🗓 День 6 ноября — классный день календаря
Как изменился за последние годы труд ученого в России? Существуют ли биотех-компании, где комфортная среда и адекватные руководители? Куда податься студенту, чтобы в будущем иметь высокую зарплату?
🆕 На эти и другие острые вопросы ответим на карьерном вебинаре в среду на следующей неделе
Спикер: Анна Фомина | Sci_Career, Сколтех, Химия-Просто👍
Анна поведает, какая ситуация на российском трудовом рынке, а также осветит темы:
🚩 куда лучше идти после бакалавриата: работать или в магу
🚩 как влияет опыт работы в иностранных компаниях на прием на работу в РФ
🚩 в чем отличия в подходе к CV у нас и за рубежом
🚩 как искать вакансии и оформлять резюме: лайфхаки от Анны
Кому подойдет? Всем, кто ищет работу в лайфсайенс, кто раздумывает о смене траектории, а еще тем, кто находится за рубежом и хочет вернуться на отечественный рынок
Когда? 6 ноября, 19:00 мск
Длительность? Ориентировочно 1,5 часа
🔖 Приходите на вебинар получить инсайты и зарядиться энергией. Регистрация тут: www.tgoop.com/TeamBlastimBot
Реклама. ООО “Бластим”. ИНН 7716966359, erid:2VtzqxdYYT6
Как изменился за последние годы труд ученого в России? Существуют ли биотех-компании, где комфортная среда и адекватные руководители? Куда податься студенту, чтобы в будущем иметь высокую зарплату?
🆕 На эти и другие острые вопросы ответим на карьерном вебинаре в среду на следующей неделе
Спикер: Анна Фомина | Sci_Career, Сколтех, Химия-Просто👍
Анна поведает, какая ситуация на российском трудовом рынке, а также осветит темы:
🚩 куда лучше идти после бакалавриата: работать или в магу
🚩 как влияет опыт работы в иностранных компаниях на прием на работу в РФ
🚩 в чем отличия в подходе к CV у нас и за рубежом
🚩 как искать вакансии и оформлять резюме: лайфхаки от Анны
Кому подойдет? Всем, кто ищет работу в лайфсайенс, кто раздумывает о смене траектории, а еще тем, кто находится за рубежом и хочет вернуться на отечественный рынок
Когда? 6 ноября, 19:00 мск
Длительность? Ориентировочно 1,5 часа
🔖 Приходите на вебинар получить инсайты и зарядиться энергией. Регистрация тут: www.tgoop.com/TeamBlastimBot
Реклама. ООО “Бластим”. ИНН 7716966359, erid:2VtzqxdYYT6
Революция в анализе текста: LLM против экспертов
Недавнее исследование, проведенное Петтером Тернбергом (2024), сравнило производительность LLM с другими методами аннотации текста на примере определения политической принадлежности авторов сообщений в Twitter. Задача осложнялась тем, что требовала комплексного анализа контекста, иронии и неявных смыслов.
Результаты исследования впечатляют:
LLM превзошли все другие методы, включая экспертов-аналитиков и специализированные модели машинного обучения.
LLM показали высокую точность во всех языках и культурных контекстах, несмотря на то, что обучающие данные были в основном на английском языке и в контексте США.
Анализ ошибок показал, что LLM используют логику, более похожую на человеческую, чем традиционные модели машинного обучения. Вместо простого поиска ключевых слов, LLM способны делать выводы на основе контекста и понимать мотивы автора.
LLM: новые возможности
Снижение затрат и повышение доступности анализа текста.
Новые возможности для сравнительных исследований в разных странах и культурах.
Развитие новых методов анализа, сочетающих качественные и количественные подходы.
Однако LLM также ставят перед нами новые вызовы:
Этические и юридические вопросы, связанные с использованием данных и конфиденциальностью.
Необходимость разработки стандартов и лучших практик для обеспечения надежности, воспроизводимости и этичности исследований.
Эпистемологические вопросы, связанные с природой интерпретации и ролью LLM в научном процессе.
Будущее за LLM?
LLM обладают огромным потенциалом для преобразования социальных наук. Однако важно помнить, что LLM — это всего лишь инструменты. Чтобы использовать их потенциал в полной мере, нам необходимо разработать новые подходы к анализу текста, которые учитывают как возможности, так и ограничения этих мощных технологий.
Недавнее исследование, проведенное Петтером Тернбергом (2024), сравнило производительность LLM с другими методами аннотации текста на примере определения политической принадлежности авторов сообщений в Twitter. Задача осложнялась тем, что требовала комплексного анализа контекста, иронии и неявных смыслов.
Результаты исследования впечатляют:
LLM превзошли все другие методы, включая экспертов-аналитиков и специализированные модели машинного обучения.
LLM показали высокую точность во всех языках и культурных контекстах, несмотря на то, что обучающие данные были в основном на английском языке и в контексте США.
Анализ ошибок показал, что LLM используют логику, более похожую на человеческую, чем традиционные модели машинного обучения. Вместо простого поиска ключевых слов, LLM способны делать выводы на основе контекста и понимать мотивы автора.
LLM: новые возможности
Снижение затрат и повышение доступности анализа текста.
Новые возможности для сравнительных исследований в разных странах и культурах.
Развитие новых методов анализа, сочетающих качественные и количественные подходы.
Однако LLM также ставят перед нами новые вызовы:
Этические и юридические вопросы, связанные с использованием данных и конфиденциальностью.
Необходимость разработки стандартов и лучших практик для обеспечения надежности, воспроизводимости и этичности исследований.
Эпистемологические вопросы, связанные с природой интерпретации и ролью LLM в научном процессе.
Будущее за LLM?
LLM обладают огромным потенциалом для преобразования социальных наук. Однако важно помнить, что LLM — это всего лишь инструменты. Чтобы использовать их потенциал в полной мере, нам необходимо разработать новые подходы к анализу текста, которые учитывают как возможности, так и ограничения этих мощных технологий.
