{"id":4241,"date":"2022-06-13T03:21:20","date_gmt":"2022-06-13T03:21:20","guid":{"rendered":"https:\/\/lamarr-institute.org\/blog\/wissenschaftliches-arbeiten\/"},"modified":"2025-11-12T14:52:02","modified_gmt":"2025-11-12T14:52:02","slug":"wissenschaftliches-arbeiten","status":"publish","type":"blog","link":"https:\/\/lamarr-institute.org\/de\/blog\/wissenschaftliches-arbeiten\/","title":{"rendered":"Wissenschaftliches Arbeiten leicht gemacht: Effizienter Umgang mit Literatur"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">Selbstorganisation ist eine wichtige F\u00e4higkeit in vielen Branchen. In der Forschung ist dies besonders der Fall, da hier oft mehrere Projekte ohne fest vorgegebene Aufgabenstellungen jongliert werden m\u00fcssen. Besonders das Auseinandersetzen mit wissenschaftlichen Artikeln ist eine potenziell endlose Aufgabe. Um diesen Prozess zu organisieren, stellen wir Tricks und Tools vor. Diese haben wir in einer Reihe von Interviews mit ML2R-Forscher*innen zu ihrem Forschungsalltag herausgearbeitet.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span style=\"font-size: 18pt;\">Literaturrecherche: Geeignete Artikel zur eigenen Fragestellung finden<\/span><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Ein gro\u00dfer Teil der Forschung besteht darin, sich mit dem aktuellen Stand der Wissenschaft vertraut zu machen. Besonders im Feld des Maschinellen Lernens \u00e4ndert sich dieser sehr schnell, da neue Erkenntnisse und Studien nicht nur auf Fachkonferenzen und in Fachzeitschriften, sondern auch auf Plattformen wie <a href=\"https:\/\/arxiv.org\/\" target=\"_blank\" rel=\"noopener\">arxiv.org<\/a> als Vorabversionen ver\u00f6ffentlicht werden. Bei Letzteren entf\u00e4llt allerdings oft der Prozess des Peer Review, in dem Kolleg*innen aus dem gleichen Forschungsfeld die Ergebnisse von Studien bewerten. Solche Ergebnisse sind also mit Vorsicht zu genie\u00dfen, k\u00f6nnen aber nichtsdestotrotz wertvolle Einblicke in den aktuellen Forschungsstand liefern. Aufgrund der hohen Dichte an Arbeiten im Gebiet des Maschinellen Lernens ist es essenziell, schnell und zuverl\u00e4ssig einsch\u00e4tzen zu k\u00f6nnen, ob die gefundenen Artikel relevant f\u00fcr die eigene Fragestellung sind. Dazu benutzen einige Forscher*innen den Ansatz, dass sie die Kapitel <em>Abstract, Introduction <\/em>sowie <em>Conclusion<\/em> von Fachartikeln zuerst lesen. <em>Abstract <\/em>fasst die Kernaussagen der Arbeit zusammen, <em>Introduction<\/em> motiviert das Thema und <em>Conclusion<\/em> ordnet die Ergebnisse in das weitere Forschungsfeld ein. Da die meiste Literatur des Themengebiets nach diesem Schema aufgebaut ist, k\u00f6nnen so Kernaussagen und bearbeitete Fragestellungen schnell und zuverl\u00e4ssig herausgefunden und mit den eigenen Anforderungen abgeglichen werden. So sparen Forschende Zeit und selektieren tendenziell relevantere Artikel.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Google bietet mit <a href=\"https:\/\/scholar.google.com\/\" target=\"_blank\" rel=\"noopener\"><em>Google Scholar<\/em><\/a> eine spezialisierte Suchmaschine an, in der ver\u00f6ffentlichte wissenschaftliche Arbeiten mit Stichpunkten gesucht werden k\u00f6nnen. Dort wird nicht nur auf einen Blick ersichtlich, wo die Arbeit ver\u00f6ffentlicht wurde, sondern auch, wie relevant die Arbeit gemessen an der Anzahl der Zitationen ist. Dar\u00fcber hinaus sammelt <em>Google Scholar <\/em>alle bekannten Artikel von bestimmten Autor*innen auf einer separaten Seite.