====== Jak czytać i jak pisać pracę naukową ======

To opracowanie zawiera krótkie uwagi i wskazówki – jak czytać materiały naukowe, a także – jak pisać takie prace, aby były czytelne, czytane i cytowane.

===== Kryteria oceny, którym podlega praca naukowa =====

Zacznijmy od tego, że każda praca naukowa powinna mieć jasno określony cel. Standardowo – tym celem jest prezentacja **nowego wyniku naukowego**. Zakłada się zatem, że:
  * określony jest **dobrze zdefiniowany problem naukowy** (konkretny problem, klasa problemów),
  * znany jest tzw. //state-of-the-art// – stan badań i aktualne **najlepsze wyniki prób rozwiązania tego problemu**; znane są metody i narzędzia,
  * **porównywalność** – osadzenie wyników pracy w konkretnym kontekście; powyższe stwierdzenie oznacza, że **wyniki te muszą być porównywalne** – najlepiej dzięki zdefiniowaniu **wskaźnika jakości** (funkcjonału); może być też dopuszczalna **ocena wielokryterialna**, a w ostateczności – **jakościowa**,
  * **przedstawiony nowy wynik jest istotnie lepszy od znanych z literatury**; teoretycznie możliwa jest tez prezentacja wyników negatywnych, ale te – siłą rzeczy – nie są same z siebie ciekawe,
  * praca przedstawia nie tylko wynik, ale **dokumentuje jak został on osiągnięty** (sprawdzalność, powtarzalność, użyteczność),
  * analizowane są zalety jak i słabe strony (założenia dotyczące stosowalności versus ograniczenia stosowalności) proponowanego rozwiązania,
  * przedstawione są **wyniki analityczne** (twierdzenia, lematy, dowody), **numeryczne** (na reprezentatywnych przykładach) lub **wyniki analizy jakościowej**,
  * przedstawione jest porównanie z innymi pracami o zbieżnej tematyce (ang. related work),
  * praca jest opublikowana w uznanym czasopiśmie – podlegała procesowi recenzji.
Pominięcie któregokolwiek z powyższych 9 elementów – o ile nie jest usprawiedliwione względami natury zasadniczej – zawsze powoduje, że praca będzie niepełnowartościowa lub nawet zatraci charakter naukowy.

===== Cel =====

Uwagi dotyczące celu pracy naukowej:
  * **dobrze zdefiniowany cel najczęściej nie jest oryginalny sam w sobie** (np. wynaleźć lekarstwo na raka) – powinien on być znany i zrozumiały dla określonego środowiska naukowego; nie należy dążyć na siłę do samodzielnego stawiania nowych celów,
  * sformułowanie celu może mieć miejsce na różnych poziomach abstrakcji; cele bardziej szczegółowe są zwykle łatwiej weryfikowalne,
  * cel powinien być tak określony, aby jego osiągnięcie miało znamiona użyteczności.

===== State-of-the-art =====

O ile celem pracy jest zwykle przedstawienie **nowego/własnego** rozwiązania jakiegoś problemu, o tyle w sekcji state-of-the-art należy odnieść się do istniejących i znanych (bardziej lub mnie) porównywalnych rozwiązań/podejść/algorytmów/metod/... Ten przegląd powinien spełniać następujące warunki:
  * uznane, bardzo dobre i dobre wyniki (dobre czasopisma, dobrzy autorzy, cytowania),
  * aktualne (ale i historyczne),
  * pełność – nic nie zostało pominięte,
  * adekwatność – realna relacja do problemu (często oznacza to konieczność wyboru); porównywalność wyników,
  * spójne ujęcie – brak wyników sprzecznych.

Rada praktyczna: state-of-the-art należy budować systematycznie dla danego obszaru (zagadnienia). Można też wesprzeć się analizami aktualnych, topowych publikacji. Nie obejdzie się bez czytania i dobrej znajomości literatury!


===== Osadzenie pracy w kontekście – porównywalność =====

Osadzenie pracy w kontekście – oznacza, że prezentowana praca nawiązuje do szeregu znanych prac/podejść i metod, ukierunkowanych na rozwiązywanie podobnych zagadnień. W rezultacie, aktualne, otrzymane wyniki powinny być porównywalne ze znanymi z nauki. 
Najprościej jest tu wspomóc się analizą systemową. Należy:
  * dokonać klasyfikacja zadania [klasyfikacja zadań – analiza systemowa],
  * określić podklasę i właściwe dla niej metody [np. optymalizacja],
  * dla zadanego celu przeprowadzić eksperymenty , które pozwolą na wygenerowanie możliwie dobrych, mierzalnych wyników [przykłady],
  * wyniki te należy porównać z wynikami znanymi z literatury [???].

Powinien być zatem określony wskaźnik jakości – funkcjonał. 
Uwaga: możliwa jest też analiza/optymalizacja wielokryterialna!

===== Istota i wartość wyniku =====

Prezentowany wyniki powinien wnosić coś nowego – być istotnie lepszym o tych, znanych z literatury. Nie zawsze da się to ocenić liczbowo. Możliwe typy wyników obejmują np.:
  * nowy lub ulepszony algorytm,
  * nowy lub ulepszony sposób reprezentacji wiedzy (np. logika, BPMN, etc.),
  * nową metodologię (np. analizy, projektowania, etc.).

Jednak zawsze należy dążyć do wykazania przewagi uzyskanych wyników nad analogicznymi wynikami wynikającymi ze znanego stanu wiedzy. W przypadku algorytmu może to być lepsza złożoność pamięciowa lub czasowa, efektywność na zadanej próbie, szybkość działania, szerszy obszar zastosowań, etc.