Для выявления информационных ресурсов, а не конкретных источников, важно понимать, как и где можно найти такие ресурсы.
Информационные ресурсы представляют собой платформы, базы данных, каталоги и другие среды, где хранится информация.
Вот несколько их типов, где стоит искать источники в первую очередб:
Каталоги и базы данных
Ищите специализированные каталоги и базы данных, такие как академические библиотеки, репозитории университетов или отраслевые базы данных. Например, Национальная электронная библиотека или базы данных научных журналов предоставляют доступ к обширным наборам документов.
Научные порталы и онлайн-платформы
Используйте порталы, такие как Google Scholar, PubMed, Web of Science и Scopus, которые служат ресурсами для научных исследований. Они агрегируют множество источников и помогают находить научные публикации и статьи.
Официальные сайты организаций и институтов
Сайты государственных учреждений, исследовательских институтов и университетов часто содержат коллекции документов, статистические данные и другие информационные материалы. Например, Росстат предоставляет доступ к статистическим данным.
Онлайн-энциклопедии и справочные системы
Такие ресурсы, как Encyclopaedia Britannica и специализированные энциклопедии в разных отраслях, служат информационными хранилищами для быстрых справок и детальных исследований.
Ресурсы с открытым доступом
Ищите платформы с открытым доступом, такие как arXiv.org, DOAJ (Directory of Open Access Journals), которые предоставляют бесплатный доступ к научным статьям и исследованиям. Это важные ресурсы для поиска актуальных исследований и данных.
Агрегаторы данных и аналитические платформы
Рассмотрите использование агрегаторов, таких как Statista или платформа аналитических отчетов, чтобы получить доступ к собранной информации по различным темам. Они помогают находить и систематизировать данные из множества источников.
Эти шаги помогут вам находить и использовать информационные ресурсы, обеспечивая доступ к широкой базе данных для проведения исследований или анализа.
Информационные ресурсы представляют собой платформы, базы данных, каталоги и другие среды, где хранится информация.
Вот несколько их типов, где стоит искать источники в первую очередб:
Каталоги и базы данных
Ищите специализированные каталоги и базы данных, такие как академические библиотеки, репозитории университетов или отраслевые базы данных. Например, Национальная электронная библиотека или базы данных научных журналов предоставляют доступ к обширным наборам документов.
Научные порталы и онлайн-платформы
Используйте порталы, такие как Google Scholar, PubMed, Web of Science и Scopus, которые служат ресурсами для научных исследований. Они агрегируют множество источников и помогают находить научные публикации и статьи.
Официальные сайты организаций и институтов
Сайты государственных учреждений, исследовательских институтов и университетов часто содержат коллекции документов, статистические данные и другие информационные материалы. Например, Росстат предоставляет доступ к статистическим данным.
Онлайн-энциклопедии и справочные системы
Такие ресурсы, как Encyclopaedia Britannica и специализированные энциклопедии в разных отраслях, служат информационными хранилищами для быстрых справок и детальных исследований.
Ресурсы с открытым доступом
Ищите платформы с открытым доступом, такие как arXiv.org, DOAJ (Directory of Open Access Journals), которые предоставляют бесплатный доступ к научным статьям и исследованиям. Это важные ресурсы для поиска актуальных исследований и данных.
Агрегаторы данных и аналитические платформы
Рассмотрите использование агрегаторов, таких как Statista или платформа аналитических отчетов, чтобы получить доступ к собранной информации по различным темам. Они помогают находить и систематизировать данные из множества источников.
Эти шаги помогут вам находить и использовать информационные ресурсы, обеспечивая доступ к широкой базе данных для проведения исследований или анализа.
🔍 Подходы к поиску информационных ресурсов: как искать эффективно 🔍
Вы когда-нибудь задумывались, как максимально продуктивно искать информацию для своих исследований или проектов? Эффективный поиск — это не просто случайное блуждание по интернету. В этом посте расскажу о ключевых подходах, которые помогут вам находить именно то, что нужно.
Определите тип информации, которая вам нужна
Начните с понимания, какие данные необходимы:
- Первичные данные — сырые материалы, которые требуют анализа.
- Вторичные данные — готовые обзоры и статьи, которые можно сразу использовать.
Идентифицируйте стейкхолдеров
Кто создает нужную информацию? Например:
- В бизнесе: отраслевые ассоциации и исследовательские организации.
- В науке: университеты и научные журналы.
- В правовой сфере: государственные органы и правительственные порталы.
✨ Совет: Определите ключевых игроков, которые связаны с вашей темой, и начните поиск с их ресурсов.
Начните с вторичных источников
Чтобы получить общее представление, начните с Википедии и других вторичных источников. Не забудьте проверить ссылки на первоисточники внизу статей — они могут стать вашим путеводителем к ценным данным.
Определите подходящие ресурсы для поиска
В зависимости от цели исследования выберите подходящие информационные ресурсы:
- Научные базы данных для академических статей.
- Патентные базы для анализа изобретений.
- Новостные агрегаторы для свежих данных.
Изучайте ссылки и сноски
В отчетах и исследованиях часто указаны полезные ссылки. Это позволит вам выйти на новые источники, которые проверены другими специалистами.
Используйте инструменты ИИ
ChatGPT и Plex могут стать вашими помощниками в поиске. С их помощью можно не только находить информацию, но и обсуждать стратегию поиска, что особенно полезно в случае, если вам нужно расширить область исследования.
Присоединяйтесь к профессиональным сообществам
Не пренебрегайте Telegram-каналами, блогами и чатами, посвященными аналитике. Здесь можно найти советы, новые источники и ссылки на полезные данные.
