Usługi abstraktowania

W epoce nadmiaru informacji naukowej, gdzie codziennie publikowane są tysiące artykułów na całym świecie, zdolność do szybkiego przeszukiwania, selekcji i oceny przydatności źródeł staje się nieodzownym elementem pracy badawczej, edukacyjnej i eksperckiej. W tym kontekście coraz większego znaczenia nabierają usługi abstraktowania, które umożliwiają dostęp do streszczeń publikacji naukowych bez konieczności czytania ich pełnych wersji. Abstrakt – zwięzłe, informacyjne streszczenie – stanowi skrótowy opis zawartości artykułu, jego celów, metodologii, wyników i głównych wniosków. Usługi abstraktowania, często zintegrowane z bazami danych indeksującymi, stanowią narzędzie nie tylko wspierające wyszukiwanie literatury, ale także umożliwiające wstępną ocenę jakości i przydatności publikacji.

Do najbardziej znanych platform oferujących profesjonalne abstraktowanie należy Scopus (https://www.scopus.com), zarządzany przez Elsevier. Jest to jedna z największych baz interdyscyplinarnych, oferująca nie tylko streszczenia, ale także dane bibliometryczne, takie jak cytowania czy indeks H. Podobną funkcję spełnia Web of Science (https://www.webofscience.com), prowadzony przez Clarivate, który również dostarcza streszczeń oraz danych służących do analizy wpływu naukowego, w tym wskaźników Impact Factor i JCR. W dziedzinach humanistycznych i społecznych istotną rolę odgrywa PsycINFO (https://www.apa.org/pubs/databases/psycinfo), specjalistyczna baza prowadzona przez American Psychological Association, w której gromadzone są streszczenia artykułów, książek i rozpraw doktorskich z zakresu psychologii. W obszarze edukacji funkcję tę pełni ERIC (https://eric.ed.gov), finansowany przez rząd Stanów Zjednoczonych, który oferuje otwarty dostęp do streszczeń raportów i artykułów naukowych z szeroko rozumianego świata edukacji. Wreszcie w medycynie i naukach przyrodniczych najważniejszą usługą abstraktowania pozostaje PubMed (https://pubmed.ncbi.nlm.nih.gov), zarządzany przez National Library of Medicine. Platforma ta udostępnia streszczenia i metadane setek tysięcy publikacji z zakresu medycyny, biologii i nauk o zdrowiu, często wzbogacone o specjalistyczne słownictwo MeSH (Medical Subject Headings), co umożliwia precyzyjne przeszukiwanie literatury.

Korzystanie z usług abstraktowania niesie ze sobą liczne korzyści. Przede wszystkim pozwala zaoszczędzić czas, umożliwiając szybkie wyselekcjonowanie wartościowych publikacji.

Jest to szczególnie istotne w kontekście przygotowywania przeglądów systematycznych, prac przeglądowych czy wniosków grantowych, gdzie kluczowa jest orientacja w aktualnym stanie wiedzy.

Dodatkowo, dostęp do streszczeń pozwala zidentyfikować luki badawcze i trendy tematyczne, co wspiera planowanie nowych projektów i publikacji. Nie bez znaczenia jest też funkcja edukacyjna – usługi abstraktowania umożliwiają studentom i młodym badaczom szybkie zapoznanie się z różnorodnymi podejściami metodologicznymi i strukturą dobrych publikacji naukowych.

Mimo wielu zalet, należy również uwzględnić pewne ograniczenia tych usług. Abstrakty, z racji swojej zwięzłości, nie zawsze oddają złożoność metodologii ani szczegółowości analiz. Zdarza się też, że streszczenia są redagowane w sposób niejasny lub tendencyjny, co może prowadzić do błędnych interpretacji. Ponadto, dostęp do wielu baz danych (jak Scopus czy Web of Science) wymaga subskrypcji instytucjonalnych, co może ograniczać ich użyteczność w warunkach niezależnych badań czy pracy pozainstytucjonalnej.

