Das Gehirn kann z.B. verformt sein, also krumm und schief. Daher muss der Code angepasst werden und ein neuer Anlauf ist notwendig.
und das kann man nicht parametrisieren? Oder am Besten automatisch fitten? - machen Bereiche, die in den 90ern groß geworden sind auch automatisch.
https://www.ks.uiuc.edu/Research/vmd/current/ug/node201.html
Deine Daten sind sicher komplexer als das
https://github.com/rafcc/pytorch-bsf, aber sicher auch nicht unmöglich.
jedes Ziel bedarf dass man alle vorherigen Schritte genau anpasst
ooook. Du passt also iterativ Deine Datenanalyse so an, dass du zum gewünschten Ergebnis kommst. Und immer anders. Das riecht für mich sehr nach p-Hacking.
Wenn ich eine sliding window analyse auf eine time-series lege, also z.B. immer in 30 Sekunden Fenstern den Messwert neu berechne, dann ist die langsamste Frequenz in dem Fenster 1/30 = 0.033 Hz. Und wenn ich dann wenigstens 3 cycles für ne bessere Amplitudenbestimmung haben möchte sind es 0.033 Hz * 3 = 0.099 Hz als niedrigstes Limit. Und so zieht sich das durch den kompletten Code durch
Glückwunsch, Parameter 1 gefunden. Dann kannst du den anpassen und sicher erklären, warum man ihn über Studien verändern kann und wie man dann Studien mit verschiedenen Signalen miteinander vergleichen kann. Dann kann man irgendwann auch versuchen Zusammenhänge über Samplesize 1 zu finden. Und versteh' mich nicht falsch: das mäandernde Daten sammeln und korrelieren gehört auch zur Wissenschaft. Aber wenn kaum jemand mehr versucht die Dinge zu strukturieren (geht halt auch nicht im 2-Jahresrhythmus) und 80% im wesentlich immer qualitativ ähnliche, kaum reproduzierbaren Experimente machen, ohne sich im geringsten um quantitative Verwertung zu scheren, ist das Mist.
Hat nix mit "cheaten" zutun. Also bitte nicht gleich mir unterstellen dass ich Ergebnisse fake.
Geforce3M3 scheint damit besser klarzukommen als ich und ist sich dessen wohl zumindest in der tlw. Anonymität hier auch bewusst - 80% seiner Kollegen
Du spielst das Spiel, das man da spielt. Wo hab' ich eigentlich gesagt, dass du Ergebnisse fakest? Ich bin bisher davon ausgegangen, dass du halt deine Experimente machst und dann halt irgendwelche Paper schreibst. Wenn du jedes Experiment anders auswertest und die Daten in ein opaques PDF steckst, bringt das das Feld genau wie weiter? Aber sehr interessant, deine Reaktion.
Puhhh, wenn ich sowas lese... Das Problem ist dass hier zuviele Klugscheisser sind die meinen alles zu wissen (aber eigentlich keinen Plan haben). Sorry.
ich hab' das 5 Jahre gemacht und hab' das ab Jahr 2 nur so lange gemacht, dass ich bei sowas iwann (hab' mich jetzt abgesetzt, was das jetzt deutlich verzögert) sagen kann "du, ich bin genauso qualifiziert wie du"
. Hab' vmtl. mehr Erfolg gehabt, als Reviewer Mist zu rejecten, als als Wissenschaftler mich selbst zu promoten.
Hab' das oben ja schon beschrieben. Wenn man über 4+ Universitäten und 3 Bubbles in seiner "Karriere" folgendes mitbekommt, darf man glaub' ich in einem Forum auch mal über seine "Kollegen" pauschalisieren:
- Postdocs, die sich als Experten gerieren, eine proprietäre Software "können", dort händisch für jedes Experiment Input-Files erstellen und dann nicht feststellen, wenn diese Inputfiles kaputt sind (...). Hab' dann in beiden Fällen mit dem Wissen aus meiner Masterarbeit die Input-Files auch fachlich (!) angepasst und die Performance um den Faktor 10 erhöht (schadet nicht, wenn man ein bisserl Theorie kennt und weiß, wie das die Software macht...) (2x) Dem einen hab' ich dann versucht zu erklären, dass er seine (Parameter-Sweep)-Experimente auch automatisieren kann, dann durfte ich 2 Wochen später ChatGPT-Skripte korrigieren. Hab's dann aufgegeben. Immer noch im Rennen
.