Ищите экспертные мнения
Интервью, публикации в медиа и профили на LinkedIn помогут вам найти мнения и анализы ведущих экспертов в вашей области.
💡 Заключение: Понимание того, где искать информацию и как структурировать процесс поиска, сделает ваш подход к исследованиям более осознанным и продуктивным. Используйте эти стратегии, чтобы быстро находить нужные данные и достигать своих целей!
Вы когда-нибудь задумывались, как максимально продуктивно искать информацию для своих исследований или проектов? Эффективный поиск — это не просто случайное блуждание по интернету. В этом посте расскажу о ключевых подходах, которые помогут вам находить именно то, что нужно.
Определите тип информации, которая вам нужна
Начните с понимания, какие данные необходимы:
- Первичные данные — сырые материалы, которые требуют анализа.
- Вторичные данные — готовые обзоры и статьи, которые можно сразу использовать.
Идентифицируйте стейкхолдеров
Кто создает нужную информацию? Например:
- В бизнесе: отраслевые ассоциации и исследовательские организации.
- В науке: университеты и научные журналы.
- В правовой сфере: государственные органы и правительственные порталы.
Начните с вторичных источников
Чтобы получить общее представление, начните с Википедии и других вторичных источников. Не забудьте проверить ссылки на первоисточники внизу статей — они могут стать вашим путеводителем к ценным данным.
Определите подходящие ресурсы для поиска
В зависимости от цели исследования выберите подходящие информационные ресурсы:
- Научные базы данных для академических статей.
- Патентные базы для анализа изобретений.
- Новостные агрегаторы для свежих данных.
Изучайте ссылки и сноски
В отчетах и исследованиях часто указаны полезные ссылки. Это позволит вам выйти на новые источники, которые проверены другими специалистами.
Используйте инструменты ИИ
ChatGPT и Plex могут стать вашими помощниками в поиске. С их помощью можно не только находить информацию, но и обсуждать стратегию поиска, что особенно полезно в случае, если вам нужно расширить область исследования.
Присоединяйтесь к профессиональным сообществам
Не пренебрегайте Telegram-каналами, блогами и чатами, посвященными аналитике. Здесь можно найти советы, новые источники и ссылки на полезные данные.
Ищите экспертные мнения
Интервью, публикации в медиа и профили на LinkedIn помогут вам найти мнения и анализы ведущих экспертов в вашей области.
💡 Заключение: Понимание того, где искать информацию и как структурировать процесс поиска, сделает ваш подход к исследованиям более осознанным и продуктивным. Используйте эти стратегии, чтобы быстро находить нужные данные и достигать своих целей!
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Учусь как умею
Базовые вопросы, которые помогают исследовать процесс учёбы.
(что я чаще всего задаю на первой встрече, когда помогаю создавать персональную траекторию обучения).
Делюсь, можете сохранить и сделать письменную практику самостоятельно, а еще лучше порасспрашивать друг друга. Например, чтобы эти вопросы вам задала подруга и уже сама добавила уточняющие по вашим ответам.
👨👩👧👧Наверное эти вопросы подойдут и родителям подростков и студентов, чтобы быть участливыми в образовательной жизни, задавать существенные вопросы, а не просто “как дела”.
✍️
1) Насколько сейчас себя энергично чувствуете? (от этого зависит глубина ответов, выделите себе 15 минут или 40 в зависимости от состояния).
2) Сколько уже по времени учитесь? Как справляетесь сейчас? Что затормаживает процесс обучения, где чувствуете подъем. Как сохраняете ритм и как дела с рутиной?
3) Как справляетесь с неидеальностью своей учёбы / конкретной ситуацией, например курсовой?
4) Как систематизируете знания? Может ведете глоссарий терминов, рисуете mind-карты, пишите конспекты, делаете скриншоты и отправляете в архив сообщений в телеграме.
5) Где обычно учитесь? Как помогаете себе зацепиться за учебное время, не откладывать это занятие. Поменялись ли обстоятельства когда только начали учиться и сейчас? Вы на них влияли или что-то произошло и пришлось перестраиваться?
6) Появилась ли привычка думать об учёбе и о вашем изучаемом предмете?
7) Я сейчас задаю вопросы, какие стереотипы об обучении сейчас “включились”? Может хотелось отвечать как правильно или даже появилось чувство неловкости от того что вот у вас так всё устроено сейчас. Запишите просто на полях что влияет на ваше наблюдение за действительным процессом вашей учёбы (пусть эти голоса просто выскажутся справа на полях).
🍀 выдох 🍀
8 ) Переформулируется ли цель за время учёбы сейчас? если учитесь уже дольше одного месяца, то даже может так случиться, что первичная цель была достигнута. Как она сейчас звучит?
9) Что сейчас сложно сделать самостоятельно на своём пути и кто бы мог в этом помочь? А что можно сделать уже сейчас, чтобы просто продолжать, пока обращаемся за помощью или ищем нужные знания.
10) Какие наблюдения за собой, во время этого рассказа, вышли на первый план? Оцените как они влияют на вашу образовательную цель и сверьтесь критичны ли они. Если не критичны, то это ваши особенности *обнять и принять себя, погладить по голове :))*. Если найденные факты о своём учебном поведении прямо влияют на цель и делают её невозможной, то можно переформулировать цель (сделать ее ближе к той точке, в которой вы сейчас находитесь).
☀️ Всегда помните, что контекст меняется, цели переформулируются, а вы всегда остаётесь на своей стороне и не придумываете план войны с собой / своей ленью / своим мозгом / прокрастинацией или ещё там чем.
Только дружелюбное движение 🐿
✅ отдых важен
✅ порой важно перетоптаться и пережить эмоции, чтобы тело тоже пересобралось в ваши новые представления о вас
✅ расставлять приоритеты нормально и держать в руках только самое необходимое
✅ все люди учатся неидеально, а делают лучшее из возможного
✅ волнообразность образовательного процесса существует
🪴заботиться о нашем образовании — наша самостоятельная ответственность
#персональнаятраектория #метод
(что я чаще всего задаю на первой встрече, когда помогаю создавать персональную траекторию обучения).