Podsumowując, usługi abstraktowania stanowią jedno z kluczowych narzędzi zarządzania informacją naukową i praktyczną. Ich umiejętne wykorzystywanie wspiera nie tylko efektywność pracy badawczej, ale także jakość podejmowanych decyzji w oparciu o dowody. W erze przeciążenia informacyjnego są one nie tyle opcją, co koniecznością dla każdego, kto profesjonalnie pracuje z wiedzą

Bibliografia

1. Elsevier. (2024). Scopus. https://www.scopus.com
2. Clarivate. (2024). Web of Science. https://www.webofscience.com
3. American Psychological Association. (2024). PsycINFO. https://www.apa.org/pubs/databases/psycinfo
4. Institute of Education Sciences. (2024). ERIC - Education Resources Information Center. https://eric.ed.gov
5. National Library of Medicine. (2024). PubMed. https://pubmed.ncbi.nlm.nih.gov

więcej

Zbieranie wielu wyników w formacie RIS – Wykorzystanie narzędzi takich jak Publish or Perish (PoP)

Google Scholar to jedno z najpopularniejszych narzędzi do wyszukiwania literatury naukowej. Choć platforma nie oferuje bezpośrednio opcji masowego eksportu bibliografii, istnieje kilka metod, które pozwalają na łatwe zebranie wyników wyszukiwania w formacie RIS, a także na zarządzanie literaturą za pomocą zewnętrznych aplikacji. W tym artykule pokażemy, jak pobrać zbiorczo bibliografię z Google Scholar i przekształcić ją do formatu RIS, który jest użyteczny w dalszym procesie badawczym.

Google Scholar nie udostępnia natywnej opcji pobierania zbiorczo wszystkich wyników w formacie RIS, ale dostępne są narzędzia wspierające to zadanie. Jednym z najpopularniejszych jest Publish or Perish (PoP) – darmowa aplikacja służąca do pobierania cytowań z Google Scholar i eksportowania ich do różnych formatów, w tym RIS.

PoP pozwala na masowe pobranie danych z Google Scholar, dzięki czemu łatwo jest zebrać kilkadziesiąt, a nawet setki referencji w formacie RIS. Zotero i Mendeley, które także oferują integrację z Google Scholar i umożliwiają zbieranie cytatów w różnych formatach, w tym RIS.

Zrzut ekranu przeglądarki Publish or Perish

Zrzut ekranu przedstawia interfejs przeglądarki Publish or Perish (PoP), narzędzia wykorzystywanego do generowania listy publikacji na podstawie wyników wyszukiwania z Google Scholar. Widać na nim okno aplikacji, w którym widoczna jest lista wyników wyszukiwania, zawierająca tytuły artykułów, nazwiska autorów, źródła oraz inne dane bibliograficzne, takie jak rok publikacji i liczba cytowań. Ukazuje również opcje eksportu wyników do różnych formatów bibliograficznych, w tym do formatu RIS, który jest kompatybilny z narzędziami do zarządzania literaturą, takimi jak Citavi i Rayyan. Dodatkowo, na ekranie widoczna jest opcja dostosowywania wyników, co pozwala na precyzyjne filtrowanie i przeszukiwanie literatury według konkretnych kryteriów.

W procesie Systematic Literature Review

Dzięki funkcji exportu/importu użytkownik może łatwo przenieść zebraną literaturę do innych aplikacji wspomagających proces systematycznego przeglądu literatury, co zapewnia wygodną i efektywną organizację oraz selekcję publikacji. .

W procesie Systematic Literature Review (SLR) migracja między różnymi aplikacjami i narzędziami do zarządzania literaturą, takimi jak Google Scholar, Publish or Perish (PoP), Citavi czy Rayyan, jest istotnym etapem zapewniającym precyzyjność i rzetelność badania. 

Na początkowym etapie procesu, narzędzia takie jak Google Scholar czy Publish or Perish pozwalają na zebranie szerokiego zbioru materiałów, które mogą być użyteczne do badania. Jednak w miarę jak postępuje selekcja, migracja danych do bardziej zaawansowanych narzędzi, takich jak Citavi czy Rayyan, pozwala na bardziej precyzyjne oczyszczanie i filtrowanie wyników. Dzięki temu możliwe jest eliminowanie publikacji, które nie spełniają określonych kryteriów jakościowych, metodologicznych czy tematycznych, co zwiększa trafność przeglądu literatury.