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" src=\"https:\/\/lamarr-institute.org\/wp-content\/uploads\/Google_Scholar_model-agnostic_explainability_methods-7.jpg\" alt=\"- Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)\" class=\"wp-image-25376\" title=\"\"><figcaption class=\"wp-element-caption\">Beispielsuchanfrage bei Google Scholar. Metadaten, wie Ver\u00f6ffentlichungszeitraum und Art der Arbeit, k\u00f6nnen eingeschr\u00e4nkt werden. Unterstrichene Namen verlinken auf eine Autorenseite, auf der alle Arbeiten, welche Google Scholar bekannt sind, aufgelistet werden.\n\n<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Neben modernen Tools wie <em>Google Scholar<\/em> bieten die Webseiten von renommierten Fachkonferenzen und Fachzeitschriften einen Index von vergangenen Ver\u00f6ffentlichungen an. Zur Einarbeitung in neue Themen bieten sich dar\u00fcber hinaus \u00dcbersichtsartikel (sogenannte <em>Surveys<\/em>) an. Dort tragen Wissenschaftler*innen den aktuellen Stand der Wissenschaft zum Ver\u00f6ffentlichungszeitpunkt des \u00dcbersichtsartikels zusammen, ordnen die einzelnen Arbeiten in den gr\u00f6\u00dferen Kontext ein und diskutieren Vor- und Nachteile. Ebenso k\u00f6nnen aufgezeichnete Vorlesungen auf Youtube sowie Fachb\u00fccher helfen, wenn das Thema, in welches man sich einarbeiten m\u00f6chte, fundamental und unspezifisch ist. Eine neue L\u00f6sung, um verwandte Literatur zu finden, bietet das kostenlose Tool <a href=\"https:\/\/www.connectedpapers.com\/\" target=\"_blank\" rel=\"noreferrer noopener\"><em>Connected Papers<\/em><\/a>. Dieses Tool visualisiert zu jeder gesuchten Arbeit einen Graphen, in welchem potenziell \u00e4hnliche Arbeiten nur wenige Knoten entfernt liegen. Wenn zwei Arbeiten tendenziell die gleiche Literatur referenzieren, dann liegen diese Arbeiten tendenziell n\u00e4her im Graphen zusammen.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/lamarr-institute.org\/wp-content\/uploads\/\/Connected_Papers_unified_approach_to_interpretion_model_predictions-7-1024x505.jpg\" alt=\"- Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)\" class=\"wp-image-25378\" title=\"\"><figcaption class=\"wp-element-caption\">\u00a9 Connected Papers (https:\/\/www.connectedpapers.com\/) <br>Der von Connected Papers aufgebaute Graph visualisiert verwandte Arbeiten und koloriert diese nach Erscheinungsdatum. In den Randspalten erhalten die Benutzer*innen mehr Informationen und k\u00f6nnen, falls ein Account bei Connected Papers vorhanden ist, interessante Artikel f\u00fcr sp\u00e4ter abspeichern.<\/figcaption><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\">Wissenschaftliches Arbeiten hei\u00dft auch: Dem Papierdschungel Struktur geben<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Heutzutage liegt Literatur meist in Form von PDF-Dokumenten vor. Obwohl einige Forscher<em>innen es bevorzugen, die Artikel auszudrucken, gibt es inzwischen sogenannte Bibliotheksmanager, welche die Organisation von Literatur erleichtern. Die zwei wohl popul\u00e4rsten Manager sind Mendeley und Zotero. Beide funktionieren nach folgendem Prinzip: Zu jeder Arbeit liegen Metadaten vor, etwa die Namen der Autor<\/em>innen, das Ver\u00f6ffentlichungsdatum sowie die Konferenz oder die Fachzeitschrift, in welcher der Artikel ver\u00f6ffentlicht wurde. Die Benutzer*innen des Bibliotheksmanagers k\u00f6nnen Literatur hinzuf\u00fcgen und die Manager ordnen die Arbeiten dann anhand dieser Metadaten ein und erlauben einfaches Sortieren und Filtern. Ebenso erlauben beide Manager, dass die zugeh\u00f6rigen PDF-Dokumente hinterlegt und synchronisiert werden. Dies erlaubt das Lesen und Annotieren des gleichen Dokuments sowohl auf dem PC als auch auf Smartphone und Tablet.