Scientific papers for dummies (#34)

В первый раз я столкнулся со научными статьями (или иначе scientific papers) еще в архитектурном институте, когда пытался разобраться, насколько вообще возможно автоматизировать процесс создания планировки жилья. Это был совершенно новый и не очень понятный для меня источник информации, который было не так просто достать студенту творческого вуза. Но найти ответ на свой вопрос я мог только в них.

Это было в прошлой жизни. С тех пор я часто сталкиваюсь с научными статьями, когда исследую интересующие меня темы из когнитивной психологии или даже нейронаук. Но в силу моего бэкграунда у меня не было опыта постоянного чтения статей и уж тем более их написания. Поэтому в этом письме я попробую резюмировать чужой опыт, который может оказаться полезным таким же как я исследователям-самозванцам.

Вначале немного о том, что отличает научные статьи от остальных типов публикаций. Я думаю, что все знают что такие статьи публикуются в периодических научных журналах и рецензируются кем-то из экспертного сообщества. У них есть довольно жесткая структура и более менее стандартный объем. Они обильно ссылаются на другие статьи, поэтому всегда можно копнуть глубже. И, как следствие из всего вышеперечисленного, научные статьи — не самое легкое чтиво.

Поэтому для начала стоит ответить на вопрос: зачем вообще обращаться к научным статьям, если можно ограничиться статьями в Википедии и книгами? Это хороший вопрос и до последнего времени у меня не было на него ответа. Но буквально во время создания письма про метапознание этот ответ появился: английская Википедия на эту тему цитировала источники 1970–1980-х, которые значительно расходились с более современными публикациями как в той же, так и в смежных областях. Я понял это только после сопоставления многих важных статей на эту тему. Поэтому, если хотите быть увереными, что не опираетесь на чей-то некорректный или устаревший пересказ, то идите к первоисточникам (хотя и они могут ошибаться).

Итак, в этом письме я буду опираться на свой скудный опыт, а также на рекомендации из статьи “How to Read a Paper”¹ профессора вычислительных наук Srinivasan Keshav, а также статьи Майкла Нильсена про память и Anki² (подробнее о ней в письме #27). Я думаю есть еще множество рекомендаций, но для моих целей этих достаточно.

Чтение в несколько проходов

Исследователи читают статьи в несколько проходов. Это довольно непривычно для того, кто привык работать лишь с книгами или статьями в ненаучных журналах, в том числе в Википедии. Srinivasan Keshav рекомендует читать их в три прохода, у Нильсена техники разнятся в зависимости от глубины понимания статьи, которое ему требуется.

Первый проход — лишь беглое изучение аннотации (abstract), заголовков разделов, заключения, возможно диаграмм. Его цель — ухватить основной смысл статьи и принять решение, стоит ли вообще ее читать полностью.

Второй проход — беглое чтение статьи целиком, возможно даже несколько раз. После такого чтения вы должны иметь возможность пересказать содержание статьи, основные тезисы и выводы. Обычно на это уходит до одного часа. На этом этапе не обязательно понимать все детали, что-то можно пропустить. Для моих целей этот этап как правило является и последним.

Третий проход — вдумчивое чтение с вниманием к деталям. Оно может занять от часа до многих часов. Srinivasan Keshav считает, что после него вы должны понимать сильные и слабые места в статье и иметь возможность воспроизвести всю структуру статьи по памяти. Нильсен использует такой метод только для тех статей, в которых именно надо разобраться действительно глубоко.

Чтобы разобраться в новой теме и Keshav, и Нильсен используют схожие алгоритмы — оба советуют разобраться с ключевыми статьями по теме, но вот как их определить — это отдельный вопрос, на который каждый дает свой ответ, который я не буду пересказывать. Также для этих целей могут быть полезны отдельные типы статей: survey, literature review и meta-analysis.

Если мой краткий пересказ показался полезным, то советую прочитать оригинальную коротенькую статью Srinivasan Keshav.

Сопутствующие сервисы и инструменты

Кажется неправильным писать письмо о научных статьях и не сказать про Sci-Hub (он заблокирован почти везде, но можно найти зеркала в Гугле). Для независимых исследователей — это бесценный ресурс, открывающий доступ к полным текстам статей и даже некоторых книг. Почти ко всему, у чего есть идентификатор DOI. Признаюсь, я использую Sci-Hub почти постоянно.

На сами статьи я чаще выхожу из Википедии или других более популярных публикаций, нежели нахожу их через Google Scholar или аналогичные базы.

Для сохранения всего прочитанного (в том числе книг и ценных статей в интернете) и автоматического создания библиографических ссылок я с недавнего времени использую Zotero (ссылки ниже сгенерированы именно им), а кто-то Mendeley.

А вот использовать Anki для запоминания статьи, как предлагает Нильсен, или хитрые сервисы вроде Connected Papers для поиска связанных публикаций, я пробовал лишь пару раз.