Делюсь, можете сохранить и сделать письменную практику самостоятельно, а еще лучше порасспрашивать друг друга. Например, чтобы эти вопросы вам задала подруга и уже сама добавила уточняющие по вашим ответам.
👨👩👧👧Наверное эти вопросы подойдут и родителям подростков и студентов, чтобы быть участливыми в образовательной жизни, задавать существенные вопросы, а не просто “как дела”.
✍️
1) Насколько сейчас себя энергично чувствуете? (от этого зависит глубина ответов, выделите себе 15 минут или 40 в зависимости от состояния).
2) Сколько уже по времени учитесь? Как справляетесь сейчас? Что затормаживает процесс обучения, где чувствуете подъем. Как сохраняете ритм и как дела с рутиной?
3) Как справляетесь с неидеальностью своей учёбы / конкретной ситуацией, например курсовой?
4) Как систематизируете знания? Может ведете глоссарий терминов, рисуете mind-карты, пишите конспекты, делаете скриншоты и отправляете в архив сообщений в телеграме.
5) Где обычно учитесь? Как помогаете себе зацепиться за учебное время, не откладывать это занятие. Поменялись ли обстоятельства когда только начали учиться и сейчас? Вы на них влияли или что-то произошло и пришлось перестраиваться?
6) Появилась ли привычка думать об учёбе и о вашем изучаемом предмете?
7) Я сейчас задаю вопросы, какие стереотипы об обучении сейчас “включились”? Может хотелось отвечать как правильно или даже появилось чувство неловкости от того что вот у вас так всё устроено сейчас. Запишите просто на полях что влияет на ваше наблюдение за действительным процессом вашей учёбы (пусть эти голоса просто выскажутся справа на полях).
🍀 выдох 🍀
8 ) Переформулируется ли цель за время учёбы сейчас? если учитесь уже дольше одного месяца, то даже может так случиться, что первичная цель была достигнута. Как она сейчас звучит?
9) Что сейчас сложно сделать самостоятельно на своём пути и кто бы мог в этом помочь? А что можно сделать уже сейчас, чтобы просто продолжать, пока обращаемся за помощью или ищем нужные знания.
10) Какие наблюдения за собой, во время этого рассказа, вышли на первый план? Оцените как они влияют на вашу образовательную цель и сверьтесь критичны ли они. Если не критичны, то это ваши особенности *обнять и принять себя, погладить по голове :))*. Если найденные факты о своём учебном поведении прямо влияют на цель и делают её невозможной, то можно переформулировать цель (сделать ее ближе к той точке, в которой вы сейчас находитесь).
☀️ Всегда помните, что контекст меняется, цели переформулируются, а вы всегда остаётесь на своей стороне и не придумываете план войны с собой / своей ленью / своим мозгом / прокрастинацией или ещё там чем.
Только дружелюбное движение 🐿
✅ отдых важен
✅ порой важно перетоптаться и пережить эмоции, чтобы тело тоже пересобралось в ваши новые представления о вас
✅ расставлять приоритеты нормально и держать в руках только самое необходимое
✅ все люди учатся неидеально, а делают лучшее из возможного
✅ волнообразность образовательного процесса существует
🪴заботиться о нашем образовании — наша самостоятельная ответственность
#персональнаятраектория #метод
Горячо рекомендую новый подкаст. Мне кажется, я подкасты сто лет уже не слушала. А тут мой друг и его коллеги из DH делают что-то одновременно заумное, интересное и завораживающее.
Через неделю буду с коллегами из Dsight рассказывать про трендвотчинг: что и как мы делаем.
✨ Расскажу про наши методологические особенности, автоматизацию и объем разных источников информации, которые мы охватываем в иссследованиях.
https://www.tgoop.com/dsight_media/1156
https://www.tgoop.com/dsight_media/1156
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Dsight
Приглашаем на наш вебинар: «Трендвотчинг для корпораций: лучшие практики и лайфхаки»
Ведущие эксперты в отрасли расскажут о методиках выявления и анализа трендов, а также поделятся инструментами для самостоятельного исследования.
📅 Дата и время:
21…
Ведущие эксперты в отрасли расскажут о методиках выявления и анализа трендов, а также поделятся инструментами для самостоятельного исследования.
📅 Дата и время:
21…
Forwarded from Кофейный теоретик
Редактирую тут свою будущую книшку по грубой геометрии и наткнулся на забавный фан факт: в этом году исполнилось 100 лет довольно известной работе П.С. Александрова в которой тот ввёл понятие одноточечной компактификции.
Удивительно, сколько с тех пор изменилось. Та статья была написана по-немецки, да и главный академический язык тогда был именно немецкий. А всего через 20 лет "что-то случится" и главным, абсолютно доминирующий языком станет английский. И только разные "довоенные" старпёры будут продолжать публиковаться на немецком (Халин, например, одну из очень хороших своих теорем в Math Annalen опубликует в 1964 г. на немецком).
Бережно передаваемые из рук в руки учебники, по которым учились целые поколения математиков тоже изменятся. Сначала они "переедут" в цифру и станут общедоступными, а потом вдруг начнут появляться "конспекты лекций" в arxiv.org, всякие презентации, записи на youtube.. И вот сейчас, 100 лет спустя я нахожу оптимальное изложение компактификации в nlab. И вот идея открыть какой-нибудь "классический" учебник типа Ван дер Вардена мне даже в голову не приходит.
И с преподаванием тоже случилась забавная вещь. Фактически, все доказательства не просто где-нибудь написаны, но даже и без труда (обычно) находятся. Только откуда юному математику (или другому специалису) понять что же ему читать и учить? Вроде туман рассеялся, но слушатель всё равно находится в тёмном лесу, где решительно не ясно куда идти.