- ein Doktorand, der 5000 Simulationen gefahren hat (teils für einen anderen Doktoranden, der die Zeit dann zum Networking genutzt hat und jetzt bald Prof. ist
), nur waren die Parameter noch hart ins Programm einzukompilieren, d.h. er hat 5000 Kopien des Quellcodes angelegt (inkl. Boost im Folder). Hab' dann das Makefile angepasst, weil der Netzwerkspeicher vollief. Kollege hat die Idee genommen und 5 Jahre neuimplementiert (und jetzt ist das Thema nicht mehr in, d.h. er ist jetzt C++-Experte im Rüstungssektor
). Hat dabei u.a. festgestellt, dass ein paar Bugs in der alten Version waren, sprich' ein großteil der publizierten Ergebnisse für die Tonne ist...
- der erwähnte Doktorand an der renommierten skandinavischen Uni hat mir sehr klar gemacht, dass sein Ziel nicht eine neutrale Auswertung der Daten war, sondern seine Hypothese zu bestätigen...
- PV-Forschung: Leute machen im wesentlichen Experimente, die man in der Küche machen kann (bis auf das Blei). Ohne Plan, ohne Reproduzierbarkeit. Dann große Konferenzen/Proklamationen: wir standardisieren die Umgebungsbedingungen! Das Nature Communications-Paper dazu "Luftfeuchte: das können wir nicht kontrollierbar machen"
- der Juniorprofessor, der einen Postdoc hat, der Slides macht, die seine Hypothese unterstützen, dann seinen Namen draufschreibt und dann ewig rumeiert, wenn man ihm sagt: "das macht keinen Sinn, du behauptest der Doppelbruch gibt eine vorher-nachher-Relation an - das 'nachher' kann man aber rauskürzen..."
- ein Paper von einem Menschen, der schon relativ lang in Los Alamos forscht: tolles Machine-Learning-Modell, "weil es so gut funktioniert haben wir jetzt nur einen Test mit der Hälfte des Testsets gemacht" - 2 Reviewer "super", ich: "wenn ich das Testset zufällig auswähle, ist die Selektion schon ein sehr großer Zufall".
- schau dir mal Leute an, die Zellsegmentierung mit ML machen. Da nimmt man U-Nets. 80% der Leute haben aber nicht die Loss-Funktion des Original-Papers implementiert (sondern halt irgendein Einsteiger-Tutorial) und daher eher suboptimale Ergbenisse...............
Da kann man bei der Analyse schon zum Ergebnis kommen, dass heute im akademischen Umfeld die Bewertungsmaßstäbe und Auswahlkriterien schon sehr von dem abweichen, was man dort gesellschaftlich erwartet... Mein persönlicher Eindruck ist, dass dort in der Breite (80%) v.a. verschiedene Manipulatoren und die, die sonst nix finden überbleiben - um die Sache geht es denen nicht wirklich. Die, die wirklich gute Arbeit machen, haben entweder das Glück, einen Förderer zu haben, der ihnen 5-8a einen Arbeitsplatz bietet und genügend Einfluss hat, dass das Ergebnis dann noch jemanden interessiert, sind extrem krass organisiert (1 Woche nach der Entbindung ist man wieder im Call fürs Paper...) oder gehen zu Konzernen in die Forschungsabteilung - ein paar Idealisten gibt's sicher auch noch
. Gesellschaftlich eine sehr ungünstige Dynamik und wie ich den etwas ungläubigen Beiträgen von p4no, tundor und Co. entnehmen würde, ist das noch nicht überall angekommen, was heutzutage leider der niedrige Standard des wissenschaftlichen Arbeitens ist.
//edit: Je mehr User damit arbeiten oder je hoeher die Fluktuation der Kollegen ist, desto mehr lohnt es sich sich mit dem Thema auseinanderzusetzen.
ja. Aber warum sollte man als Fürst im Feudalstaat mit ausreichend verfügbaren Leibeigenen was an der Sache ändern?