Migracja danych między aplikacjami w SLR ma również kluczowe znaczenie w procesie organizacji i klasyfikacji literatury. Aplikacje takie jak Citavi umożliwiają klasyfikowanie wyników według różnych kategorii tematycznych, co pozwala na lepsze zrozumienie struktury zebranego materiału i ułatwia jego późniejszą analizę. Narzędzia takie jak Rayyan umożliwiają z kolei ocenę zgodności artykułów z przyjętymi kryteriami włączenia i wyłączenia, co pozwala na eliminowanie prac o niskiej jakości metodologicznej lub nieadekwatnych do tematu badania. Migracja danych w tym kontekście stanowi nie tylko etap techniczny, ale również pomaga w zachowaniu przejrzystości i spójności procesu przeglądu literatury.

więcej

Typy prac nad artykułem według CRediT (Contributor Roles Taxonomy)

CRediT (Contributor Roles Taxonomy) to norma stosowana w publikacjach naukowych, określająca indywidualny wkład autorów w projekt badawczy. Zapewnia kontrolowany słownik ról, który opisuje konkretną pracę każdego współpracownika, zapewniając przejrzystość i odpowiednie uznanie. Wydawnictwo Wiley podkreśla, że CRediT pozwala na bardziej niuansowe i dokładne przedstawienie zaangażowania każdego autora, wspierając uczciwe przypisywanie zasług.

Czasopisma wymagające CRediT umożliwią autorom podanie informacji o wkładzie w momencie przesyłania artykułu, co pozwala na uzyskanie szczegółowych informacji o indywidualnych rolach autorów. Jeśli informacje te nie zostaną podane przy przesyłaniu, mogą zostać uzupełnione na kolejnych etapach rewizji, ułatwione przez redakcję.

Autor przesyłający ponosi odpowiedzialność za to, by opisy wkładów były zgodne z rzeczywistością i zostały zaakceptowane przez wszystkich współautorów. Każdy autor powinien przejrzeć, omówić i zatwierdzić opis swojego wkładu. Ostateczne oświadczenie o wkładzie autorów zostaje opublikowane razem z artykułem i powinno dokładnie odzwierciedlać rzeczywisty podział pracy.

W przypadku artykułów jednoautorskich również zaleca się przypisanie odpowiednich ról, tak jak w publikacjach zespołowych. Pomaga to czytelnikom zrozumieć specjalizację autora i ułatwia identyfikację odpowiedzialności w przypadku ewentualnych wątpliwości po publikacji. Pojedynczy autor nie musi wypełniać wszystkich ról z listy CRediT – tylko te, które rzeczywiście realizował.

Klasyfikacja CRediT (Contributor Roles Taxonomy)

• Konceptualizacja (Conceptualization)  czyli pomysły; formułowanie lub ewolucja nadrzędnych celów i zadań badawczych.
• Data Curation czyli ekstrakcja istotnych informacji z tekstów naukowych, adnotacja, czyszczenie, konserwacja danych i metadanych do dalszego użycia.
• Analiza formalna (Formal Analysis). Stosowanie technik statystycznych, matematycznych lub obliczeniowych do analizy danych.
• Pozyskiwanie funduszy (Funding Acquisition)
• Analizy (Investigation). Prowadzenie badań, eksperymentów, zbieranie danych i dowodów.
• Metodologia (Methodology). Opracowanie metod, technik badawczych lub modeli.
• Administracja projektu (Project Administration): zarządzanie i koordynacja działań badawczych.
• Zasoby (Resources): dostarczanie materiałów, narzędzi badawczych, zasobów i próbek.
• Oprogramowanie (Software): tworzenie i implementacja kodu oraz programów komputerowych, testowanie oprogramowania.
• Nadzór (Supervision): nadzór nad realizacją projektu, mentoring.
• Walidacja (Validation): weryfikacja i ocena wiarygodności wyników lub danych.
• Wizualizacja (Visualization): tworzenie ilustracji, wykresów i graficznej reprezentacji danych.
• Pisanie – przygotowanie oryginalnego projektu (Writing – Original Draft): opracowanie pierwszej wersji manuskryptu, pisanie tekstu naukowego.
• Pisanie – przegląd i edycja (Writing – Review & Editing): krytyczna recenzja, poprawki i redakcja tekstu, w tym rewizje przed- i po-publikacyjne.