Так что нонче лекторы это типа Вергилия, который показывает некий путь (кстати, лишь один из множества возможных), а не единственный и неповторимый источник знания. Лично я, работая с осмысленной публикой, совершенно спокойно пропускаю многие детали (давая, конечно, ссылку на источники) стараясь сосредоточиться на основных идеях и мотивировках.
Получается, что у лекций появляется дополнительное измерение: доп.материалы которые рекомендуются к изучению: и теперь это в основном статьи, заметки, тексты в nlab и подобных википодобных ресурсах, обсуждения на stackexchage, даже (иногда) личные блоги (типа блога Тао).
Не вдаваясь в детали личности Павла Сергеевича (а было там непросто), с некоторой гордостью отмечу, что он мой научный "дед" (т.е. научный руководитель моего научного руководителя). Не знаю что бы он сказал глядя на современные академические и методические реалии. Но, предположу, что многое его бы удивило, и многое заинтересовало.
Удивительно, сколько с тех пор изменилось. Та статья была написана по-немецки, да и главный академический язык тогда был именно немецкий. А всего через 20 лет "что-то случится" и главным, абсолютно доминирующий языком станет английский. И только разные "довоенные" старпёры будут продолжать публиковаться на немецком (Халин, например, одну из очень хороших своих теорем в Math Annalen опубликует в 1964 г. на немецком).
Бережно передаваемые из рук в руки учебники, по которым учились целые поколения математиков тоже изменятся. Сначала они "переедут" в цифру и станут общедоступными, а потом вдруг начнут появляться "конспекты лекций" в arxiv.org, всякие презентации, записи на youtube.. И вот сейчас, 100 лет спустя я нахожу оптимальное изложение компактификации в nlab. И вот идея открыть какой-нибудь "классический" учебник типа Ван дер Вардена мне даже в голову не приходит.
И с преподаванием тоже случилась забавная вещь. Фактически, все доказательства не просто где-нибудь написаны, но даже и без труда (обычно) находятся. Только откуда юному математику (или другому специалису) понять что же ему читать и учить? Вроде туман рассеялся, но слушатель всё равно находится в тёмном лесу, где решительно не ясно куда идти.
Так что нонче лекторы это типа Вергилия, который показывает некий путь (кстати, лишь один из множества возможных), а не единственный и неповторимый источник знания. Лично я, работая с осмысленной публикой, совершенно спокойно пропускаю многие детали (давая, конечно, ссылку на источники) стараясь сосредоточиться на основных идеях и мотивировках.
Получается, что у лекций появляется дополнительное измерение: доп.материалы которые рекомендуются к изучению: и теперь это в основном статьи, заметки, тексты в nlab и подобных википодобных ресурсах, обсуждения на stackexchage, даже (иногда) личные блоги (типа блога Тао).
Не вдаваясь в детали личности Павла Сергеевича (а было там непросто), с некоторой гордостью отмечу, что он мой научный "дед" (т.е. научный руководитель моего научного руководителя). Не знаю что бы он сказал глядя на современные академические и методические реалии. Но, предположу, что многое его бы удивило, и многое заинтересовало.
🌟 Доступ к записям лекций с курса 🌟
Я рада сообщить, что теперь на канале какая-то библиотека на Boosty доступны уже 5 записей лекций, которые помогут вам стать мастером кабинетных исследований, поиска информации и работы с данными. До конца года выйдет еще 5!
📚 Какие лекции вас уже ждут?
Логика исследовательского поиска — базовые подходы и техники, которые помогут вам структурировать поиск данных.
Как составить поисковый запрос? — создаем запросы, которые находят точную информацию.
Методический кейс-стади кабинетного исследования — практический пример работы с данными.
Информационные ресурсы — как находить ценные источники и организовать свою работу.
Отбор публикаций и наукометрия — как оценить релевантность статей и понять их научную ценность.
💡Стоимость доступа ко всем записям: 250 рублей. Подписывайтесь и учитесь в удобное для вас время!
👉 Ссылка на подписку
Я рада сообщить, что теперь на канале какая-то библиотека на Boosty доступны уже 5 записей лекций, которые помогут вам стать мастером кабинетных исследований, поиска информации и работы с данными. До конца года выйдет еще 5!
📚 Какие лекции вас уже ждут?
Логика исследовательского поиска — базовые подходы и техники, которые помогут вам структурировать поиск данных.
Как составить поисковый запрос? — создаем запросы, которые находят точную информацию.
Методический кейс-стади кабинетного исследования — практический пример работы с данными.
Информационные ресурсы — как находить ценные источники и организовать свою работу.
Отбор публикаций и наукометрия — как оценить релевантность статей и понять их научную ценность.
💡Стоимость доступа ко всем записям: 250 рублей. Подписывайтесь и учитесь в удобное для вас время!
👉 Ссылка на подписку
boosty.to
какая-то библиотека - Кабинетные исследования, библиография, ИИ
какая-то библиотека Кабинетные исследования, библиография, ИИ @eak_ka — рисёрчерка ytb: https://www.youtube.com/@selfmadeLibrary/videos inst: https://instagram.com/bestoloch.innovation?igshid=MzMyNGUyNmU2YQ== поддержать канал: https://taplink.cc/ekaganova
Когда останавливать поиск?
Сбор информации — важный этап исследования, но важно знать, когда остановиться. Бесконечный поиск может завести в тупик и отнять драгоценное время.
📌 Пауза в поиске:
Рекомендуется сделать паузу и проанализировать результаты, когда у вас есть 5-15 релевантных источников. Это позволит:
🖇 Оценить релевантность найденной информации.
🖇 Проверить, правильно ли сформулирован запрос.
🖇 Скоорректировать стратегию поиска.