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" src=\"https:\/\/lamarr-institute.org\/wp-content\/uploads\/Zotero-7.jpg\" alt=\"- Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)\" class=\"wp-image-25380\" title=\"\"><figcaption class=\"wp-element-caption\">Literatureintr\u00e4ge im Bibliotheksmanager Zotero. Unten: wichtige Metadaten zu der ver\u00f6ffentlichten Arbeit. Oben: Eine sortier- und filterbare Liste aller gespeicherten Artikel mit ihrem Titel, den Namen der Autor*innen sowie dem Ver\u00f6ffentlichungsjahr.\n\n<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Bei der konkreten Auseinandersetzung mit einem bestimmten Artikel hilft es vielen Wissenschaftler<em>innen wichtige Textstellen zu markieren, Ideen und Gedanken an der Seite zu notieren und digitale Kommentare hinzuzuf\u00fcgen. Oft bedeuten hier unterschiedliche Farben unterschiedliche semantische Konzepte. Kernaussagen, auf die man sich sp\u00e4ter in der eigenen Arbeit beziehen m\u00f6chte, werden beispielsweise gelb markiert, w\u00e4hrend der Forschende potenziell interessante Quellen, die in der Arbeit erw\u00e4hnt werden, rot markiert. Dieses System kann beliebig komplex konzipiert werden. Allerdings ist es meist hilfreich, mit einer simplen Strategie zu beginnen und erst im Laufe der Zeit die Komplexit\u00e4t zu erh\u00f6hen. Denn ein oft untersch\u00e4tzter Aspekt ist, dass solche Systeme oft zu aufwendig konzipiert werden, um sie rigoros zu befolgen. Das beste Organisationssystem ist hinf\u00e4llig, wenn die Zeit oder Motivation der Forscher<\/em>innen das Befolgen des Systems nicht zul\u00e4sst. Hier greift das bew\u00e4hrte <strong>KISS-<\/strong>Prinzip: <strong>Keep it simple and straightforward<\/strong>!<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Von Selbstorganisation, Zeitmanagement und aufger\u00e4umten Notizen<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">F\u00fcr neue Forscher*innen stellt die Literaturarbeit durch die immens hohe Anzahl an vorhandenen Arbeiten zun\u00e4chst oft eine gro\u00dfe H\u00fcrde dar. Allerdings wird diese Aufgabe deutlich durch die heutzutage vorhandenen Tools sowie durch rigorose Organisationssysteme erleichtert. Am wichtigsten ist dabei, dass man den Fokus nicht verliert und Systeme, welche man selbst befolgen m\u00f6chte, auch einh\u00e4lt. Um Konzepte f\u00fcr das Zeitmanagement sowie um das Konservieren von extrahiertem Wissen durch aufger\u00e4umte Notizen soll es im n\u00e4chsten Blogbeitrag der Serie gehen.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Der Umgang mit fachbezogenen Artikeln ist ein essenzieller Teil des wissenschaftlichen Arbeitens. Dieser Artikel stellt Herangehensweisen und Tools vor, welche von ML2R Forscher*innen genutzt werden, um den Forschungsprozess effektiv zu gestalten.<\/p>\n","protected":false},"author":9,"featured_media":3661,"template":"","meta":{"_acf_changed":false,"footnotes":""},"blog-category":[1416,390],"blog-tag":[1619],"class_list":["post-4241","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-alle-blogbeitraege","blog-category-grundlagen","blog-tag-wissenschaft"],"acf":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/4241","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/types\/blog"}],"author":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/users\/9"}],"version-history":[{"count":0,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/4241\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media\/3661"}],"wp:attachment":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media?parent=4241"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-category?post=4241"},{"taxonomy":"blog-tag","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-tag?post=4241"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}