Źródło: https://authorservices.wiley.com/author-resources/Journal-Authors/open-access/credit.html [2025-05-08]

więcej

Zarządzanie oparte na dowodach z wykorzystaniem metodyki systematycznego przeglądu literatury

W branży medycznej w ramach budowy hierarchii dowodów naukowych systematyczne przeglądy literatury oraz metaanalizy znajdują się na jej szczycie. Adaptacja rozwiązań z tego obszaru gospodarki i życia mogą być skuteczne i efektywne z punktu widzenia specyfiki dyscypliny nauki o zarządzaniu i jakości. Celem artykułu jest krytyczny przegląd różnych ujęć, zasad i podejść do zastosowania metody systematycznego przeglądu literatury w naukach o zarządzaniu i jakości. W treści artykułu dokonano oceny możliwości zastosowania koncepcji zarządzania opartego na dowodach z wykorzystaniem metodyki systematycznego przeglądu literatury oraz wskazano implikacje teoretyczne odnoszące się do specyfiki zastosowania tej metody w publikacjach o zasięgu światowym. Na podstawie przeprowadzonych badań i analiz opracowano autorski model zastosowania metodyki systematycznego przeglądu literatury do wdrożenia w naukach o zarządzaniu i jakości koncepcji Evidence Based Practice oraz Evidence Based Management. Wskazano, iż zaproponowana w artykule koncepcja zarządzania oparta na dowodach z wykorzystaniem metodyki systematycznego przeglądu literatury stanowi nowe narzędzie do podejmowania decyzji zarządczych menedżerów korzystających z dużych zbiorów danych (danych publikacji naukowych).

👉 https://przegladorganizacji.pl/artykul/2024/10.33141po.2024.02.04

więcej

Co to jest NEAR/n?

To termin używany w kontekście wyszukiwania w bazach danych i wyszukiwarkach naukowych, który oznacza właśnie operator pozwalający określić maksymalny dystans (w liczbie słów) między wyszukiwanymi terminami. Operator bliskości stosowany jest w wyszukiwarkach baz danych naukowych (np. Scopus, Web of Science, ProQuest, czasem EBSCO), który pozwala znaleźć słowa znajdujące się blisko siebie w tekście — czyli w określonej liczbie słów od siebie.

NEAR/3 oznacza, że dwa słowa muszą pojawić się maksymalnie w odległości trzech słów od siebie, w dowolnej kolejności. Przykład:

Zapytanie:

(pharmaceutical NEAR/3 marketing)

Znajdzie np.:

• pharmaceutical marketing

• marketing of pharmaceutical products

• the pharmaceutical and health marketing strategy

Ale nie znajdzie:

• marketing in the pharmaceutical industry (bo „marketing” i „pharmaceutical” dzieli więcej niż 3 słowa)

Dlaczego to przydatne?

• Jest bardziej elastyczny niż AND (który wymaga tylko, żeby oba słowa były gdziekolwiek w dokumencie, niekoniecznie blisko siebie)

• A jednocześnie bardziej precyzyjny niż OR

• Pomaga znaleźć powiązane tematycznie frazy, które autorzy zapisują w różnych konfiguracjach

Dostępność

Nie wszystkie bazy obsługują NEAR/n — np.:

• Scopus: tak

• Web of Science: tak

• ProQuest: tak

• PubMed: nie (tam masz np. ADJ3 albo within 3 words)

• Google Scholar: nie obsługuje operatorów bliskości

Podstawowe proximity operators po angielsku:

Operator	Opis	Przykład	Dostępność
NEAR/n	Wyszukuje słowa znajdujące się w odległości n słów od siebie, w dowolnej kolejności	marketing NEAR/3 pharmaceutical	Scopus, Web of Science
WITHIN/n	Wyszukuje słowa w odległości n słów, często w tej samej kolejności	marketing WITHIN/3 pharmaceutical	niektóre bazy
ADJ(n)	Wyszukuje słowa znajdujące się obok siebie lub w odległości n słów, często w określonej kolejności	marketing ADJ3 pharmaceutical	CINAHL, PubMed
PRE/n	Wyszukuje słowo A poprzedzające słowo B w odległości n słów	marketing PRE/3 pharmaceutical	ProQuest

więcej

Jak listy kontrolne i narzędzia oceny ryzyka błędu wspierają procesy badawcze?