🐝 Завершение поиска:
Поиск можно завершить, когда:
🖇 Вы нашли ответы на все свои вопросы.
🖇 Заканчивается отведенное время.
🖇 Вы собрали все запланированные источники.
🖇 Новая информация повторяет уже имеющуюся.
Пример:
Если вы ищете статистику по количеству пользователей TikTok в определенной стране, поиск можно завершить, найдя официальные данные от TikTok или авторитетных исследовательских компаний.
Если же вы изучаете более сложную тему, например, влияние видеоигр на поведение подростков, критерием завершения поиска может стать отсутствие новой информации или истечение срока исследования.
Сбор информации — важный этап исследования, но важно знать, когда остановиться. Бесконечный поиск может завести в тупик и отнять драгоценное время.
📌 Пауза в поиске:
Рекомендуется сделать паузу и проанализировать результаты, когда у вас есть 5-15 релевантных источников. Это позволит:
Поиск можно завершить, когда:
Пример:
Если вы ищете статистику по количеству пользователей TikTok в определенной стране, поиск можно завершить, найдя официальные данные от TikTok или авторитетных исследовательских компаний.
Если же вы изучаете более сложную тему, например, влияние видеоигр на поведение подростков, критерием завершения поиска может стать отсутствие новой информации или истечение срока исследования.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Кофейный теоретик
Тут мне попалась на глаза (спасибо уважаемому Л.К.) лекция Теренса Тао про #AI
Там очень интересный обзор вполне конкретных применений компуктеров (не только ИИ) для решения мат. задач, начиная с пресловутой проблемы 4-х красок до наших дней.
Самый любопытный упомянутый сюжетэто Lean. Про него есть коротко и есть длинно. Но если по сути, то эта штука умеет проверять математические рассуждения, если они записаны на некотором специальном языке (собственно на Lean).
Тао среди прочего упомянул что один гражданин собирается через Lean пропустить доказательство великой теоремы Ферма, которое получил Уайлс. Ну и, вроде как, это должно быть решающим аргументом в пользу того, что там всё действительно чисто. Я, правда, не слышал от специалистов серьёзных сомнений, но...
Кстати, Тао отметил очень интересную штуку. Записанное в Lean доказательство становится интерактивным: то есть жмакнув по логическому переходу можно получить более подробно расписанный переход (о, как этого не хватает при виде всяких этих ваших "очевидно", "вычислением получаем", "легко видеть что" и прочего!). То есть доказательство, которое написано специалистом можно "раскрутить" до самых аксиом. Вот уж действительно, идеальный учебник.
Единственное, очень бы не хотелось, чтобы не заставили оформлять статьи по стандарту Lean. Вот это уж будет настоящая антиутопия 😊
Впрочем, я оптимист (про Тао не уверен, он об этом не особо говорил). Хотя ИИ сможет уже очень скоро (лет 10, запомните этот пост) эффективно проверять рассуждения, написанные нормальным языком (грубо говоря статью) и, возможно, проверять несложные гипотезы, но ИИ не сможет вести самостоятельных исследований. То есть едва ли он в обозримом будущем научится отличать полезные новые утверждения (хорошие теоремы) от бесполезных (плохие теоремы).
То есть он сможет написать статью для сборника РИНЦ "об одном асимптотическом свойстве одного решения одного уравнения", но на уровень не то что Тао, но даже и более скромных, но настоящих исследователей, — он вряд ли в обозримом будущем подымется. Впрочем, без "сборников РИНЦ" мы как-нибудь переживём.
Иначе говоря, я не сомневаюсь, что ИИ научится искать путь по дереву логических импликаций от аксиом к данному утверждению. Но я также не сомневаюсь, что в обозримом будущем ИИ сможет понять какие из всего многообразия следствий из аксиом (т.е. верных утверждений=теорем) — полезны, а какие не особо. Математика это вам не шахматы, тут критериев победы нету.
А вы как думаете,кожаные мешки с костями белковые исследователи?
Там очень интересный обзор вполне конкретных применений компуктеров (не только ИИ) для решения мат. задач, начиная с пресловутой проблемы 4-х красок до наших дней.
Самый любопытный упомянутый сюжетэто Lean. Про него есть коротко и есть длинно. Но если по сути, то эта штука умеет проверять математические рассуждения, если они записаны на некотором специальном языке (собственно на Lean).
Тао среди прочего упомянул что один гражданин собирается через Lean пропустить доказательство великой теоремы Ферма, которое получил Уайлс. Ну и, вроде как, это должно быть решающим аргументом в пользу того, что там всё действительно чисто. Я, правда, не слышал от специалистов серьёзных сомнений, но...
Кстати, Тао отметил очень интересную штуку. Записанное в Lean доказательство становится интерактивным: то есть жмакнув по логическому переходу можно получить более подробно расписанный переход (о, как этого не хватает при виде всяких этих ваших "очевидно", "вычислением получаем", "легко видеть что" и прочего!). То есть доказательство, которое написано специалистом можно "раскрутить" до самых аксиом. Вот уж действительно, идеальный учебник.
Единственное, очень бы не хотелось, чтобы не заставили оформлять статьи по стандарту Lean. Вот это уж будет настоящая антиутопия 😊
Впрочем, я оптимист (про Тао не уверен, он об этом не особо говорил). Хотя ИИ сможет уже очень скоро (лет 10, запомните этот пост) эффективно проверять рассуждения, написанные нормальным языком (грубо говоря статью) и, возможно, проверять несложные гипотезы, но ИИ не сможет вести самостоятельных исследований. То есть едва ли он в обозримом будущем научится отличать полезные новые утверждения (хорошие теоремы) от бесполезных (плохие теоремы).
