O que faz um bom trabalho de pesquisa? Fazendo um papel parecer certo - Gestalt

Se aprendi uma coisa por escrito, é que a introdução é a parte mais importante de qualquer saída escrita. É aí que você planeja seus pensamentos e define por que está cobrindo as coisas. Também aprendi que um diagrama no início realmente ajuda o leitor a colocar as coisas em contexto. Depois de ler muitas teses de doutorado ', sei que a principal fraqueza delas é que a Introdução fala pouco sobre o trabalho, o que geralmente dificulta a tese. Então, vamos ver alguns trabalhos de pesquisa que possivelmente verificam essa abordagem e onde os diagramas no início de um artigo ajudam a sua aceitação no processo de revisão por pares.

Uma parte essencial de ser acadêmico é publicar artigos. É a coisa em que geralmente somos medidos. Quando recrutamos, geralmente analisamos a qualidade e não a quantidade da produção de pesquisa de alguém. Um bom artigo que contém uma forte contribuição científica é geralmente melhor do que muitos artigos que pouco acrescentam ao trabalho atual. Pessoalmente, como revisor, geralmente rejeito papéis com a seguinte lista ordenada:

  1. Inglês e gramática ruins.
  2. Lago de foco e nenhuma definição da declaração do problema, e como o artigo trata disso.
  3. Pouca contribuição para os métodos existentes.
  4. Falta de definição da contribuição principal.
  5. Falta de resultados.
  6. Falta de formalidade.
  7. Má definição nas figuras e diagramas.
  8. Má cobertura da literatura existente.

Alguns revisores podem até olhar rapidamente para um artigo e decidir que é um papel ruim. Assim, uma máquina pode aprender a revisar rapidamente um artigo e, assim, determinar os fatores principais que os revisores procuram? Para isso, voltamos ao novo trabalho em um classificador baseado na aparência visual do trabalho - definido como a gestalt de um trabalho [aqui]:

Em seu trabalho, eles pegaram uma grande variedade de papéis anteriormente aceitos e rejeitados e criaram um classificador que podia rejeitar 50% dos papéis ruins e apenas 0,4% dos papéis bons. Esse sistema - se pudesse funcionar - reduziria consideravelmente a carga de trabalho dos revisores.

Dentro do trabalho, os autores definem trabalhos anteriores na classificação de trabalhos de pesquisa:

  • Administração. Isso analisou o processo básico de administração em torno da submissão de trabalhos, como a violação do anonimato, a má formatação e claramente fora do escopo. A correlação aqui é que é provável que as equipes de pesquisa fracas tenham uma experiência ruim do processo de revisão por pares e cometam erros simples na submissão. Uma forte equipe de pesquisa, no entanto, provavelmente terá bons processos para garantir que os artigos sejam revisados ​​adequadamente e também contra os requisitos do sistema de envio. Como editor, vejo alguns envios fracos e com poucas chances de serem aceitos. Uma olhada de um minuto em um artigo pode lhe dizer se ele tem poucas chances de sucesso, e os papéis ruins geralmente serão rejeitados nesse estágio por sua baixa conformidade com o sistema de envio.
  • Métodos baseados em texto. Elas envolvem maneiras automatizadas de classificar um trabalho e podem envolver verificações de pontuação gramatical, erros ortográficos, uso de matemática, uso de palavras-chave etc. Eu pessoalmente vi muitas revisões em que o revisor justifica sua rejeição com base na gramática ruim usada e / ou erros de digitação. Acho que esse tipo de método tem uma base sólida na classificação de artigos. Um editor que vê toda uma série de erros de digitação nos comentários da revisão geralmente pensa no pior do artigo.
  • Métodos com base visual. Isso envolve métodos que analisam a aparência do artigo.

A metodologia para o novo método utilizou artigos aceitos para nove conferências organizadas pela Computer Vision Foundation (CVF). Infelizmente, eles não tiveram acesso ao artigo rejeitado, mas usaram os que não apareceram na conferência principal, mas foram aceitos para oficinas.

Por seu método, eles usaram o programa PDF2Image para converter papéis em uma imagem para uma grade 2x4 (para as oito primeiras páginas) e compararam os layouts de papel do workshop com os da conferência [conjunto de dados]:

Depois de treinar o Res-net-18 [aqui] para trabalhos de 2013 a 2017, eles previram taxas de aceitação / rejeição para 2018 e descobriram que eram capazes de rejeitar corretamente 1.115 papéis ruins e perder apenas quatro papéis bons (de 979 bons papéis). No trabalho, um artigo ruim é assim:

e um bom artigo:

No geral, o posicionamento dos diagramas era frequentemente essencial na classificação, e especialmente colocando um gráfico de contribuição geral no início do artigo. O uso de tabelas / gráficos ajuda consideravelmente o sucesso do papel também. A seguir, vemos o uso de um diagrama de visão geral na primeira página:

Os autores do artigo definem que o artigo pode ser difícil de ler se não houver um diagrama ilustrado nas duas primeiras páginas.

Conclusões

O número de artigos submetidos a periódicos e conferências de qualidade geralmente aumenta a cada ano e não pode acompanhar o número de bons revisores. E assim podemos ver o surgimento de sistemas automatizados que rejeitam papéis sem sequer revisar. Para inglês e gramática ruins, isso pode ser fácil, mas, para a aparência visual do artigo, pode ser difícil justificar, especialmente se perdermos um avanço incrível. Um dos melhores exemplos disso foi quando o artigo de Ralph Merkle sobre criptografia de chave pública foi rejeitado porque não tinha nenhuma referência [aqui] - pois não havia outros documentos para realmente fazer referência.

E, assim, acerte as apresentações e faça um desenho que guie o leitor para o seu trabalho. Aqui estão minhas 25 dicas para uma tese de doutorado: