Пишем кандидатскую работу
Этот пост, возможно, будет полезен аспирантам (и магистрам) при написании своих научных работ, так как содержит некоторые наблюдения и выводы, сделанные автором во время работы над кандидаткой.
Выбор темы
Наверное, самый важный пункт и к тому же, самый сложный. Причин может
быть множество — от организационных, таких как смена университета,
кафедры, руководителя до вполне обычных — нынешнее направление не
интересное, а новое еще не придумали. Но, как правило, проблема одна —
какую тему выбрать для кандидатской?
Несколько советов:
- если вы не можете определиться, но от вас уже требуют название темы, то для начала выберете нейтральную типа «Моделирование сложных объектов в условиях неопределенности», под которую подпадают 80% современных объектов и т.д. Через некоторое время вы сможете поменять тему, добавить конкретики, но формально изменения не будут кардинальными и, по идее, проблем быть не должно;
- убедите своего научного руководителя в том, что не нужно выбирать тему, в которой хорошо разбирается он, а не вы. Хотя он должен в целом разбираться в теме, которую предлагаете ему вы;
- ну и наверное, самое главное: если вы не знаете, что выбрать, задайте себе простой вопрос: «что я знаю лучше всего?» или «а если бы мне дали кучу денег на исследования, чем бы я хотел заниматься?». Думаю, ответ вы найдете быстро (если нет, то может не стоит идти в аспирантуру?).
План работы
Мне всегда твердили и убеждали, что план всегда должен быть в самом
начале работы, чтобы понимать, где мы сейчас находимся. Скажу честно,
из первоначального плана остается лишь название «План». Многие тут
могут не согласиться, мол, если ты даже не можешь составить план, то
что ты вообще можешь? Не буду спорить, возможно, у кого-то по другому,
но на практике я такого не замечал.
Поэтому лучше составить общий план, в который потом будут вноситься правки согласно вашим исследованиям и результатам.
Начинаем исследования
Многие люди перед вступлением в аспирантуру (да и после этого) впадают
в состояние, которое близко к испугу и тревоге. Всех мучают вопросы:
«столько уже сделано в моей области, что я могу внести нового и
уникального?», «этим А и Б занимались еще в 60-х и написали по 10
книг каждый, как я буду с ними тягаться?
В первую очередь нужно понять, что далеко не все в этом мире изобрели и
далеко не все изобретенное является оптимальным. Поэтому садитесь за
компьютер и действуйте по принципу:
- "проблема" -> "решена ли она?" -> да -> "новая проблема" ->
- "проблема" -> "решена ли она?" -> нет или плохо -> "варианты решения" -> "исследования" -> "результаты"
- "проблема" -> "решена ли она?" -> да -> «решения оптимальные» -> нет -> "улучшенные варианты решения" -> "исследования" -> "результаты"
Признаки того, что ваша тема актуальна:
- о вашей теме говорят, как о завтрашнем будущем
- литература по вашей теме находится в зачаточном положении
- русскоязычная / украиноязычная литература, научные статьи отсутствуют
- вашей темой занимаются научные лаборатории ведущих компаний
- ваша тема относится к быстро меняющейся области (информационный поиск, распознавание объектов)
Хочу сразу заметить, что отсутствие какого либо упоминания (работ, исследований, статей) по вашей тематике говорит не о том, что ваша тема актуальна, а о том, что она никому не нужна, раз никто ее нигде не поднимал.
Научная новизна
Что может считаться научной новизной?
Итак, это:
- в идеале: новая модель, новый метод
- усовершенствование модели, метода
- применение (адаптация) известного метода, модели на новые области
- повышение качества, точности, скорости, количества операций и т.д. (необходимо обязательно указывать и обосновывать критерии качества)
- новая или улучшенная методика или подход.
Важно! Алгоритм не считается научной новизной, а является лишь практической реализацией вашей модели либо метода.
Единое целое
Ваша работа должна являться единым целым, т.е. все ваши результаты должны быть логично связанными. Это выглядит очевидным, но на практике все сложнее. Как правило, вы получаете разные результаты, используете различные методы из различных областей и потом очень сложно (я не говорю невозможно) все это связать в одну цепочку. Например, мне пришлось связать методы получения ассоциативных правил, методы кластеризации, классические статистические методы, теорию информации и семантику. Еще сложнее, когда вы занимались в магистратуре одной тематикой, а потом переключились на другую. В таком случае все ваши старые научные публикации могут не вписаться в новую тематику. И если у вас будет нехватка работ и вы захотите их привязать, то сделать это будет сложно.
Научные публикации, патенты, акты внедрения
Ну ту на самом деле все просто — они нужны и как можно больше :)
Важным фактом является то, что у вас должны быть опубликованы статьи
по всех пунктам научной новизны. Это важное требование и, как правило,
приносит свои хлопоты в конце работы.
На этом пока все, надеюсь, что кому-то этот топик поможет. Если будут
какие то уточняющие вопросы либо интересуют отдельные вопросы
(например, акты внедрения или научные статьи), пишите, попробую помочь.