Apa yang Membuat Kertas Penyelidikan yang Baik? Membuat Kertas Lihat Hak - Gestalt

Sekiranya saya mengetahui satu perkara secara bertulis, pengenalan adalah bahagian yang paling penting dalam apa-apa output bertulis. Adalah di sana bahawa anda menyusun pemikiran anda dan menentukan mengapa anda meliputi perkara. Saya juga belajar bahawa rajah pada mulanya benar-benar membantu pembaca meletakkan perkara dalam konteks. Selepas membaca banyak tesis PhD, saya tahu bahawa kelemahan utama di dalamnya adalah bahawa Pengenalan sedikit mengatakan tentang kerja, yang kemudian sering membuat tesis sukar. Oleh itu mari kita lihat beberapa kerja penyelidikan yang mungkin mengesahkan pendekatan ini, dan di mana diagram awal di dalam kertas membantu penerimaannya dalam proses semakan semula rakan sebaya.

Bahagian teras menjadi akademik ialah menerbitkan kertas kerja. Ia adalah perkara yang kita sering diukur. Apabila kita merekrut kita sering melihat kualiti dan bukannya hasil kajian seseorang. Satu kertas yang baik yang mengandungi sumbangan saintifik yang kuat sering lebih baik daripada banyak kertas yang menambah sedikit kerja semasa. Secara peribadi, sebagai pengulas, saya paling sering menolak kertas dengan senarai yang disusun berikut:

  1. Bahasa Inggeris yang lemah dan tatabahasa.
  2. Danau tumpuan dan tidak ada definisi pernyataan masalah, dan bagaimana kertas menangani ini.
  3. Sumbangan kecil terhadap kaedah sedia ada.
  4. Kurangnya definisi sumbangan utama.
  5. Kurangnya keputusan.
  6. Kekurangan formaliti.
  7. Takrifan yang kurang mengenai angka dan gambar rajah.
  8. Liputan miskin terhadap kesusasteraan yang ada.

Sesetengah pengulas bahkan dapat melihat kertas dan dengan cepat membuat kertas itu tidak baik. Jadi mesin boleh belajar bagaimana mengkaji semula kertas dengan cepat, dan dengan itu bagi kita untuk menentukan faktor utama yang dicari oleh pengulas? Untuk ini kami beralih kepada kerja baru pada pengelas berdasarkan penampilan visual kertas - yang ditakrifkan sebagai gestalt kertas [di sini]:

Dalam karya mereka, mereka mengambil pelbagai kertas surat yang diterima dan ditolak sebelum ini, dan membuat pengelas yang boleh menolak 50% daripada kertas buruk yang hanya menolak 0.4% daripada kertas yang baik. Sistem sedemikian - jika ia berfungsi - akan mengurangkan beban kerja pengulas.

Di dalam karya ini penulis mendefinisikan kerja sebelumnya dalam mengklasifikasikan kertas penyelidikan:

  • Pentadbiran. Ini menganalisis proses pentadbiran asas di sekitar penyerahan kertas seperti pelanggaran anonim, pemformatan yang buruk, dan jelas keluar dari ruang lingkup. Hubungan di sini adalah bahawa kemungkinan bahawa pasukan penyelidikan yang lemah akan mengalami pengalaman yang kurang baik dalam proses tinjauan sebaya dan membuat kesilapan mudah dalam penyerahan mereka. Walau bagaimanapun, pasukan penyelidikan yang kuat mungkin mempunyai proses yang baik untuk memastikan kertas itu dikaji dengan baik dan juga tidak sesuai dengan keperluan sistem penyerahan. Sebagai editor saya dapat melihat beberapa penyerahan yang lemah, dan yang tidak mempunyai peluang untuk diterima. Sekilas satu minit di kertas boleh memberitahu anda jika ia tidak mempunyai peluang untuk berjaya, dan kertas miskin sering ditolak pada peringkat ini kerana pematuhan mereka yang kurang baik dengan sistem penyerahan.
  • Kaedah berasaskan teks. Ini melibatkan cara automatik menggredkan kertas dan boleh melibatkan pemeriksaan untuk skor tatabahasa, kesalahan ejaan, penggunaan matematik, penggunaan kata kunci, dan sebagainya. Saya secara peribadi melihat banyak ulasan di mana pengulas membenarkan penolakan mereka berdasarkan tata bahasa yang lemah dan / atau kesilapan tatabahasa, saya fikir kaedah jenis ini mempunyai pangkalan yang kukuh dalam mengklasifikasikan kertas. Seorang editor yang melihat keseluruhan seri kesilapan dalam ulasan ulasan, selalunya akan memikirkan yang paling buruk dari kertas itu.
  • Kaedah berasaskan visual. Ini melibatkan kaedah yang menganalisis rupa dan rasa kertas.

Metodologi untuk kaedah baru yang digunakan kertas diterima untuk sembilan persidangan yang dihoskan oleh Yayasan Wawasan Komputer (CVF). Malangnya, mereka tidak mendapat akses kepada kertas yang ditolak, tetapi menggunakan yang tidak muncul dalam persidangan utama, tetapi diterima untuk bengkel.

Untuk kaedah mereka, program PDF2Image yang digunakan untuk menukar kertas menjadi imej untuk grid 2x4 (untuk lapan halaman pertama) dan kemudian membandingkan susun atur kertas bengkel ke kumpulan persidangan [dataset]:

Selepas latihan Res-net-18 [di sini] untuk kertas dari 2013 hingga 2017, mereka kemudiannya meramalkan menerima / menolak kadar untuk 2018, dan mendapati bahawa mereka dapat dengan betul menolak 1,115 kertas lapuk dan hanya melewatkan empat kertas kerja yang baik (daripada 979 yang baik kertas). Dalam kerja kertas buruk kelihatan seperti ini:

dan kertas yang baik:

Secara keseluruhan penempatan gambar rajah sering menjadi kunci dalam klasifikasi, dan terutama meletakkan graf sumbangan keseluruhan pada awal kertas. Penggunaan jadual / plot sangat membantu kejayaan kertas itu. Dalam berikut, kita melihat penggunaan rajah ringkasan pada halaman pertama:

Penulis kertas itu mendefinisikan bahawa kertas itu mungkin sukar dibaca jika tidak ada gambarajah yang digambarkan pada beberapa halaman pertama.

Kesimpulan

Bilangan kertas kerja yang dikemukakan kepada jurnal dan persidangan berkualiti sering kali meningkat pada tahun ini, dan tidak dapat mengikuti bilangan pengulas yang baik. Dan supaya kita dapat melihat kebanjiran sistem automatik yang menolak kertas tanpa perlu ditinjau semula. Untuk bahasa Inggeris dan tatabahasa yang kurang baik, ini boleh menjadi mudah, tetapi untuk paparan visual kertas, mungkin sukar untuk membenarkan, terutamanya jika kita terlepas peluang yang hebat. Salah satu contoh terbaik ialah apabila kertas Ralph Merkle mengenai penyulitan kunci awam ditolak kerana ia tidak mempunyai apa-apa rujukan [di sini] - kerana tidak ada kertas lain untuk rujukan sebenar.

Oleh itu, dapatkan perkenalan yang betul dan lukiskan gambar yang membimbing pembaca ke dalam kerja anda. Inilah petua Top 25 saya untuk tesis PhD: