Александр Марьянович - Диссертация: инструкция по подготовке и защите

• Название: Диссертация: инструкция по подготовке и защите
• Автор: Александр Марьянович
• Жанр: Прочая научная литература
• Год: 2009
• ISBN: 978-5-9725-1537-0

Перед Вами переработанный и дополненный вариант книги, ранее выходившей под названиями «Эрратология» и «Новая эрратология».

Как написать текст диссертации?

Как найти литературу по теме исследования?

Как организовать процесс сбора экспериментальных данных?

Как обработать полученную информацию?

Как выступить с докладом на защите?

Как подготовить статью в журнал или тезисы доклада на конференцию?

Ответы на эти и многие другие вопросы вы найдете в этой книге. Главное, что отличает ее от других «пособий для диссертантов», это принцип изложения. Наша книга – это, прежде всего, рассказ о типичных ошибках, которые совершает практически каждый начинающий исследователь. Авторы скажут вам: «Вы хотите сделать так? Не надо! Эту ошибку уже совершили многие. Лучше делайте так-то и так-то», – а потом дадут пример правильного решения. Следуя нашим рекомендациям, вы не только напишете диссертацию лучше, но и защитите ее раньше.

---

В принципе, любая классификация должна указывать на связь между двумя или несколькими параметрами.

Относительно классификаций хотелось бы процитировать один из апокрифических законов то ли Мерфи, то ли Фланнагана: «Всякая полезная классификация содержит от трех до шести градаций. Если их меньше трех – это не классификация, если их больше шести – она никому не нужна». За этой шуткой стоит вполне серьезный закон психологии, гласящий, что объем внимания (и с некоторыми поправками – непосредственной и оперативной памяти) не превышает 7 ± 2 альтернативы (магическое число Миллера). Знание этого закона очень важно для исследователя.

Корреляция – еще не причинная связь

Заблуждение четвертое является результатом увлечения корреляционным анализом. Измерив множество физиологических, биохимических и прочих показателей, наш диссертант отправляется в вычислительный центр, где заполняет матрицу данных, скажем, 20 х 20. Машина выдает таблицу коэффициентов корреляции размером с полутораспальную простыню, притом величина этих коэффициентов колеблется от —0,11 до +0,17. Величина массива данных делает эти коэффициенты статистически значимыми, что прямо указывает на то, что связь между исследуемыми факторами – маловероятна и заниматься поиском ее – пустая трата времени. Вместо того чтобы сразу понять это, автор начинает размышлять о причинах слабых связей между параметрами H и B, L и M. Иногда приходится слышать удивительные утверждения о том, что есть особые области знания (например, психология), в которых связи между отдельными явлениями настолько слабы, что и r = 0,20 заслуживает рассмотрения. Оставим это утверждение без комментариев.

Очередной шаг в развитии компьютерной техники принес новую проблему: ориентируясь на величину корреляции между отдельными параметрами, машина объединяет их группы или факторы. Диссертанты получили возможность начать захватывающую игру: теперь они анализируют корреляционные связи между такими факторами. Конечно, Совет с интересом выслушает, что, например, индивидуальная переносимость человеком дыхания смесью с пониженным содержанием кислорода связана сильной корреляционной связью (r > 0,75) с фактором Н-2, в который входят: (а) масса тела с отрицательным знаком; (б) длина стопы; (в) кислотность желудочного сока натощак и (г) скорость простой сенсомотор-ной реакции. А нам остается только вновь повторить вместе с героем Тэффи: «Фер-то ке, господа?»

Играйте на своем поле

Заблуждение пятое: усилия во вспомогательных областях способны существенно повысить класс Вашей работы. Еще лет десять назад довольно часто встречались исследователи – биологи и медики, считавшие для себя неприличным появиться в халате, из кармана которого не выглядывала бы отвертка. Они паяли, собирали и налаживали, они обеспечивали ощущение занятости себе и другим, но очень мало что добавляли к своей основной специальности – физиологии, биохимии, клинике. Теперь эта тенденция ухода «на стык наук» приняла иные, более массовые и еще более разрушительные формы. Диссертанты проводят за компьютером значительно больше времени, чем собственно у своей экспериментальной установки. «Флешки» на много гигабайт, разрывающий душу сленг, в котором смешались плохо прочитанный английский со школьным арго… и обязательное выражение глубокой думы на челе. Как объяснить молодому человеку, что профессиональным компьютерщиком он не станет, но очень возможно, не станет и физиологом, биохимиком или морфологом?