То есть он сможет написать статью для сборника РИНЦ "об одном асимптотическом свойстве одного решения одного уравнения", но на уровень не то что Тао, но даже и более скромных, но настоящих исследователей, — он вряд ли в обозримом будущем подымется. Впрочем, без "сборников РИНЦ" мы как-нибудь переживём.
Иначе говоря, я не сомневаюсь, что ИИ научится искать путь по дереву логических импликаций от аксиом к данному утверждению. Но я также не сомневаюсь, что в обозримом будущем ИИ сможет понять какие из всего многообразия следствий из аксиом (т.е. верных утверждений=теорем) — полезны, а какие не особо. Математика это вам не шахматы, тут критериев победы нету.
А вы как думаете,
YouTube
Гений Математики С IQ 230: Почему Будущее За ИИ
🧠💻🤖 Что происходит, когда человек с самым высоким IQ в мире (220-230) рассказывает о будущем математики? Теренс Тао, австралийский математический гений и обладатель престижнейших наград, включая премию короля Фейсала, шокирует своим откровенным взглядом на…
Работа аналитика — это не только поиск и анализ данных, но и умение их правильно организовывать и сохранять. Особенно важно соблюдать "аналитическую гигиену".
Почему это важно
- Чётко маркированные данные предотвращают ошибки при их интерпретации. Например, в таблице, где не указаны единицы измерения, могут возникнуть путаницы (например, метры или километры).
- Если вы работаете в команде, структурированные данные облегчают совместную работу. Любой участник сможет быстро понять, что за информация перед ним. (А особенно старший аналитик, который смотрит на данные от младших коллег.)
- При качественной маркировке и структуре данных не нужно возвращаться к исходникам, чтобы что-то уточнять.
🐋 Основные принципы🐋
Маркировка данных
Обязательно указывайте:
- Источник данных.
- Единицы измерения.
- Дата обновления информации.
- Статус данных (черновик, финальная версия, промежуточные итоги).
Перевод данных в плоские таблицы
Убедитесь, что сложные иерархические структуры из исходных данных развернуты в плоский формат. Это значительно упрощает анализ, применение фильтров и автоматизацию.
- Используйте отдельные столбцы для обозначения уровней иерархии, вместо вложенных данных (например, "Категория", "Подкатегория", "Элемент").
- Избегайте использования объединённых ячеек в таблицах, предназначенных для анализа, так как они могут нарушить работу фильтров и формул.
- Если объединение нужно для визуального оформления, создайте отдельный слой или таблицу для представления.
Корректная работа с фильтрами (мое любимое)
Перед применением фильтров убедитесь, что диапазон, на который они распространяются, включает все данные (они будут обведены "рамочкой). Данные, оказавшиеся за пределами диапазона, не будут отображаться и могут быть потеряны при анализе.
- Регулярно проверяйте рамки фильтров, особенно после добавления или удаления строк и столбцов.
И, конечно,
- Используйте одинаковый формат для всех таблиц: шрифты, цвета, структура столбцов. Это упрощает восприятие.
- Используйте облачные хранилища или версии в корпоративных системах.
- Дублируйте файлы перед важными изменениями, чтобы не потерять данные из-за ошибки.
Поделитесь, какие ещё практики помогают вам в управлении данными? 😉
#дескрисерч
Please open Telegram to view this post
VIEW IN TELEGRAM
Исследовательская группа из Университета Халла задалась этим вопросом и провела уникальный эксперимент. Они использовали ChatGPT (версия GPT-4) для прохождения полного курса бакалавриата по физике, включая все экзамены и курсовые работы.
Исследователи не просто запустили ChatGPT и оставили его на произвол судьбы. Они разработали подход, который они назвали "максимальным обманом". Это означало, что они использовали все доступные инструменты и трюки, чтобы помочь ChatGPT получить наилучший результат:
Уточнение вопросов: Они перефразировали вопросы для повышения ясности и увеличения шансов на правильный ответ.
Разбиение задач: Сложные задачи были разбиты на более мелкие подзадачи, которые ChatGPT решал по отдельности.
Расширенные ответы: Они попросили ChatGPT углубить свои ответы и предоставить дополнительные пояснения.
Использование источников: Когда ChatGPT не мог найти нужную информацию, исследователи помогли ему найти её в открытых источниках.
Дополнительные инструменты: Они использовали плагины и другие инструменты, чтобы оптимизировать ответы ChatGPT.
Результаты оказались поразительными. ChatGPT успешно справился со многими задачами, особенно в области программирования и решения простых задач. Он показал отличные результаты в кодинге и решении задач с одним шагом. Однако, у него возникли проблемы с многоэтапными задачами, особенно с задачами, требующими глубокого понимания и интерпретации текстов.
Лабораторные работы: ChatGPT не смог выполнить ни одной лабораторной работы.
Защита проекта: У ChatGPT не было возможности защитить свой дипломный проект.
Многоэтапные задачи: Многоэтапные задачи и задачи, требующие интерпретации текстов, оказались для ChatGPT сложными.
Диаграммы: ChatGPT испытывал трудности с интерпретацией диаграмм.
Если бы не лабораторные работы и защита дипломного проекта, ChatGPT получил бы оценку "хорошо". Этот эксперимент показал, что LLM уже сейчас способны решать сложные задачи, и это ставит перед высшим образованием серьезный вызов.
Please open Telegram to view this post
VIEW IN TELEGRAM
Коллеги, теперь у вас есть бот, обученный именно для того, чтобы помогать с кабинетными исследованиями и библиографией. Всё, что нужно, — это задать вопрос, и он подскажу, как искать, анализировать и систематизировать информацию, будто вы настоящий исследователь. 📚
🧐 Что такое обученные GPTs?
Это модели ИИ, которые специально обучаются для определённых задач. Я создала бота, чтобы он был экспертом в информационном поиске, работе с источниками и всех тонкостях исследовательской работы.
Что умеет мой бот?