Sieć EQUATOR (Enhancing the QUAlity and Transparency Of health Research) jest globalną inicjatywą, która koncentruje się na poprawie jakości i przejrzystości raportów badawczych. W ramach jej działań można znaleźć szeroką gamę zasobów wspierających naukowców, takich jak listy kontrolne i narzędzia oceny ryzyka błędu.

Dlaczego są potrzebne?

Listy kontrolne są kluczowe w zapewnieniu jakości raportów badawczych, minimalizując ryzyko pominięcia istotnych informacji. Narzędzia oceny ryzyka błędu pomagają zidentyfikować potencjalne słabe punkty w badaniach, co pozwala na ich bardziej krytyczną analizę.

Te narzędzia są szczególnie przydatne dla osób pracujących nad badaniami klinicznymi, epidemiologicznymi oraz naukami podstawowymi. Dzięki nim naukowcy mogą uniknąć błędów metodologicznych, które mogłyby wpłynąć na wiarygodność wyników.

Na stronie EQUATOR dostępne są liczne przewodniki i listy kontrolne, w tym m.in.. PRISMA (do raportowania metaanaliz) oraz CONSORT (do raportowania badań klinicznych). Każdy z tych zasobów został zaprojektowany, aby wspierać przejrzystość i rzetelność w publikacjach naukowych.

więcej

Randomizowane kontrolowane badania kliniczne (RCT)

Randomizowane kontrolowane badania kliniczne (RCT) są uważane za „złoty standard” w eksperymentach medycznych. Polegają na losowym przydzielaniu uczestników do grup badawczych, takich jak grupa eksperymentalna (otrzymująca nowe leczenie) i grupa kontrolna (otrzymująca placebo lub standardowe leczenie). Dzięki temu można obiektywnie ocenić skuteczność i bezpieczeństwo interwencji medycznych. RCT są kluczowym elementem medycyny opartej na faktach (EBM) i są stosowane nie tylko w medycynie, ale także w innych dziedzinach, takich jak psychologia czy nauki społeczne.

Badania RCT mogą być bardzo przydatne w zarządzaniu, zwłaszcza w obszarze podejmowania decyzji opartych na dowodach. Mogą być stosowane do testowania różnych strategii zarządzania, polityk organizacyjnych czy metod szkoleniowych. Na przykład, jeśli firma chce wdrożyć nowy sposób motywowania pracowników, może przeprowadzić RCT, aby sprawdzić, czy rzeczywiście przynosi on lepsze rezultaty w porównaniu do obecnych praktyk. Takie badania pozwalają na minimalizowanie ryzyka błędów decyzyjnych, a także pomagają zrozumieć, które interwencje są najbardziej skuteczne. 

więcej

Ewolucja systematycznych przeglądów literatury – od statycznych do dynamicznych – analiza krytyczna

 Zeszyty Naukowe Akademii Górnośląskiej - nr 19

Jak systematyczne przeglądy literatury adaptują się do burzliwych czasów i zmieniają oblicze EBMnt? Poprzez krytyczny przegląd literatury zbadaliśmy, w jaki sposób tradycyjne, statyczne przeglądy, zazwyczaj realizowane jako jednorazowe projekty, przekształcają się w dynamiczne, aktualizowane na bieżąco „żywe przeglądy literatury”.
Najważniejsze wyniki: – Tradycyjne, statyczne przeglądy, sporządzane w formie jednorazowych raportów, stopniowo ewoluują w miarę rozwoju technologii oraz rosnącej liczby publikacji naukowych. – Podejścia dynamiczne, oparte na koncepcji żywych przeglądów systematycznych, odpowiadają współczesnym potrzebom aktualizowania przeglądów w czasie rzeczywistym.
Wartość dodana: Tradycyjne przeglądy, kiedyś wystarczające jako jednorazowe raporty, tracą na aktualności w obliczu rosnącej liczby nowych badań. Wyniki naszych badań wskazują na konieczność opracowania bardziej elastycznych i zarazem dynamicznych metod dokonywania przeglądu literatury, które nadążą za ciągłymi innowacjami.

więcej