Я студент и новичок во всех этих исследованиях. Я занимался исследованиями в течение последних ~ 9 месяцев в качестве требования для получения степени бакалавра (есть направление исследований и направление разработки программного обеспечения, я выбрал исследование).
Мне сказали попытаться представить мою статью в конференции/журналы (зависит от их крайних сроков), чтобы посмотреть, будет ли она принята. Но одна вещь, которую сказал мой профессор, действительно напрягла меня. Если моя статья будет принята и люди найдут в ней серьезную ошибку (из-за которой ваш вывод может оказаться неверным и т. д.), это разрушит всю мою карьеру еще до ее начала.
Может ли кто-нибудь с большим опытом подробно рассказать о том, что могло произойти на самом деле? Предположим, что статья действительно принимается. С одной стороны, я не совсем уверен в себе, а с другой, я нашел страсть к исследованиям и хотел бы продолжить работу над докторской диссертацией в будущем, и это может немного улучшить мое резюме, учитывая, что это моя единственная работа. исследовательский опыт.
Поздравляю с бумагой. Нет, это не разрушит вашу карьеру, но будет неловко и неловко. Если ошибка была результатом очевидной небрежности, вопиющей некомпетентности и, что хуже всего, откровенной нечестности, потенциально это может повредить вашей карьере. Но для первых двух из них ущерб, скорее всего, можно было бы локализовать, и если вы продолжите исследования, то после публикации еще одной или двух статей без ошибок никто не вспомнит об этом незначительном инциденте.
С учетом сказанного ваш консультант прав в том, что лучше избегать публикации статей с ошибками, если это вообще возможно, поэтому приложите искренние усилия, чтобы проверить все в меру своих возможностей, прежде чем отправлять статью.
У меня такое чувство, что ваш советник использует страх, чтобы заставить вас работать с бумагой с особой осторожностью. Хотя его намерения хороши, мне этот метод совсем не нравится. Он определенно преувеличивает.
Если ошибка не является научным недобросовестным поведением, статистически говоря, только одна статья не может оказать большого влияния на вашу карьеру ни в отрицательном, ни в положительном смысле.
Многие опубликованные работы содержат массу ошибок, даже самых серьезных. Вы всегда должны писать самые лучшие статьи, на какие только способны. Но если случаются ошибки, то просто идем дальше.
Возможно нет.
«Смертные грехи», которых вы определенно хотите избежать, — это плагиат и выдумка. Надеюсь, ваш научный руководитель объяснил вам этику научных исследований, так что у вас не будет никаких шансов их совершить.
Все остальное простительно. Ваши наиболее вероятные ошибки при начале исследования будут заключаться в том, что вы не цитируете какую-то важную предыдущую работу или случайно вводите ошибки в свой код или математику. Есть три линии защиты от таких ошибок:
Вы сами должны тщательно изучить литературу, тщательно вычитать свою статью и протестировать свои алгоритмы;
Ваш руководитель, вероятно, проверит вашу работу, прежде чем одобрить ее для публикации;
Рецензенты вашей статьи заметят некоторые (но, вероятно, не все) потенциальные ошибки, которые могут ускользнуть.
Как только работа будет принята, все оставшиеся ошибки станут видны всему миру. Но обратите внимание, что вы можете опубликовать опечатки или исправления к своей статье позже на своем личном веб-сайте, откуда большинство читателей скачают и прочитают вашу статью (по крайней мере, в области компьютерных наук). Поэтому, если вы обнаружите незначительную ошибку в будущем, у вас все еще есть шанс объявить и исправить ее.
Что, если в вашей статье есть огромная, зияющая и досадная проблема, а рецензенты ее не заметят? Это еще не конец света, при условии, что ваша хорошая работа перевешивает вашу плохую. Много лет назад в компьютерной графике исследователь опубликовал фундаментально ошибочную статью на конференции высшего уровня (в то время это не было очевидным, но в основном основывалось на ложном предположении, что вращения коммутируют). Это побудило независимых исследователей опубликовать отчет об ошибках и упущениях в «Линейной комбинации преобразований» Марка Алексы .
Вы понимаете, что у вас проблемы, когда люди начинают указывать на ваши «ошибки и упущения»! Но Марк Алекса стал очень уважаемым профессором компьютерной графики.
Что такое исследование? Находя новые вещи, о которых никто не знал или не делал раньше! Если вы слишком беспокоитесь о том, чтобы не делать ошибок, вы в конечном итоге будете делать «безопасные» вещи, и есть вероятность, что это не будет тем новым материалом, который вы искали. Вероятно, лучше держаться подальше от таких людей, как ваш профессор, которые слишком серьезно относятся к ошибкам. Исследования процветают в спокойной обстановке, но в конечном итоге обречены на провал, если они станут конкурентными.
Возможно, но если вы не исправите это, это нанесет гораздо больший ущерб вашему авторитету. Наука ошибается. Но он исправляет записи и двигаться дальше. Вы знаете, что вам нужно сделать, вы просто не хотите столкнуться с последствиями. Вы не получите пропуск как взрослый.
Ничего не произойдет, если ваши выводы «неправильные», но сделаны правильно.
Исследователи постоянно делают неверные выводы. Выводы основаны на имеющейся на тот момент информации. В исследовательской работе вы описываете, что вы сделали, как вы это сделали и выводы, которые вы сделали из того, что вы сделали. Одна из задач рецензирования состоит в том, чтобы решить, можно ли обоснованно сделать выводы из того, что вы говорите о своих действиях, и полученных результатов.
В своей работе вы должны описать, что вы сделали и как вы это сделали. Я не могу комментировать вашу конкретную область. Но вы должны описать, какие входные данные вы использовали, а также настройки и методы, которые вы использовали. В моей области будет справедливо сказать, что я использовал значение «x» для «альфа», основанное на подходе, описанном в «Смит и Джонс, 2008», и уточнении вроде «мы считаем, что это значение применимо к нашей ситуации, потому что… .» или «это единственное доступное опубликованное значение». А в обсуждении вы можете рассказать о том, как разные значения альфы или разные подходы могут повлиять на результат и выводы (предоставление анализа того, как другой подход влияет на ваши результаты, является бонусом и может быть запрошено рецензированием). сформулируйте то, что вы сделали, таким образом, чтобы, если выводы не "верны", то, что вы сделали, было не «ошибкой», а логическим выводом, сделанным из логического подхода. Вам придется решить, что является эквивалентом в вашей области.
Будучи студентом, проводящим исследования, вы должны практиковаться в логических выводах из логического выбора метода. Исследовательские работы часто не содержат полных ответов (часто они слишком узки), они делают шаг в направлении поиска ответов.
При этом «правильные» (т. е. воспроизводимые) выводы всегда лучше.
Зибадава Тимми
пользователь12956
Мрквичка
Пер Александерссон
Виолаптерин
ДжеффЭ
ДжеффЭ
Микеазо
папарацци
пользователь69372
пользователь69372
Хенрик Эрландссон