===== Dokumentowanie procedur =====

Treść pracy powinna nie pozostawiać wątpliwości co do realności uzyskanych wyników. Dla prac analitycznych zazwyczaj wystarczy zamieścić dowody (wraz z założeniami!). Dla prac eksperymentalnych należy podać warunki, przy których możliwe będzie osiągnięcie analogicznych rezultatów (powtórzenie/weryfikacja wyników).
W tym kontekście ważne jest omówienie użytych narzędzi, parametrów eksperymentów, danych wejściowych, etc. Dobrym zwyczajem jest udostępnienie pełnych danych na stronie internetowej.

Ciekawostka: living documents.

===== Stosowalność: założenia i ograniczenia =====

W każdej pracy naukowej należy jasno wskazać:
  * założenia, które muszą być spełnione aby dany wynik był osiągalny (np. metoda była stosowalna),
  * ograniczenia stosowalności.
Czasem niestety jest to trudne (np. jakie są ograniczenia stosowalności algorytmów genetycznych?).

===== Wyniki analityczne =====

W obszarze nauk ścisłych i inżynierskich zazwyczaj posługujemy się sformalizowanym opisem (modelem) analizowanego systemu, zjawiska, problemu,... Dobre (elitarne) prace naukowe dostarczają wyników analitycznych (nowe lematy, twierdzenia, dowody) – wyników o charakterze ogólnym (kwantyfikacja) i określonym obszarze zastosowań.

Nie należy formułować takich wyników na siłę. Jednak w wielu przypadkach wytrawny badacz dostrzeże możliwość sformułowania takich wyników tam, gdzie badacz początkujący będzie w stanie operować jedynie zbiorem przykładów. 

Odkrywanie praw ogólnych to wnioskowanie indukcyjne. Stanowi ono istotę realnej pracy naukowej – odkrycia naukowego.

Przykłady: E=mc^2, Tw. Goedela, (Lucjan Łągiewka), hipoteza Goldbacha, hipeteza h=sqrt(Noc)/2.

===== Related Work =====

Omówienie prac związanych z prezentowanym tematem jest wyrazem swoistej kultury badacza, a jednocześnie świadectwem świadomego wyboru problematyki badawczej, świadomego ograniczenia obszaru analizy, a także pozwala lepiej pozycjonować pracę na tle aktualnie realizowanej działalności badawczej.

Krytyczne, syntetyczne przedstawienie Related Work pozwala jednocześnie uniknąć posądzenia o nieznajomość literatury lub, co gorsza, powielanie/naśladowanie cudzych wyników.

===== Publikacja =====

**Dobra praca naukowa powinna być opublikowana w dobrym czasopiśmie!**
Należy unikać publikowania byle czego i byle gdzie.
Czasopisma czytane – posiadają zazwyczaj Impact Factor. Lista A ISI Thomson Web of Science.

===== Typy prac naukowych =====

Poza typowymi pracami naukowymi – dla których obowiązuja kryteria jak wyżej, spotykane są prace o innym charakterze, np.:
  * wprowadzenie do...
  * przyczynek do...
  * praca przeglądowa (ang. survey)
  * corrigendum …
  * analiza porównawcza …

===== Typowe błędy =====

Piszący prace naukowe najczęściej nie są w stanie zapewnić 100% poprawności; polecma hasło „error” w en.wikipedia.org oraz błąd w pl.wikipedia.org. Pracownik naukowy powinien mieć świadomość możliwości popełnienia błędu – niezależnie od stażu naukowe i dotychczasowych osiągnięć. Powinien też doceniać rolę i wartość krytyki naukowej, recenzji, dyskusji.

Typowe błędy obejmują:
  * błąd konceptualny – istotny błąd koncepcji rozwiązania; najczęściej powoduje on, że praca w obecnym kształcie jest bezwartościowa (np. zastosowanie metod inteligencji obliczeniowej – algorytmów genetycznych – do optymalizacji problemów rozwiązywalnych analitycznie – programowanie liniowe),
  * błąd merytoryczny – błąd rozumowania lub obliczeń, najczęściej prowadzi do błędnych wyników; typowe błędy merytoryczne obejmują błędy logiczne((vide: [[http://pl.wikipedia.org/wiki/Błąd|http://pl.wikipedia.org/wiki/Błąd]])),
  * błąd obliczeniowy – np. błędy zaokrągleń, aproksymacji, interpolacji, etc.
  * błąd interpretacji – zła interpretacja faktów, niedostrzeganie pewnych faktów,
  * błąd składniowy – złamanie zasad gramatycznych,
  * błąd składu – LaTeX, wbrew pozorom, jest pełen pułapek... Porównaj np. ''$Efficiency$'' oraz ''$\mathit{Efficiency}$''.

Inne typowe błędy obejmują:
  * pominięcie w dyskusji ważnych faktów lub pozycji literatury,
  * rozważania prowadzone bez wyraźnego celu, wprowadzanie zbyt wielu definicji, etc. bez wyników analitycznych i zastosowań,
  * wprowadzanie własnego aparatu pojęciowego podczas gdy jest on już znany/zdefiniowany/uznany,
  * nadmierne uogólnianie wyników/wniosków (np. w oparciu o cząstkowe wyniki obliczeniowe),
  * nieprzyjmowanie do „akceptującej wiadomości” krytyki, uwag recenzentów, doświadczeń wynikających z aktualnego stanu wiedzy.

{{tag>tutorial}}