Такое увлечение все новыми и новыми программными продуктами (слова-то какие!) – не что иное, как подсознательная попытка уйти от крайнего напряжения мысли, необходимого для открытия чего-то нового в Вашей собственной проблеме. Внутренний человек, черная тень которого не раз ляжет на страницы Вашей диссертации, спасает вашу психику от, возможно, чрезмерного напряжения и подсказывает Вам: «Есть новая программа! Возможности – в четыре раза больше всех предыдущих версий!» А Вам бы и прежней версии хватило бы «за глаза», только направить ее пусть и небольшую мощь надо было на решение проблемы, если Вы, конечно, не передумали заниматься наукой.

Появление персональных компьютеров на столах исследователей принесло им великое облегчение: упростились обработка и хранение данных как экспериментальных, так и литературных, изготовление иллюстраций, редактирование текстов и многое-многое другое. Мы – не специалисты в области применения компьютеров в биологии и медицине, поэтому в разделах, посвященных конкретным главам диссертации, ограничимся немногими советами по использованию компьютерной техники (более подробные сведения исследователь легко найдет в специальных руководствах), а здесь основное внимание будет уделено отрицательным последствиям этого несомненного технического чуда.

Распространение персональных компьютеров резко снизило требования, которые соискатели кандидатской степени предъявляли прежде к качеству собственных сочинений. Еще несколько лет назад стоило трижды подумать, прежде чем отдать рукопись машинистке – ей полагалось платить, и больше двух перепечаток тощий карман диссертанта не выдерживал. Иное дело теперь! Можно принести научному руководителю что угодно, и пусть себе исправляет то, что Вы должны были бы исправить сами, если бы не ленились. После замечаний руководителя Вы легко «перетасовываете» текст, не улучшая всерьез его качества, и приносите снова: «Василь Васи-лич, я все переделал». После пятого раза Василий Васильевич сдастся и скажет: «Ладно, Коля, подавай в Совет». – Степень будет получена, но качество подготовки специалиста окажется ниже, чем пять—десять лет назад. Печально!

Выборка должна быть достаточно большой

Заблуждение шестое касается необходимого объема выборки. Здесь не действует правило «чем больше, тем лучше». Размер выборки должен обеспечить получение статистически значимого результата. Если такого результата нет, можно попытаться расширить выборку, но это редко дает желаемый эффект. Настоящая закономерность заметна и на небольшой выборке, если нет – значит, не такая уж это и закономерность. Лучше остановитесь, подумайте, подправьте методику исследования и употребите силы и время на поиск в новом направлении.

Если неразумное расширение выборки можно считать малым грехом, то метание от одной методики к другой – грех тяжкий. Представим себе так называемое лонгитюдное исследование, идея которого заключается в длительном (многомесячном или даже многолетнем) отслеживании динамики каких-либо физиологических, психофизиологических или иных показателей в одной и той же группе испытуемых или экспериментальных животных. Поставив себе такую задачу, исследователь должен после относительно краткого периода «пристрелки» определить, насколько это возможно, окончательный перечень методик. Он должен отчетливо понимать, что любое изменение методик «отправит в корзину» все данные, полученные с помощью предыдущего варианта. Добавление новых методик также подорвет идею «лонги-тюда». Вариантом этой же ошибки является частичная замена объектов исследования в ходе самого исследования. Представим сказанное в виде схемы (крестиками показано наличие экспериментальных или клинических данных, полученных на данном этапе исследования с помощью данной методики) – табл. 1.

Таблица 1

Проведенные исследования

Очевидно, что только данные, полученные с помощью методик C и (с некоторыми оговорками) А, можно считать соответствующими замыслу работы. Будут ли они достаточны для формулирования хоть каких-то закономерностей? Ссылки на «объективные причины», не позволившие произвести полноценные наблюдения, Совет не примет! Так что некоторый уровень самодисциплины и упорства здесь совершенно необходим.

Чтобы избежать этой ошибки, исследователь, кроме тщательного планирования эксперимента, должен еще и обрабатывать данные, полученные на каждом его этапе, до начала следующего, и заносить результаты в обобщающие таблицы. В противном случае за ежедневной суетой диссертант может и не заметить (!) изменений, которые он сам же внес в методику.

Не увлекайтесь процентами

Заблуждение седьмое: подсчет процентных отношений при малом объеме выборки. Согласно давней традиции, проценты можно подсчитывать только при числе наблюдений (n) не менее ста. Поэтому в клинических работах процентные показатели применяются чаще, чем в экспериментальных.

Здравый смысл никто не отменял

Заблуждение восьмое заключается в недоверии к здравому смыслу. Читаем: