να είναι εύκολο, αλλά από την «εξωτερική» εμφάνιση του άρθρου, αυτό μπορεί να είναι δύσκολο να καθοριστεί, ειδικά δε, αν χαθεί μια σημαντική ανακάλυψη. Ένα αντίστοιχο τέτοιο παράδειγμα, ήταν η απόρριψη του άρθρου του Ralph Merkle για την κρυπτογράφηση δημόσιου κλειδιού, επειδή δεν είχε καθόλου αναφορές [δείτε εδώ] – μιας και ουσιαστικά δεν υπήρχαν άλλα άρθρα για να αναφέρει!

Επομένως, γράφετε σωστά τις εισαγωγές και σχεδιάζετε μία εικόνα που καθοδηγεί τον αναγνώστη καίρια και ουσιαστικά στην ερευνητική σας εργασία.

Γράφει ο: Prof Bill Buchanan OBE Professor of Cryptography

Μετάφραση: Χρήστος Κ. Λοΐζος και Χρήστος Κατσανδρής

Πηγή: medium.com

Leave a Reply