🔍 Помощь в кабинетных исследованиях: он знает, как искать, систематизировать и анализировать информацию, не выходя из дома. От базовых запросов до сложных аналитических задач — бот предложит эффективные методы и подходы.
📚 Библиографическая поддержка: рекомендации по управлению источниками и использованием библиографических менеджеров.
⚙️ Техники поиска: бот подскажет, как грамотно формулировать запросы, использовать поисковые операторы и фильтры для точных результатов.
🧠 Обучение методам анализа: бот делится советами по извлечению знаний из текста, реферированию, контент- и фрейм-анализу.
📊 Инструменты автоматизации: советы по использованию цифровых ресурсов, ИИ, программ для систематизации данных.
Этот бот сочетает в себе профессиональные знания, собранные из учебных пособий, книг и методичек по кабинетным исследованиям, а также практический опыт исследователей, чтобы стать вашим незаменимым помощником.
Please open Telegram to view this post
VIEW IN TELEGRAM
ChatGPT
ChatGPT - какая-то библиотека
Советы по кабинетным исследованиям
Конечно, это не исчерпывающий список, и выбор инструментов зависит от конкретной задачи.
Please open Telegram to view this post
VIEW IN TELEGRAM
коллеги, кто пользовался notebooklm? поделитесь впечатлениями. мне кажется, это все грустно как-то.
https://notebooklm.google/
https://notebooklm.google/
Вакансия от моей подруги и экс-одногруппницы. Очень рекомендую ❤️
🌳Менеджер экологического проекта Мой След, г. Санкт-Петербург
“Мой След” - это проект, который вдохновляет и направляет бизнес на позитивные и устойчивые изменения. Два ключевых направления нашей работы - экологический консалтинг и лесовосстановление. В связи с развитием проекта мы ищем менеджера в нашу команду в Санкт-Петербурге.
Основные обязанности:
- Координация акций по лесовосстановлению (сезонно, в марте-мае и августе-октябре): общение с теплой базой клиентов, договоренности с лесничествами и подрядчиками для проведения мероприятий, выезд и контроль акций на месте;
- Проведение исследований по теме устойчивого развития бизнеса, ESG, углеродного следа, энергоэффективности и т.д;
- Создание контента по теме экологии для наших социальных сетей (ВК, телеграм), совместная работа по развитию соцсетей вместе с комьюнити-менеджером;
- Развитие нового направления проекта - экологический консалтинг бизнеса (примеры задач - оценка влияния бизнеса на окружающую среду, подсчет углеродного следа компаний, формирование отчетов об устойчивом развитии, поддержка на этапе внедрения экологических мер).
Требуемые навыки:
- Интерес к теме экологии и изменения климата;
- Желание работать в проекте со смыслом;
- Коммуникативные навыки: умение находить общий язык с разными людьми, навыки презентации;
- Самостоятельность и структурированность;
- Ответственность.
Желаемые навыки:
- Опыт работы менеджером проекта или опыт в сфере экологии/ESG/устойчивого развития
Что мы предлагаем:
- Гибридный формат работы 5/2, большую часть времени удаленно, также 1-2 раза в неделю необходимо приезжать в офис для встречи с командой (СПб, м. Московская);
- Возможны оплачиваемые командировки по России 3-6 раз в год на сопровождение лесовосстановления и участие в конференциях;
- Интересные и нестандартные задачи, возможность влиять на развитие проекта и повысить свою квалификацию в сфере устойчивого развития;
- Поощряем инициативность, креативность и предложение своих идей и проектов.
Заработная плата обсуждается индивидуально и зависит от опыта и навыков кандидата.
Резюме и сопроводительные письма отправлять на почту: moysled.hr@gmail.com
🌳Менеджер экологического проекта Мой След, г. Санкт-Петербург
“Мой След” - это проект, который вдохновляет и направляет бизнес на позитивные и устойчивые изменения. Два ключевых направления нашей работы - экологический консалтинг и лесовосстановление. В связи с развитием проекта мы ищем менеджера в нашу команду в Санкт-Петербурге.
Основные обязанности:
- Координация акций по лесовосстановлению (сезонно, в марте-мае и августе-октябре): общение с теплой базой клиентов, договоренности с лесничествами и подрядчиками для проведения мероприятий, выезд и контроль акций на месте;
- Проведение исследований по теме устойчивого развития бизнеса, ESG, углеродного следа, энергоэффективности и т.д;
- Создание контента по теме экологии для наших социальных сетей (ВК, телеграм), совместная работа по развитию соцсетей вместе с комьюнити-менеджером;
- Развитие нового направления проекта - экологический консалтинг бизнеса (примеры задач - оценка влияния бизнеса на окружающую среду, подсчет углеродного следа компаний, формирование отчетов об устойчивом развитии, поддержка на этапе внедрения экологических мер).
Требуемые навыки:
- Интерес к теме экологии и изменения климата;
- Желание работать в проекте со смыслом;
- Коммуникативные навыки: умение находить общий язык с разными людьми, навыки презентации;
- Самостоятельность и структурированность;
- Ответственность.
Желаемые навыки:
- Опыт работы менеджером проекта или опыт в сфере экологии/ESG/устойчивого развития
Что мы предлагаем:
- Гибридный формат работы 5/2, большую часть времени удаленно, также 1-2 раза в неделю необходимо приезжать в офис для встречи с командой (СПб, м. Московская);
- Возможны оплачиваемые командировки по России 3-6 раз в год на сопровождение лесовосстановления и участие в конференциях;
- Интересные и нестандартные задачи, возможность влиять на развитие проекта и повысить свою квалификацию в сфере устойчивого развития;
- Поощряем инициативность, креативность и предложение своих идей и проектов.
Заработная плата обсуждается индивидуально и зависит от опыта и навыков кандидата.
Резюме и сопроводительные письма отправлять на почту: moysled.hr@gmail.com