Informacja naukowa - narzędzia wyszukiwania i opracowywania zasobów naukowych i dydaktycznych 7404-FIZ-IN

Zagadnienia
:W1 1. Postęp w technologii komputerowej.
2. Obecne superkomputery i globalna wioska.
3. Technologia światłowodowa, www i nowe narzędzia naukowe.
4. Problem akwizycji danych w CERN: poszukiwanie bozonu Higgsa.

W2 1. Ogólny schemat metody naukowej.
2. Modelowanie komputerowe jako „trzecie podejście”
w metodologii naukowej.
3. Sztuczna inteligencja i ekstrakcja danych naukowych.
4. Jak interpretować obrazy i wykresy.

W3 1. Bazy danych - idea, reprezentacje formalne,
rola w nauce.
2. Informacja naukowa - czasopisma, archiwa (arXiv),
Serwisy typu Research Gate,
kontakty osobiste, konferencje.
3. System recenzji. Czasopisma z otwartym dostępem.
Depozyty cyfrowe. Drapieżne czasopisma.
4. „Sieć wiedzy” i jak z niej korzystać.

W4 1. Bazy danych: Jak korzystać z „Scopus”.
2. Pozyskiwanie danych z „Google Scholar”.
3. Przykład biologicznej bazy danych: „Protein Data Base”.
4. Przykłady genetycznych, chemicznych, astronomicznych,
medyczne (PubMed).

W5 1. Krytyczne podejście do danych naukowych. Wady w artykułach.
2. Pozyskiwanie danych z eksperymentów:
właściwa metodologia i statystyka.
3. Problemy z interpretacją danych: przykłady
z bionanotechnologii
4. Pozyskiwanie danych w naukach społecznych.
Wiarygodne i niewiarygodne wyniki.
5. Dane mogą prowadzić do problemów prawnych i etycznych.
Patentować czy nie patentować.

Całkowity nakład pracy studenta

10 h warsztaty +5 h praca własna

Efekty uczenia się - wiedza

WG2 - Poznają rolę informacji w nauce i trendy naujące obecnie WG3 - zapoznają się z ważnym aspektem metodologi ibdań naukowych WG4 - dowiadują się jak upowszechniać wyniki naukowe, w tym w otwartym dostępie WK6 -poznają znaczenie praw autorskich, problem czasopism drapieżnych WK7 - dowiadują się o bazach patentowych i potrzebie informowania społeczeństwa o wynikach naukowych

Efekty uczenia się - umiejętności

UW1 - dowiadują się o wymaganiach w sprawie publikacji, ellemnty nowosci, hipotezy badawcze, jakość metod UW2 -krytycznie przeszukują bazy literaturowe

Efekty uczenia się - kompetencje społeczne

KK1 - nabierają kompetencji do krytycznej oceny dorobku innych KK2 - dowiadują się o wymaganiach względem manuskrytptów (krytyczna ocena własnego dorobku) KO1 - dowiadują się o obowiązku wkładu nauki w rozwój społeczeństwa, informacja jest ważna KR1 - uczą się respektować własność intelektualną

Metody dydaktyczne

- interactive lecturing; -practicals with databases

Metody dydaktyczne podające

- wykład konwersatoryjny

Metody dydaktyczne poszukujące

- ćwiczeniowa

Rodzaj przedmiotu

przedmiot obligatoryjny

Wymagania wstępne

Ogólne rozumienie znaczeni ainformacji we współczesnej nauce

Koordynatorzy przedmiotu

Wiesław Nowak

Kryteria oceniania

test końcow pisemny - W1-W4
ndst <10 pts (<50%)
dst 10-12 pts (50-59%)
dst+ 13-14 pts (60-69%)
db 14-15 pts (70-79%)
db+ 16-17 pts (80-89%)
bdb 18-20 pts (90-100%)

Praktyki zawodowe

nie ma

Literatura

1. https://www.slideshare.net/bibliotecasUA/scientific-information-sources
2. http://www.sciencemag.org/careers/2016/11/how-keep-scientific-literature
3. https://www.visionlearning.com/en/library/Process-of-Science/49/Utilizing-the-Scientific-Literature/173
4. https://www.visionlearning.com/en/library/Process-of-Science/49/Peer-Review-in-Scientific-Publishing/159
5. Evans, J. A., & Reimer, J. (2009). Open access and global participation in science. Science, 323(5917), 1025-.
6. https://www.nap.edu/read/9692/chapter/3 (Importance and Use of Scientific and Technical Databases).
7. http://ec.europa.eu/research/openscience/pdf/openaccess/npr_report.pdf (Access to and Preservation of Scientific Information in Europe)
8. https://en.wikipedia.org/wiki/List_of_academic_databases_and_search_engines
9. https://commons.lbl.gov/display/rst/Science+Databases+and+Other+Electronic+Resources+listed+Alphabetically
10. https://www.emergingedtech.com/2013/12/top-11-trusted-and-free-search-engines-for-scientific-and-academic-research/
11. https://www.plos.org/ ; https://doaj.org/
12. http://bigthink.com/age-of-engagement/how-to-search-the-scientific-literature-tips-from-an-expert-librarian
13. A.Aryani et al. , “Data Descriptor: A Research Graph dataset for connecting research data repositories using RD-Switchboard” , Scientific Data volume 5, Article number: 180099 (2018) doi:10.1038/sdata.2018.99
14. https://www.nature.com/subjects/databases
15. https://www.elsevier.com/connect/how-big-data-and-ai-can-generate-your-scientific-hypothesis
16. https://towardsdatascience.com/exploring-the-meaning-of-ai-data-science-and-machine-learning-with-the-latest-wikipedia-5fea5f0a2d46
17. http://www.sciencemag.org/news/2017/07/ai-revolution-science
18. www.nextscientist.com/phd-productivity-software/
19. http://www.worldofstatistics.org/wos/pdfs/Statistics&Science-TheLondonWorkshopReport.pdf
20. https://www.visionlearning.com/en/library/Process-of-Science/49/Data-Analysis-and-Interpretation/154

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 7404-FIZ-IN w USOSweb